Descript macht das Transkript zur Schnittzeitleiste: Wer ein Wort löscht, löscht das Bild gleich mit. Aufnahme, Transkription, Video- und Podcast-Schnitt, Untertitel, Stimmklonen und KI-Korrekturen liegen in einer Weboberfläche zusammen.
Hast du dieses Tool genutzt? Bewerte es
Hast du dieses Tool genutzt? Bewerte es
Descript ist ein Video- und Audioeditor, der auf einem Gedanken beruht, der alles Weitere verändert: Das Transkript ist die Zeitleiste. Statt Clips entlang einer Wellenform zu ziehen, bearbeitest du ein Dokument. Löschst du ein Wort im Transkript, verschwindet es aus dem Video; verschiebst du einen Satz, wandert das Material mit. Genau deshalb sagt das Unternehmen, Schneiden sei so einfach wie Tippen. Wer mit einer Textverarbeitung umgehen kann, beherrscht damit textbasierten Videoschnitt, für den sonst ein klassisches Schnittprogramm erlernt werden müsste.
Dieses Prinzip macht Descript ungewöhnlich gut geeignet für Inhalte, die von Sprache getragen werden: Podcasts, Interviews, Tutorials, Webinare, Kursmaterial, Talking-Head-Videos für soziale Plattformen. Entsprechend weniger taugt es für Arbeiten, bei denen das Bild und nicht das gesprochene Wort den Schnitt bestimmt — Musikvideos, Actionsequenzen, aufwendige Bewegtgrafik. Auf welcher Seite dieser Linie dein Projekt liegt, sagt am zuverlässigsten voraus, ob dieses Werkzeug zu dir passt.
Um den Editor herum liegt eine vollständige Produktionskette: Bildschirmaufnahme, mehrspurige Fernaufnahme über Rooms, automatische Untertitel, KI-Sprache und Stimmklonen, Übersetzung und Synchronisation, KI-Avatare sowie eine Reihe von Werkzeugen, die typische Aufnahmefehler nachträglich beheben. Hinter dem Unternehmen steht echte institutionelle Rückendeckung: TechCrunch berichtete im November 2022 von einer Series C über 50 Millionen Dollar unter Führung des OpenAI Startup Fund, womit die Gesamtfinanzierung 100 Millionen Dollar erreichte, bei einer kolportierten Post-Money-Bewertung von rund 550 Millionen. Diese Seite behandelt, was das Werkzeug leistet, was die Tarife tatsächlich enthalten, wie die Einwilligung beim Stimmklonen abläuft und welche Voreinstellung zum KI-Training jede Nutzerin und jeder Nutzer prüfen sollte.
Es gibt fünf Stufen, und die Unterschiede sind inhaltlich statt kosmetisch. Free kostet nichts und umfasst 60 Medienminuten im Monat mit Export in 720p; Hobbyist und Creator liegen bei 24 und 35 US-Dollar je Platz und Monat, Business bei 65, Enterprise wird einzeln angeboten. Bei jährlicher Zahlung sinken diese Beträge auf etwa 16, 24 und 50 Dollar je Platz. Zwei Zähler bestimmen, was möglich ist: Medienminuten pro Monat — 60 bei Free, 600 bei Hobbyist, 1.800 bei Creator, 2.400 bei Business — und KI-Credits, die von den KI-Funktionen verbraucht werden. Ein Detail verdient Aufmerksamkeit, weil es leicht falsch gelesen wird: Die 100 KI-Credits im kostenlosen Tarif werden einmalig gewährt und nicht monatlich erneuert, während jede Bezahlstufe ihr Guthaben jeden Monat neu erhält. Die kostenlose Stufe ist damit eher ein Test der KI-Funktionen als ein dauerhaftes Kontingent dafür.
Die Aufteilung der Fähigkeiten zählt ebenso viel wie der Preis. Studio Sound, Eye Contact, Greenscreen, Füllwortentfernung und die vorhandenen Stimmen für Sprachausgabe sind in den unteren Stufen eingeschränkt verfügbar. Eigene Stimmklone, KI-Videoerzeugung, individuelle Avatare sowie Übersetzung und Synchronisation in 30 Sprachen werden dagegen erst ab Creator uneingeschränkt freigegeben, ebenso der volle Zugriff auf den Underlord-Assistenten und den größeren Werkzeugsatz. Wenn dich die KI-Fähigkeiten zu Descript führen, ist Creator realistisch der Einstieg und nicht Hobbyist. Enterprise ergänzt die Compliance- und Identitätsinfrastruktur, die Einkaufsabteilungen verlangen.
