DescriptのUnderlord AIは、音声や動画素材を自動でインタラクティブな文字起こしテキストへと変換し、自然言語処理によって発話の言い直しや言い淀み（リテイク）を自動検出して不要なテイクを非破壊でカットします。従来の動画編集のようにタイムライン上の波形を何度も往復しながら失敗テイクを手作業で切り落とす必要がなくなり、ワンクリックまたはプロンプト指示ひとつで最も完成度の高い「最後のテイク」だけを残し、粗編集（ラフカット）にかかる作業時間を数時間から数十秒へと大幅に短縮します。
粗編集のボトルネック：なぜ言い直し処理に時間がかかるのか
YouTube動画、専門家インタビュー、オンライン講座、プロダクトデモなど、カメラの前で話すコンテンツにおいて、最初から最後まで一度も噛まずに完璧に話し切れる話し手はほとんどいません。途中で言葉に詰まったり、言い回しを変えたり、納得がいくトーンになるまで同じ文を何度も撮り直すのは日常的な光景です。45分の口述素材であれば、30回から50回以上の撮り直しが含まれていることも珍しくありません。
Adobe Premiere Pro、Apple Final Cut Pro、DaVinci Resolveなどの従来のタイムライン型ノンリニア編集ソフト（NLE）では、これらのリテイク処理が編集者の作業時間を大きく圧迫していました。
- タイムライン上の反復試聴：編集者は素材を1.5倍速などで再生しながら、どこでミスが発生し、どこから言い直しているのかを耳で聞き分ける必要があります。
- レーザーカットとリップル削除の繰り返し：数十箇所に及ぶ失敗箇所を探し出し、素材を切り込み、不要なクリップを選択して前詰め削除（リップル削除）する機械的作業が延々と続きます。
- 波形目視の不確実性：無音区間や息継ぎを波形だけで判断しようとすると、必要な言葉の語頭を誤って切断したり、不自然な間や呼吸音が残るリスクが常に伴います。
この初期の粗編集作業だけでポストプロダクション全体の作業時間の半分以上が費やされ、テンポ調整や演出、ストーリーテリングといった創造的な工程に十分な時間を割けない原因となっていました。
Underlordがリテイクを検出・カットする技術的仕組み
Descriptは動画編集の基盤をタイムラインの波形からテキストへとシフトさせました。DescriptのAI協調編集エンジンであるUnderlordは、音声信号を直接解析するのではなく、自然言語の文脈と構文パターンから言い直しを検知します。
1. 単語レベルのタイムコード同期
Descriptに動画や音声をインポートすると、高精度な音声認識エンジンがテキストを生成し、すべての単語がミリ秒単位で対応する動画フレームと完全に紐づけられます。文字起こしテキストの編集操作が、そのまま基底の動画フレームの編集操作として反映されます。
2. 構文と意味の反復パターン解析
「Remove Retakes」を実行すると、Underlordはテキストを順次走査し、話し言葉特有の言い直しパターンを識別します。
- 文頭からの即時やり直し：文の途中まで話した段階で言い淀み、直後に同一の文頭から言い直すパターン。
- 節単位の修正：発音ミスや言い間違いに気づき、3〜4単語ほど遡って言い直すパターン。
- 段落単位の反復テイク：より良いトーンやスピードを求め、段落全体を2回、3回と続けて話し直すパターン。
3. 「最後の完全なテイクを保持する」決定モデル
人間が話して録音する際、言い間違えたまま録音を終えることは通常ありません。納得のいくテイクが出るまで反復し、成功した時点で次の話題へ進むのが自然な心理です。Underlordはこの行動原理に基づき、連続する反復発話の中で前方の未完了テイクや失敗テイクを「破棄対象の下書き」とみなし、最後に行われた完全で自然な発話を優先的に採用します。
4. 非破壊の「無視（Ignore）」構造
一般的な編集ソフトでクリップを削除するとタイムラインから消去されますが、Descriptでは独自の「Ignore（無視）」機能を適用します。
- カットされた失敗テイクは、文字起こし画面上で取り消し線として表示されます。
- プレビュー再生時および最終書き出し時には、取り消し線が引かれた区間の動画・音声が自動的にスキップされます。
