Descript は、録音されたメディアをテキスト文書のように扱うことでポッドキャストや動画のポストプロダクションに変革をもたらし、クリエイターが自動文字起こしテキストを編集するだけで音声と映像を直接編集できるようにします。複雑な波形をスクラブ再生し、マルチトラックタイムライン上でクリップを細かくレーザーカットする代わりに、不要な文をハイライトして削除したり、カット＆ペーストで会話セクションの順序を入れ替えたり、自動化されたAIツールを活用してフィラーワードや無音部分を数秒で除去したりできます。本ガイドでは、録音のインポートと文字起こし、"um" や "uh" といったフィラーワードの自動検出スキャン、ワードギャップ短縮によるテンポの引き締め、テキスト修正とメディアカットの区別、そして洗練されたラフカットや完成品の書き出し手順を詳しく解説します。
Descript におけるテキストベースのメディア編集を理解する
従来のデジタル・オーディオ・ワークステーション（DAW）やノンリニア動画編集ソフト（NLE）では、編集者が波形と再生ヘッドの位置から視覚的に言葉を特定する必要がありました。Descript は、ソース録音内で話されたすべての単語を背後にあるオーディオおよびビデオクリップと完全に同期させることで、テキスト処理と映像音声編集の橋渡しを行います。
音声または動画ファイルを Descript にインポートすると、プラットフォームは自動的に音声を文字起こしし、話者を識別した上で、文字起こしされたすべてのトークンをタイムライン上の正確なタイムスタンプに直接マッピングします。それ以降、テキストを操作するだけでメディアタイムラインが即座に変更されます：
- テキストの削除によるメディアのカット：単語、文、または段落全体をハイライトして
DeleteまたはBackspaceを押すと、対応するオーディオとビデオのタイムラインがカットされ、該当セグメントが削除されてギャップが自動的に詰まります。 - テキストの並べ替えによるメディアの並べ替え：文や段落をカットしてスクリプト内の別の場所にペーストすると、対応するメディアクリップがタイムライン上の新しい位置へと物理的に移動し、完璧な音声・映像同期が維持されます。
- テキスト編集とテキスト修正の違い：Descript では、実際のメディアを編集することと、文字起こしの誤りを修正することを明確に区別しています。デフォルトの編集モードでは、単語を変更または削除すると録音素材がカットされます。基になる音声を変更せずに名前のスペルミス、句読点、または文法のみを直したい場合は、Correct モードに入ります（
Cキーを押すか、選択メニューから Correct を選択）。 - テキストの無視（非破壊的な取り消し線）：セグメントを完全に削除すべきか確信が持てない場合は、テキストをハイライトして Ignore を適用します（Windows では
Ctrl+Backspace、macOS ではCmd+Backspace）。これによりスクリプト内のテキストに取り消し線が引かれ、再生および書き出し時に該当部分がミュートまたはスキップされます。テキストと音声はそのまま保持されるため、後から簡単に復元できます。
AI自動検出によるフィラーワードの削除
ポッドキャストや対談動画の編集において最も時間を要する作業の一つが、録音素材をスクラブ再生しながら "um"、"uh"、"you know"、"like" などの言い淀みや重複した言葉を削除することです。Descript には、プロジェクト全体からこれらの発話を自動検出する専用のフィラーワード削除ツールが用意されています。
フィラーワード削除の起動と設定
プロジェクト全体で自動スキャンを実行するには：
- Descript テキストベース動画エディタでプロジェクトを開きます。
- 上部アクションバーまたは右側サイドバーにある AI Tools パネルを開きます。
- Remove filler words を選択します。Descript が文字起こしテキストを解析し、単語タイプごとに分類された検出フィラーワードのリストを表示します。
- 検出されたリストを確認します。「um/uh」、「like」、「you know」、「well」などの特定カテゴリを展開して、個々の出現箇所と録音内でのコンテキストを確認できます。
適切な削除アクションの選択
検出されたフィラーワードごと、またはすべての箇所に対して一括で、Descript では4つの異なるアクションを選択できます：
| アクション | オーディオ／ビデオへの影響 | 文字起こしテキストへの影響 | 最適なユースケース |
|---|---|---|---|
| Delete | オーディオ／ビデオクリップをカットし、タイムラインのギャップを詰める | テキストから該当単語を削除する | カット後も自然なリズムが保たれる標準的な言い淀み |
| Delete and replace with gap | 発話音声を削除し、無音のルームトーン（環境音）のギャップを残す | テキストから該当単語を削除する | BGM入りのポッドキャストやインタビューなど、テンポの維持が重要な場合 |
| Ignore | 再生時および書き出し時に該当音声をスキップする | テキスト内の該当単語に取り消し線を引く | 省略された箇所をレビュー担当者が確認する必要がある共同編集 |
| Remove from transcript | オーディオとビデオには一切変更を加えない | 文字起こしテキストからのみ単語を削除する | 本来の会話の一部であるがフィラーとして誤判定された単語 |
「Avoid Harsh Cuts」機能の活用