Das Folgenreichste ist kein Mangel, sondern eine Voreinstellung. Sofern du nicht widersprichst, darf Descript deine Eingaben und Ausgaben nutzen, um seine Modelle zu trainieren, zu verbessern und weiterzuentwickeln, und Beschäftigte, Dienstleister und Auftragnehmer dürfen Audioproben zur internen Qualitätssicherung anhören. Die Bedingungen legen zudem offen, dass KI-Stimmen genutzt werden können, um Äußerungen für ebendiese interne Qualitätssicherung zu erzeugen. Nichts davon ist versteckt, und der Widerspruch ist unkompliziert — die Einstellung „Share Data with Descript" abschalten — aber sie ist standardmäßig aktiv. Das heißt: vertrauliche Interviews, unveröffentlichtes Kundenmaterial und heikle interne Aufnahmen fallen darunter, bis du es änderst. Die Datenschutzerklärung ergänzt, dass bestimmte Trainingsdaten im Zusammenhang mit KI-Sprechern nach Entkopplung von deinem Konto in Forschungsdatensätzen verbleiben können. Wer Material unter Geheimhaltungsvereinbarung bearbeitet, sollte diese Prüfung als erste Aufgabe behandeln und nicht als Nachbesserung.
Bei der Einwilligung zum Stimmklonen schneidet dieses Produkt merklich besser ab als die meisten seiner Kategorie, und das gehört klar gesagt. Das Einreichen unbefugter Sprachaufnahmen Dritter als Trainingsmaterial ist ausdrücklich untersagt, ebenso das Erstellen einer Aufnahme oder Einwilligungserklärung, die die Stimme einer Person nachahmt, die nicht ausdrücklich zugestimmt hat. Die Bedingungen verbieten auch, eine Einwilligungserklärung stellvertretend für jemand anderen zu sprechen. Das sind verbindliche Vertragsklauseln und keine Hinweise in einer Marketing-FAQ, und sie sind technisch unterlegt: Descript erzeugt aus deiner Einwilligungserklärung und der bearbeiteten Aufnahme Stimmabdrücke, um dich zu authentifizieren und Betrug vorzubeugen. Die offizielle Haltung ist ebenso deutlich — Descript folgt ethischen Standards und verlangt die ausdrückliche Autorisierung der Person, deren Stimme geklont wird, und erlaubt, den Klon zu entfernen oder dessen Zugriff einzuschränken. Stimmmodelle und Stimmabdrücke werden aufbewahrt, bis der Zweck erfüllt ist, längstens drei Jahre nach dem letzten Kontozugriff.
Die unabhängige Überprüfung der Qualität fällt dünner aus, als es die Bekanntheit des Produkts nahelegt. Das Unternehmen wirbt mit 4,6 von 5 Punkten aus 837 Bewertungen auf einer großen B2B-Bewertungsplattform, doch diese Zahl steht auf Descripts eigener Marketingseite und ließ sich nicht direkt bei der Plattform bestätigen; sie ist daher als Anbieterangabe zu lesen und nicht als unabhängig geprüfte Bewertung. Die TechCrunch-Berichterstattung ist echte redaktionelle Arbeit mit Namensnennung und belegt die Finanzierungsfakten, konzentriert sich aber auf die Runde und neue Funktionen; sie enthält keine kritische Auseinandersetzung mit Missbrauchsrisiken des Stimmklonens und keine Aussagen des Unternehmens zu Schutzmaßnahmen und taugt daher nicht als Bestätigung der Sicherheitsmechanismen. Zugleich behaupten mehrere Drittanbieter-Rezensionen weiterhin, man müsse 10 bis 30 Minuten Skript einlesen — eine Angabe, der die aktuelle offizielle Seite mit ihren rund 90 Sekunden widerspricht. Das erinnert daran, dass ein guter Teil der Sekundärliteratur zu diesem Produkt veraltet ist und ein Teil davon von Wettbewerbern stammt, die Alternativen verkaufen.
Auch die praktischen Grenzen gehören genannt. Die Transkriptionsgenauigkeit deckelt alles Weitere: starke Akzente, sich überlappende Sprecher, Fachvokabular und schlechter Ton verschlechtern das Transkript, und ein schlechtes Transkript macht den Textschnitt mühsam statt schnell. Die abgerechneten Minuten können früher greifen als gedacht, wenn du mit langen Aufnahmen arbeitest, und die KI-Credits werden von genau jenen Funktionen verbraucht, die dich wahrscheinlich angezogen haben. Die Exportauflösung ist eine Tarifgrenze, 4K erfordert also Creator oder höher. Und das textzentrierte Prinzip, das Dialogschnitt mühelos macht, hilft bei visuell getriebenen Projekten kaum, wo eine klassische Zeitleiste das bessere Werkzeug bleibt.
Die Rechtslage bei den Ergebnissen ist immerhin eindeutig und nutzerfreundlich: Zwischen dir und Descript liegen alle Rechte, Titel und Ansprüche an den von dir erzeugten Eingaben und Ausgaben bei dir. Betreibende Einheit ist Descript, Inc. mit Sitz in San Francisco, es gilt kalifornisches Recht, und Streitigkeiten werden durch verbindliches Schiedsverfahren im County San Francisco beigelegt — bemerkenswert für alle, denen Schiedsklauseln wichtig sind. Datenrechte bestehen für Nutzerinnen und Nutzer im EWR sowie für Einwohner von Kalifornien, Colorado, Connecticut, Utah und Virginia, und die von KI-Avataren genutzten Gesichtsgeometriedaten werden von Dienstleistern verarbeitet, ohne dass Descript direkt darauf zugreift.
