Descript は文字起こしを編集タイムラインに変えます。単語を消せばその映像も消えます。収録と文字起こし、動画・ポッドキャスト編集、字幕、音声クローン、AI 補正ツールをひとつのブラウザ環境にまとめています。
このツールを使いましたか？評価してください
Descript は、その後のすべてを変えるひとつの発想の上に建てられた動画・音声エディターです。文字起こしがタイムラインである、という発想です。波形に沿ってクリップをドラッグする代わりに、文書を編集します。文字起こしから単語を消せば動画からもその部分が消え、文を移動すれば映像も一緒に動きます。同社が「編集はタイピングと同じくらい簡単」と言うのはこのためです。ワープロを使える人なら誰でも、本来は従来のノンリニア編集ソフトを習得しなければできなかった編集をこなせます。
この仕組みのおかげで、Descript は対話が牽引するコンテンツに際立って適しています。ポッドキャスト、インタビュー、チュートリアル、ウェビナー、講義素材、SNS 向けの話者中心の動画などです。逆に、言葉ではなく映像が編集を牽引する仕事、たとえばミュージックビデオやアクションシーン、モーショングラフィックス中心の制作には向きません。自分の案件がその境界のどちら側にあるかを見極めることが、この道具が自分に合うかどうかを最もよく予測してくれます。
中核のエディターの周囲には、完結した制作の連なりが置かれています。画面収録、Rooms を通じた遠隔のマルチトラック収録、自動字幕、AI 音声と音声クローン、翻訳と吹き替え、AI アバター、そして撮り終えた素材によくある問題を後から直す一連のツールです。会社には実質的な機関投資の裏付けもあります。TechCrunch は 2022 年 11 月、Descript が OpenAI Startup Fund 主導の 5,000 万ドルのシリーズ C を調達し、累計調達額が 1 億ドルに達したこと、投資後の企業価値が約 5 億 5,000 万ドルと報じられたことを伝えました。本ページでは、このツールに何ができるのか、各プランに実際に何が含まれるのか、音声クローンの同意手続きがどう機能するのか、そしてすべての利用者が確認すべき AI 学習の初期設定について扱います。
プランは 5 段階あり、その差は体裁ではなく実質的です。Free は費用がかからず月 60 分のメディアと 720p の書き出しを含み、Hobbyist と Creator は 1 席あたり月 24 ドルと 35 ドル、Business は 65 ドル、Enterprise は個別見積もりです。年払いにすると 1 席あたりの金額はそれぞれ約 16、24、50 ドルまで下がります。何ができるかは二つの計量が決めます。ひとつは月あたりのメディア分数で Free 60 分、Hobbyist 600 分、Creator 1,800 分、Business 2,400 分。もうひとつは AI 機能が消費する AI クレジットです。読み違えやすいので明示しておきたい点があります。無料プランの AI クレジット 100 回は毎月更新されるのではなく一度だけ付与される一方、有料の各段階は毎月それぞれのクレジット枠を改めて受け取ります。つまり無料プランは AI 機能を継続的に使う手立てというより、それらを試すための体験版に近いということです。
機能の段階分けは価格と同じくらい重要です。Studio Sound、Eye Contact、グリーンスクリーン、フィラー語の除去、プリセット音声の読み上げは下位プランでも限定的に使えます。一方、カスタム音声クローン、AI 動画生成、カスタムアバター、30 言語にわたる翻訳と吹き替えは Creator 以上でなければ制限が外れず、Underlord アシスタントとより広い AI ツール群も同様です。AI 機能を目当てに Descript を検討しているなら、現実的な入口は Hobbyist ではなく Creator です。Enterprise は購買部門が求める準拠と ID 管理の基盤を加えます。
最も重要なのは欠陥ではなく初期設定です。利用者が自分で解除しない限り、Descript は入力と出力を自社モデルの学習・改善・開発に使用でき、従業員や取引先、業務委託先が内部の品質確認のために音声サンプルを聴くことがあります。規約は、AI 音声が内部の品質確認を目的とした発話の作成に使われうることも明かしています。いずれも隠されておらず、解除の方法も単純で、「Share Data with Descript」の設定を切るだけです。ただし初期状態が有効であることが重要です。機密のインタビュー、未公開のクライアント素材、機微な社内収録は、設定を変えるまでその範囲に入るということだからです。プライバシーポリシーはさらに、AI スピーカーに関連する一部の学習データがアカウントとの紐づけを解かれた後も研究用データセットに残りうると付け加えています。秘密保持契約の下で素材を扱う人は、この設定の確認を後回しではなく最初の作業とすべきです。
音声クローンの同意については、この製品は同種の多くより明確に優れており、その点ははっきり述べる価値があります。第三者の無許可の音声収録を学習用音声として提出する行為は明示的に禁止され、明確に同意していない話者の声を模倣する収録や同意声明を作る行為も同様に禁止されています。規約は他人に代わって同意声明を読むことも禁じます。これらはマーケティング FAQ の勧告ではなく拘束力のある契約条項であり、技術的な裏付けもあります。Descript は利用者の同意声明と編集中の音声から声紋を生成し、本人確認と不正防止に用いています。公式の立場も同じく明快です。Descript は倫理基準に従い、声をクローンされる話者の明示的な承認を求め、クローンの削除やアクセス制限を利用者ができるようにしています。音声モデルと声紋は、収集目的が満たされるまで、あるいは最後にアカウントへアクセスしてから最長 3 年まで保持されます。