フィラーワードを強引にカットすると、隣接する単語の語尾が欠けたり、息を吸う音が不自然に途切れたりして、耳障りなつなぎ目が生じることがあります。Descript はフィラーワードツール内に Avoid harsh cuts（不自然なカットを回避）トグルを備えています。これを有効にすると、アルゴリズムが周囲のオーディオ波形とスペクトル特性を分析します。特定の箇所を削除することで隣接する子音が欠けたり音響ノイズが発生したりする場合は、Descript がそのカットを自動的にスキップするか、前後のパディングを調整して自然な声の流れを維持します。
ワードギャップ短縮によるテンポの引き締め
会話の録音には、無音時間、気まずい沈黙、あるいは話し手が考えをまとめる際の間延びした pause が頻繁に含まれます。従来のタイムラインで何十箇所もの無音を手動でトリミングするには膨大な時間がかかります。Descript は Shorten word gaps 機能によってこの課題を解決します。
ギャップのしきい値設定
- AI Tools パネルを開き、Shorten word gaps を選択します。
- ギャップ時間の設定（Define the Gap Duration）：Descript が無音としてフラグを立てる最小の pause 長さを設定します。たとえばしきい値を「1.5秒以上」に設定すると明確な長い沈黙のみが検出され、「0.8秒以上」に設定するとより引き締まった会話のテンポをターゲットにできます。
- 目標時間の設定（Set the Target Duration）：検出された pause をどの長さまで短縮するか（例: 300ミリ秒または500ミリ秒）を指定します。これにより、文と文の間の自然な息継ぎスペースを失うことなく無駄な間を詰められます。
- 実行モードの選択：
- 個別に確認（Review One by One）：個々のギャップ箇所を順にクリックし、短縮前後の音声をプレビューします。沈黙の長さが感情的な重みを持つ繊細なインタビューやドラマチックな語りに適しています。
- すべて短縮（Shorten All）：Shorten all をクリックしてコンポジション全体に一括適用し、1回の操作で何百秒もの無音を即座に削減します。
編集の微調整とオーディオ品質の向上
テキストベースの編集でラフカットの大半は完了しますが、プロフェッショナルなポッドキャストや動画を公開するには、トランジションの微調整や音質のブラッシュアップが必要です。
Wordbar によるタイムラインの微調整
テキストエディタの下部に、Descript は同期したタイムラインビューを表示します。フレーム単位で正確にカットを制御したい場合：
- Wordbar の境界線（Wordbar Boundaries）：Wordbar 内の個々の単語にカーソルを合わせるとドラッグ可能なハンドルが表示され、単語の境界を前後に伸ばして語頭の子音や語尾の母音が途切れないように調整できます。
- レンジツール（Range Tool、ショートカット
R）：レンジツールを選択してマイクの接触音、咳払い、大きな吸気音などの非言語音をハイライトし、Deleteを押すか波形上で直接ボリュームオートメーションを調整します。 - クロスフェード（Crossfades）：Descript はオーディオのカットポイントにマイクロクロスフェードを自動適用し、デジタルクリックノイズやポップノイズを解消します。編集点に違和感がある場合は、クリップインスペクターでクロスフェードの長さを直接調整できます。
Studio Sound による音声の強化
フィラーワードや不自然な pause を除去したら、Descript の Studio Sound 機能を使用してオーディオの忠実度を高めることができます。Studio Sound は AI ニューラルネットワークを使用して話し手の声を分離し、背景のハムノイズ、エアコンの騒音、部屋の反響音を除去した上で、スタジオ級のイコライゼーションとダイナミックレベリングを適用します。
Studio Sound の適用手順：
- キャンバスまたはタイムライン上でオーディオまたはビデオトラックを選択します。
- 右側のプロパティパネルで Audio Effects セクションを見つけます。
- Studio Sound をオンに切り替えます。
- 強度スライダー（通常は 50% から 80% の間）を調整し、明瞭な声のクリアさと自然な部屋の存在感のバランスをとります。
書き出しとパイプライン統合
テキストベースの編集が完了した後、Descript は直接の公開だけでなく、外部のポストプロダクションツールへのスムーズな引き継ぎもサポートしています。
- 直接書き出し：完成した動画ファイルを MP4 形式で、またはオーディオトラックを MP3、WAV、AAC 形式で、埋め込みチャプターマーカーやメタデータとともに書き出せます。
- 文字起こしテキストと字幕の書き出し：最終的な編集カットと一致するアクセシブルな字幕ファイル（.srt、.vtt）やプレーンテキストの文字起こしデータ（.txt、.docx）を生成できます。
- NLE および DAW 向けタイムライン書き出し：高度なカラーグレーディング、視覚効果、マルチトラックオーディオマスタリングが必要な場合は、プロジェクトを XML、EDL、または FCPXML ファイルとして Adobe Premiere Pro、Apple Final Cut Pro、DaVinci Resolve に書き出すことができます。書き出しデータにはカット情報、メディアリンク、マーカーが保持されるため、映像編集者や音響エンジニアはゼロからやり直すことなく作業を続行できます。