Es gibt eine echte kostenlose Stufe: 60 Medienminuten pro Monat, Export in 720p und eingeschränkten Zugriff auf die KI-Werkzeuge. Der wichtige Haken sind die 100 KI-Credits, die einmalig gewährt und nicht monatlich erneuert werden — der Gratistarif ist damit ein Test der KI-Funktionen und kein tragfähiger Weg, sie dauerhaft zu nutzen. Bezahltarife beginnen bei 24 Dollar je Platz und Monat für Hobbyist, jährlich abgerechnet bei etwa 16.
Deine Aufnahme wird automatisch transkribiert, und dieses Transkript wird zur Bearbeitungsoberfläche. Löschst du im Dokument einen Satz, verschwinden Bild und Ton dazu; verschiebst du einen Absatz, wandert das Material mit. In der Praxis wird das Schneiden von Dialogen dadurch deutlich schneller als das Durchsuchen einer Wellenform, weshalb sich Podcasts, Interviews und Tutorials so gut damit bearbeiten lassen.
Deine eigene oder die einer anderen Person mit deren echter Zustimmung. Das ist nicht bloß eine Empfehlung: Die Nutzungsbedingungen untersagen ausdrücklich das Einreichen unbefugter Aufnahmen Dritter, das Erzeugen einer Stimme, die eine nicht ausdrücklich zustimmende Person nachahmt, und das Sprechen einer Einwilligungserklärung im Namen einer anderen Person. Descript erzeugt zudem aus der Einwilligungserklärung einen Stimmabdruck zur Authentifizierung und Betrugsprävention, sodass hinter der Anforderung eine technische Durchsetzung steht und nicht nur ein Vertragstext.
Die aktuelle offizielle Angabe lautet: ein kurzes Skript von rund 90 Sekunden. Beachte, dass etliche Drittanbieter-Rezensionen weiterhin 10 bis 30 Minuten nennen; das bildet einen früheren Stand des Verfahrens ab und deckt sich nicht mehr mit der offiziellen Seite.
Ja, standardmäßig. Solange du die Einstellung „Share Data with Descript" nicht abschaltest, dürfen deine Eingaben und Ausgaben zum Trainieren und Verbessern der Modelle verwendet werden, und Beschäftigte, Dienstleister und Auftragnehmer dürfen Audioproben zur Qualitätssicherung anhören. Der Widerspruch ist einfach, doch der Ausgangszustand ist aktiv — prüfe das, bevor du mit Vertraulichem oder unter Geheimhaltung stehendem Material arbeitest.
Dir. Die Bedingungen halten fest, dass zwischen dir und Descript alle Rechte, Titel und Ansprüche an deinen Eingaben und Ausgaben bei dir liegen. Das umfasst die kommerzielle Verwertung deiner Ergebnisse; es berührt nicht deine gesonderten Pflichten hinsichtlich fremden Materials oder einer von dir geklonten Stimme.
Realistisch betrachtet Creator. Die unteren Stufen bieten eingeschränkten Zugriff auf Studio Sound, Eye Contact, Greenscreen, Füllwortentfernung und vorhandene Stimmen für Sprachausgabe, doch eigene Stimmklone, KI-Videoerzeugung, individuelle Avatare sowie Übersetzung und Synchronisation in 30 Sprachen sind erst ab Creator uneingeschränkt. Auch der 4K-Export und der vollständige Underlord-Assistent beginnen hier.
Ja, im Rahmen der Tarifgrenzen. Creator unterstützt bis zu drei Teammitglieder, Business bis zu fünf mit bevorzugtem Support nach SLA. Enterprise verhandelt Plätze individuell und ergänzt SOC-2-Type-II-Konformität sowie SSO und SCIM, was größere Organisationen in der Regel vor einer Einführung verlangen.
Nein, und die eigene Bauweise erklärt warum. Weil der Schnitt vom Transkript getrieben wird, glänzt es bei sprachgeführten Inhalten — Podcasts, Interviews, Tutorials, Talking-Head-Videos. Für Musikvideos, Spielfilm, Actionsequenzen oder aufwendige Bewegtgrafik, wo Schnitte dem Bild statt den Worten folgen, bleibt ein klassischer Zeitleisteneditor wie Premiere Pro oder DaVinci Resolve das bessere Instrument.
Das Unternehmen veröffentlicht keine Genauigkeitsangabe, und die reale Genauigkeit schwankt erheblich mit Tonqualität, Akzenten, überlappender Sprache und Fachvokabular. Da das Transkript die Schnittfläche ist, wirkt sich die Genauigkeit auf weit mehr als den Text aus: Sie bestimmt, wie brauchbar sich der gesamte Ablauf anfühlt. Transkriptionsfehler vor dem Schneiden zu korrigieren, ist die nützlichste Gewohnheit, die man sich aneignen kann.
