Descript convierte la transcripción en la línea de tiempo de montaje: borras una palabra y la imagen se va con ella. Reúne grabación, transcripción, edición de vídeo y pódcast, subtítulos, clonación de voz y retoques con IA en un mismo espacio web.
¿Has usado esta herramienta? Valórala
¿Has usado esta herramienta? Valórala
Descript es un editor de vídeo y audio construido sobre una idea que cambia todo lo demás: la transcripción es la línea de tiempo. En lugar de arrastrar clips a lo largo de una onda de sonido, editas un documento. Si borras una palabra de la transcripción, desaparece del vídeo; si mueves una frase, el metraje se mueve con ella. Por eso la empresa dice que montar aquí es tan fácil como escribir. Cualquiera que sepa manejar un procesador de textos puede hacer edición de vídeo por texto, algo que de otro modo exigiría aprender un montador no lineal tradicional.
Ese planteamiento hace que Descript encaje excepcionalmente bien con el contenido sostenido por el habla: pódcast, entrevistas, tutoriales, seminarios web, material de cursos y vídeos de un presentador hablando a cámara para plataformas sociales. Y encaja bastante peor allí donde el montaje lo dicta la imagen y no la palabra, como videoclips musicales, secuencias de acción o piezas cargadas de grafismo en movimiento. Saber de qué lado de esa línea cae tu proyecto es el mejor indicador de si esta herramienta te servirá.
Alrededor del editor hay una cadena de producción completa: grabación de pantalla, grabación remota multipista mediante Rooms, subtítulos automáticos, voz sintética y clonación de voz, traducción y doblaje, avatares de IA y un conjunto de herramientas que corrigen a posteriori los fallos habituales de grabación. Detrás de la empresa hay respaldo institucional real: el medio TechCrunch informó en noviembre de 2022 de una ronda de serie C de 50 millones de dólares liderada por OpenAI Startup Fund, con la que la financiación acumulada alcanzó los 100 millones de dólares y una valoración posterior a la operación de unos 550 millones. Esta página explica qué hace realmente la herramienta, qué incluyen los planes, cómo funciona el consentimiento para clonar voz y qué ajuste de entrenamiento de IA conviene revisar a todo el mundo.
Hay cinco niveles y las diferencias son de fondo, no cosméticas. Free cuesta cero e incluye 60 minutos de medios al mes con exportación a 720p; Hobbyist y Creator cuestan 24 y 35 dólares por plaza y mes, Business 65, y Enterprise se ofrece con presupuesto a medida. Con pago anual esas cifras bajan a unos 16, 24 y 50 dólares por plaza. Dos contadores determinan lo que puedes hacer: los minutos de medios al mes —60 en Free, 600 en Hobbyist, 1.800 en Creator, 2.400 en Business— y los créditos de IA, que consumen las funciones de inteligencia artificial. Un detalle merece atención porque se malinterpreta con facilidad: los 100 créditos de IA del nivel gratuito se conceden una sola vez y no se renuevan cada mes, mientras que cada nivel de pago recibe su asignación de nuevo mensualmente. El nivel gratuito es, por tanto, más una prueba de las funciones de IA que una cuota permanente para usarlas.
El reparto de capacidades importa tanto como el precio. Studio Sound, Eye Contact, el croma, la eliminación de muletillas y las voces ya disponibles para locución están accesibles con limitaciones en los niveles inferiores. En cambio, los clones de voz propios, la generación de vídeo con IA, los avatares personalizados y la traducción y el doblaje a 30 idiomas solo se liberan sin restricciones a partir de Creator, igual que el acceso completo al asistente Underlord y al conjunto ampliado de herramientas. Si lo que te trae a Descript son precisamente las capacidades de IA, el punto de entrada realista es Creator y no Hobbyist. Enterprise añade la infraestructura de cumplimiento y de identidad que suelen exigir los departamentos de compras.