品質についての独立した検証は、この製品の知名度が示唆するより薄いのが実情です。同社は主要な B2B レビュー基盤で 837 件のレビューにもとづく 5 点満点中 4.6 点を掲げていますが、その数値は Descript 自身のマーケティングページ上のものであり、当該基盤から直接は確認できなかったため、独立に検証された評点ではなく事業者の主張として読むべきです。TechCrunch の記事は実名記者による本物の編集記事で調達の事実を確立しますが、焦点は調達と新機能にあり、音声クローンの悪用リスクへの批判的検討も、安全対策に関する会社の言明も含みません。したがってこの製品の安全機構に対する第三者の裏書きとしては使えません。一方で複数の第三者レビューは今なお 10〜30 分のスクリプト朗読が必要だと述べていますが、現行の公式ページが示す約 90 秒という要件はこれと矛盾します。この製品に関する二次的な論評の相当部分がすでに古く、その一部は代替品を売る競合から出ているという注意喚起でもあります。
実務上の限界も述べておくべきです。文字起こしの精度がすべての上限を決めます。強い訛り、話者の重なり、専門語彙、悪い音質はいずれも文字起こしの質を落とし、質の悪い文字起こしはテキスト編集を速いどころか煩わしいものにします。長い収録を扱う人には分数の上限が想定より早く効き、AI クレジットは、まさにこの製品に惹かれた理由である機能によって消費されます。書き出し解像度はプラン単位の制約なので、4K には Creator 以上が要ります。そして対話の編集を楽にしてくれるテキスト優先の考え方は、映像が牽引する案件ではほとんど助けにならず、そこでは従来型のタイムラインが依然として優れた道具です。
少なくとも権利の帰属は明快で、利用者に有利です。利用者と Descript の間では、利用者が作成した入力と出力に関するすべての権利、権原、利益は利用者に帰属します。運営主体はサンフランシスコに拠点を置く Descript, Inc. で、カリフォルニア州法が適用され、紛争はサンフランシスコ郡での拘束力ある仲裁で解決されます。仲裁条項を重視する人は留意すべき点です。データに関する権利は EEA の利用者と、カリフォルニア、コロラド、コネチカット、ユタ、バージニアの各州住民に提供され、AI アバターが用いる顔の幾何データはベンダーが処理し Descript が直接アクセスすることはないとされています。
本物の無料段階があります。月 60 分のメディア、720p の書き出し、そして AI ツールへの限定的なアクセスが含まれます。重要な落とし穴は、AI クレジット 100 回が毎月の枠ではなく一度だけの付与だという点です。そのため無料プランは AI 機能を持続的に使う手段というより、試すための体験版に近くなります。有料は Hobbyist の 1 席あたり月 24 ドル、年払いなら約 16 ドルから始まります。
収録は自動的に文字起こしされ、その文字起こしが編集画面になります。文書で一文を消せば対応する映像と音声が取り除かれ、段落を動かせば素材も一緒に動きます。実際これは波形をなぞるより対話の編集を大幅に速くし、ポッドキャストやインタビュー、チュートリアルに適している理由になっています。
自分の声、または本人の真正な同意を得た他人の声です。これは単なる推奨ではありません。利用規約は第三者の無許可収録の提出を明示的に禁じ、明確に同意していない話者を模倣する声の作成も、他人に代わって同意声明を読むことも禁じています。Descript は同意声明から声紋を生成して話者を認証し不正を防いでいるため、この要件には契約文言だけでなく技術的な執行が伴っています。
現行の公式案内は約 90 秒の短いスクリプトです。なお少なからぬ第三者レビューが今も 10〜30 分と記していますが、これは以前の手順を反映したもので、公式ページの説明とはもはや一致しません。
初期設定では使われます。「Share Data with Descript」の設定を切らない限り、入力と出力が Descript のモデルの学習と改善に用いられることがあり、従業員や取引先、業務委託先が品質確認のために音声サンプルを聴くことがあります。解除は簡単ですが初期状態が有効なので、機密や秘密保持契約の対象となる素材を扱う前に必ず確認してください。
あなたのものです。規約は、あなたと Descript の間では入力と出力に関するすべての権利、権原、利益があなたに帰属すると明記しています。これは制作物の商用利用を含みますが、第三者素材やクローンした声に関する別個の義務を免じるものではありません。
現実的には Creator です。下位プランでも Studio Sound、Eye Contact、グリーンスクリーン、フィラー語の除去、プリセット音声の読み上げは限定的に使えますが、カスタム音声クローン、AI 動画生成、カスタムアバター、30 言語の翻訳・吹き替えは Creator 以上でなければ制限が外れません。4K 書き出しと完全な Underlord アシスタントもこの段階から始まります。
できますが、プランによる上限があります。Creator は最大 3 名、Business は 5 名まで対応し、SLA 付きの優先サポートが付きます。Enterprise は席数を個別に交渉し、SOC 2 Type II 準拠と SSO、SCIM を加えます。規模の大きな組織が採用前に求めることの多い要件です。
向いていません。その理由は設計そのものにあります。編集が文字起こしで駆動されるため、ポッドキャストやインタビュー、チュートリアル、話者中心の動画といった言葉主導のコンテンツに秀でています。ミュージックビデオや物語映画、アクションシーン、モーショングラフィックス中心の制作のように、言葉ではなく映像に沿ってカットが決まる場合は、Premiere Pro や DaVinci Resolve のような従来型のタイムライン編集ソフトが依然として適した道具です。
同社は精度の数値を公開しておらず、実際の精度は音質、訛り、話者の重なり、専門語彙によってかなり変動します。文字起こしが編集画面そのものであるため、精度はテキスト以上のものに影響します。作業の流れ全体の使い心地を左右するからです。切り始める前に文字起こしの誤りを直すことが、身につけるだけの価値が最も大きい習慣です。