- 素材データは一切失われない：前のテイクの方がニュアンスが良かったと判断した場合は、取り消し線のテキストを選択して「Restore」をクリックするだけで、いつでも瞬時に元の映像を復元できます。
操作手順：Underlordでリテイクをカットする2つのワークフロー
Descriptでは、専用のAIツールメニューからワンクリックで実行する方法と、Underlordチャットから複合指示を与える方法が用意されています。
方法1：ワンクリックAIツールで実行
- 素材のインポートと文字起こし：動画または音声を新規プロジェクトに取り込み、自動文字起こしを完了させます。
- AIアクションパネルを開く：上部のアクションバーまたはAIツールトレイを選択します。
- 「Remove Retakes」を実行：ツール一覧（Sound Goodグループ）から Remove Retakes を選択します。Underlordが文稿全体をスキャンし、直前の失敗テイクに取り消し線を引きます。
- テキスト上で仕上がりを確認：文字起こしをスクロールしながら確認し、意図的な強調表現などが誤って消されていないかをチェックします。
方法2：Underlordサイドバーによる対話型指示
Underlordは自律型エージェントとして機能するため、リテイク削除と前後の整音作業をひとつのプロンプトでまとめて実行できます。
「まず Remove Retakes を実行して原則として最後のテイクを残して。続けて不要なつなぎ言葉（フィラーワード）を削除し、1.2秒以上の不自然な無音を短縮した上で、全体に60%のStudio Soundを適用して。」
Underlordは指示を実行する前にプロジェクトの復元ポイント（Checkpoint）を自動生成し、指示の優先順位に沿って処理を進めます。失敗テイクをあらかじめ除外してから整音を行うため、無駄な処理時間を発生させずに自然な粗編集が完成します。
比較表：従来の手動粗編集 vs Descript Underlord AI
| 編集の観点 | 従来の波形型NLE（手作業） | Descript Underlord AI |
|---|---|---|
| 主たる操作画面 | 音声波形と動画タイムライン | 単語単位で同期された文字起こしテキスト |
| ミスの検出手段 | 耳での反復リスニングと波形の間隔目視 | 自然言語処理による構文・意味の重複検知 |
| 処理速度 | 素材1時間あたり60〜120分 | 素材1時間あたり30〜60秒 |
| テイクの選定 | 編集者が記憶を頼りに手動比較 | 最後の完全なテイクをアルゴリズムが自動優先 |
| 編集の可逆性 | アンドゥ履歴や元素材からの再配置が必要 | テキスト上で取り消し線を外すだけの即時復元 |
| 一括処理連携 | 無音カット・ノイズ除去などを個別に手動実施 | プロンプトでリテイク・フィラー・整音を一括実行 |
実践における注意点と品質向上のポイント
Underlordによって粗編集は大幅に効率化されますが、最終的な動画クオリティを高めるためには以下の点に留意する必要があります。
- ジャンプカットの処理：同一アングル（固定カメラ）で前のテイクを切除すると、被写体の姿勢や顔の向きが突然変化するジャンプカットが発生します。切断点で映像を105〜110%程度スケールアップして画角を切り替えるか、Bロール（インサート映像）を重ねる、あるいはマルチカメラのアングル切り替えで不連続感を解消するのが定石です。
- 意図的な反復発話の確認：話し手が感情を込めて「絶対に、絶対に諦めない」などと同じ言葉を意図的に繰り返している場合、AIが前方の発話をミスと誤認することがあります。処理完了後に取り消し線部分をざっと目視確認し、必要な箇所は復元（Restore）してください。
- AIクレジットの確認：Underlordの利用にはプランに応じた月間AIクレジットが消費されます（Hobbyistプランで月400クレジット、Creatorプランで月800クレジット、Freeプランで1回限りの試用枠など）。長時間の素材を処理する際は残量を確認しておきましょう。
- 処理順序の最適化：Remove Retakes（言い直し削除）は、Remove Filler Words（フィラー削除）や Edit for Clarity（冗長表現カット）よりも前に実行してください。破棄されるべき文を先に落としておくことで、残すテイクの音声処理精度が格段に向上します。