Lo más relevante aquí no es una carencia, sino un ajuste predeterminado. Mientras no te opongas, Descript puede usar tus entradas y salidas para entrenar, mejorar y desarrollar sus modelos, y su personal, proveedores y contratistas pueden escuchar muestras de audio con fines internos de control de calidad. Las condiciones también revelan que las voces de IA pueden emplearse para generar locuciones destinadas precisamente a ese control de calidad interno. Nada de esto está oculto y la renuncia es sencilla —desactivar el ajuste «Share Data with Descript»—, pero viene activada de fábrica. Eso significa que las entrevistas confidenciales, el material de cliente sin publicar y las grabaciones internas delicadas quedan dentro hasta que lo cambies. La política de privacidad añade que ciertos datos de entrenamiento asociados a los locutores de IA pueden permanecer en conjuntos de datos de investigación tras desvincularse de tu cuenta. Quien trabaje con material bajo acuerdo de confidencialidad debería tratar esta comprobación como la primera tarea y no como una corrección posterior.
En materia de consentimiento para clonar voz, este producto queda claramente por encima de la mayoría de su categoría, y conviene decirlo sin rodeos. Está expresamente prohibido enviar grabaciones de voz de terceros sin autorización como material de entrenamiento, igual que crear una grabación o una declaración de consentimiento que contenga o imite la voz de alguien que no haya consentido de forma explícita. Las condiciones prohíben además pronunciar una declaración de consentimiento en nombre de otra persona. Son cláusulas contractuales vinculantes y no notas en un apartado de preguntas frecuentes de marketing, y están respaldadas técnicamente: Descript genera huellas de voz a partir de tu declaración de consentimiento y de la grabación que editas para autenticarte y prevenir el fraude. La postura oficial es igual de nítida, ya que la empresa afirma seguir estándares éticos y exigir autorización explícita de la persona cuya voz se clona, además de permitir eliminar tu clon o limitar su acceso. Los modelos y las huellas de voz se conservan hasta cumplir la finalidad de la recogida, con un máximo de tres años desde el último acceso a la cuenta.
La verificación independiente de la calidad resulta más escasa de lo que sugeriría la notoriedad del producto. La empresa anuncia una puntuación de 4,6 sobre 5 a partir de 837 opiniones en una gran plataforma de valoraciones B2B, pero esa cifra figura en la propia página de marketing de Descript y no pudo confirmarse directamente en la plataforma, de modo que debe leerse como declaración del proveedor y no como una valoración verificada de forma independiente. La cobertura de TechCrunch es trabajo periodístico real y firmado, y acredita los hechos de la financiación, pero se centra en la ronda y en las funciones nuevas: no contiene un análisis crítico de los riesgos de abuso de la clonación de voz ni declaraciones de la empresa sobre medidas de protección, así que no sirve como aval de sus mecanismos de seguridad. Al mismo tiempo, varias reseñas de terceros siguen afirmando que hay que leer entre 10 y 30 minutos de guion, algo que contradice la página oficial vigente con sus aproximadamente 90 segundos. Es un recordatorio de que buena parte de la literatura secundaria sobre este producto está desactualizada y otra parte procede de competidores que venden alternativas.
Los límites prácticos también merecen mención. La precisión de la transcripción condiciona todo lo demás: los acentos marcados, las voces superpuestas, el vocabulario especializado y el audio deficiente empeoran el texto, y una transcripción mala convierte el montaje por texto en un esfuerzo en lugar de un atajo. Los minutos contratados pueden agotarse antes de lo previsto si trabajas con grabaciones largas, y los créditos de IA los consumen justamente las funciones que probablemente te atrajeron. La resolución de exportación es un límite de plan, así que el 4K exige Creator o superior. Y el principio centrado en el texto, que vuelve cómodo el montaje de diálogo, ayuda poco en proyectos guiados por lo visual, donde una línea de tiempo clásica sigue siendo la herramienta más adecuada.
El aspecto legal de los resultados es, al menos, inequívoco y favorable al usuario: entre tú y Descript, todos los derechos, títulos e intereses sobre las entradas y salidas que generes te pertenecen. La entidad operadora es Descript, Inc., con sede en San Francisco, se aplica la legislación de California y las controversias se resuelven mediante arbitraje vinculante en el condado de San Francisco, algo digno de mención para quien conceda importancia a las cláusulas de arbitraje. Existen derechos sobre los datos para usuarios del Espacio Económico Europeo y para residentes de California, Colorado, Connecticut, Utah y Virginia, y los datos de geometría facial que emplean los avatares de IA los tratan proveedores de servicios sin acceso directo por parte de Descript.
Sí, hay un nivel gratuito real: 60 minutos de medios al mes, exportación a 720p y acceso limitado a las herramientas de IA. La salvedad importante son los 100 créditos de IA, que se conceden una sola vez y no se renuevan cada mes, de modo que el plan gratuito es una prueba de las funciones de IA y no una forma sostenible de usarlas de continuo. Los planes de pago arrancan en 24 dólares por plaza y mes en Hobbyist, unos 16 con facturación anual.
Tu grabación se transcribe automáticamente y esa transcripción se convierte en la superficie de edición. Si borras una frase del documento, desaparecen la imagen y el sonido correspondientes; si mueves un párrafo, el metraje viaja con él. En la práctica, montar diálogo resulta bastante más rápido que recorrer una onda de sonido, y por eso los pódcast, las entrevistas y los tutoriales se editan aquí tan bien.
De la tuya, o de otra persona con su consentimiento real. No es una simple recomendación: las condiciones de uso prohíben expresamente enviar grabaciones de terceros sin autorización, crear una voz que imite a alguien que no haya consentido de forma explícita y pronunciar una declaración de consentimiento en nombre de otra persona. Además, Descript genera una huella de voz a partir de la declaración de consentimiento para autenticar y prevenir el fraude, de manera que detrás del requisito hay una aplicación técnica y no solo un texto contractual.
La indicación oficial vigente es un guion breve de unos 90 segundos. Ten en cuenta que bastantes reseñas de terceros siguen hablando de entre 10 y 30 minutos; eso refleja un estado anterior del procedimiento y ya no coincide con la página oficial.
Sí, de forma predeterminada. Mientras no desactives el ajuste «Share Data with Descript», tus entradas y salidas pueden emplearse para entrenar y mejorar los modelos, y el personal, los proveedores y los contratistas pueden escuchar muestras de audio para control de calidad. Renunciar es sencillo, pero el estado de partida está activado, así que compruébalo antes de trabajar con material confidencial o sujeto a confidencialidad.
Tuyos. Las condiciones establecen que, entre tú y Descript, todos los derechos, títulos e intereses sobre tus entradas y salidas te corresponden. Eso incluye la explotación comercial de tus resultados, aunque no afecta a tus obligaciones aparte respecto a material ajeno o a una voz que hayas clonado.
De forma realista, Creator. Los niveles inferiores ofrecen acceso limitado a Studio Sound, Eye Contact, el croma, la eliminación de muletillas y las voces ya disponibles para locución, pero los clones de voz propios, la generación de vídeo con IA, los avatares personalizados y la traducción y el doblaje a 30 idiomas solo están sin restricciones desde Creator. Ahí empiezan también la exportación en 4K y el asistente Underlord completo.
Sí, dentro de los límites del plan. Creator admite hasta tres miembros del equipo y Business hasta cinco, con soporte prioritario sujeto a acuerdo de nivel de servicio. Enterprise negocia las plazas de forma individual y añade cumplimiento SOC 2 Type II junto con SSO y SCIM, que es lo que las organizaciones grandes suelen exigir antes de adoptarlo.
No, y su propia arquitectura explica por qué. Como el montaje lo dirige la transcripción, brilla con contenido sostenido por el habla: pódcast, entrevistas, tutoriales, vídeos de presentador a cámara. Para videoclips musicales, ficción, secuencias de acción o grafismo en movimiento complejo, donde los cortes siguen a la imagen y no a las palabras, un montador de línea de tiempo clásico como Premiere Pro o DaVinci Resolve sigue siendo mejor instrumento.
La empresa no publica una cifra de precisión y en la práctica esta varía bastante según la calidad del audio, los acentos, el habla superpuesta y el vocabulario especializado. Como la transcripción es la superficie de edición, su precisión afecta a mucho más que al texto: determina lo utilizable que resulta todo el proceso. Corregir los errores de transcripción antes de montar es la costumbre más provechosa que se puede adquirir aquí.
