Descript 的 Underlord AI 透過將影音素材自動轉換為文字逐字稿，利用語意和句型架構分析精準識別口播過程中連續出現的口誤中斷與重複嘗試（retakes），並在保留最後一次最佳表現的同時，以非破壞性方式一鍵剔除廢鏡頭。剪輯師不再需要在傳統時間軸上逐秒拖曳音訊波形、手動比對多遍錄音，即可在數秒內完成全片的重讀清理，將原本耗時數小時的粗剪初篩流程大幅壓縮至瞬時完成。
粗剪瓶頸：重讀與口誤為何消耗大量剪輯時間
無論是錄製出鏡說明、訪談播客、線上課程還是各類口播影片，即便發言者準備再充分，也很難在鏡頭前做到一次完成。創作者經常會在同一句話中產生卡頓、發音不順或臨時調整用詞，隨即停頓並從頭再來一次。一段 45 分鐘的原始錄製素材中，往往包含了數十次大小不一的重新嘗試。
在 Adobe Premiere Pro、Apple Final Cut Pro 或 DaVinci Resolve 等傳統非線性剪輯軟體（NLE）中，清理這些重錄段落需要承擔高昂的操作成本：
- 反覆來回試聽：剪輯師通常需以 1.2 至 1.5 倍速反覆聆聽，人工比對相鄰幾次重讀中哪一次語氣最自然、咬字最清晰。
- 繁複的切片與連動刪除：手動標記錯誤語句的起點與終點，頻繁使用剪切工具斷開片段，選取廢棄部分執行連動刪除（Ripple Delete），此動作在一部長影片中往往需重複上百次。
- 波形目測猜測盲區：剪輯師依賴音量波形的高低與間歇判斷語句停頓，容易誤切關鍵用詞，或遺留突兀的吸氣聲與雜音。
這段枯燥的粗剪階段（Rough Cut）往往佔據整體後製時長的 50% 以上，嚴重消耗創作者在故事架構、剪輯節奏與視覺美化上的核心精力。
Underlord 偵測並剔除重錄段落的核心架構
Descript 打破了傳統時間軸的剪輯思維，將影音編輯與逐字稿文字緊密綁定。Underlord 作為 Descript 的 AI 協同剪輯引擎，直接從自然語言的維度解構口語錄音。
1. 字詞級時間戳記精確同步
素材匯入 Descript 後，語音轉文字模組會為每一個字詞建立與底層影像影格完全對齊的時間戳記。文字與影音時間軸保持完全同步，對文字段落的編輯即對應至底層影音訊號。
2. 語意與句型重複模式辨識
當下達清除重錄指令後，Underlord 會順序分析逐字稿內容，鎖定口播重錄的典型特徵：
- 句首即時重起：說出前半句後發覺不妥，停頓後直接從句首完整重說。
- 片語回溯修正：因個別詞彙口誤，倒退數個詞重新組織語句。
- 整段多輪嘗試：為追求更理想的表達語調，連續兩次或三次對同一段落進行整段重新詮釋。
3. 「保留最後一次完整發揮」決策邏輯
根據人類錄製語音的行為慣性，講者在發生口誤或感到不滿意時，通常會持續重說，直到取得滿意的版本才會推進至下一個主題。Underlord 採用此一基礎邏輯，預設將前置的中斷或不完整嘗試歸類為草稿鏡頭，自動將該語意單元中「最後一次完整流暢的錄製」判定為目標保留版本。
4. 非破壞性「忽略」（Ignore）機制
不同於傳統剪輯軟體直接自時間軸上永久刪除素材，Descript 使用其獨有的 Ignore（忽略） 屬性來處理裁切：
- 被裁切的失敗重錄在文字稿中會以刪除線樣式呈現。
- 在專案預覽播放與最終輸出導出時，被標記為忽略的影音區段會自動跳過。
- 原始素材毫髮無損：廢棄鏡頭未被物理抹除。若剪輯師後續認為前一次錄音的語感更具感染力，只需在逐字稿中選取帶有刪除線的文字，點選「還原」（Restore）即可立刻恢復鏡頭。
操作指南：透過 Underlord 裁切重錄的工作流程
使用者可以選擇透過直覺的 AI 工具選單操作，或在 Underlord 側邊欄中以自然語言進行多工對話調用。
方式一：一鍵式獨立工具操作
- 匯入素材並生成逐字稿：將原始影音檔案拖入 Descript 建立新專案，等待自動轉錄完成。
- 開啟 AI Actions 功能：點選頂端操作列或 AI 工具面板。
- 選擇「Remove Retakes」：在「Sound Good」（聲音優化）群組中點選 Remove Retakes。Underlord 將自動檢索全稿，將所有重複嘗試中的無效前項標記劃除。
- 快速校對與微調：順著逐字稿快速瀏覽刪除線文字，確認是否有屬於刻意安排的修辭重複；若有誤判，反白該字句並點選「Restore」即可取消忽略。
方式二：Underlord 側邊欄對話式複合指令
Underlord 能理解連續性工作情境，剪輯師可以直接在對話方塊中下達包含重錄剔除在內的整套粗剪工作流程：
「請先執行 Remove Retakes，多數情況下保留最後一次完整發揮；接著清除冗贅語助詞，將超過 1.2 秒的過長停頓縮短；最後為全片音訊開啟 60% 強度的 Studio Sound。」
Underlord 在執行前會建立專案還原點（Checkpoint），並依序執行操作：優先剔除整句廢鏡頭，確保後續的語助詞優化與降噪平衡僅針對最終保留的優質片段運算，大幅提升處理效率與成音自然度。
比較表：傳統人工粗剪 vs Descript Underlord AI
| 剪輯層面 | 傳統 NLE（人工波形比對） | Descript Underlord AI |
|---|---|---|
| 核心介面 | 音訊波形軌道與影像時間軸 | 與影格完全對齊的互動式逐字稿 |
| 辨識機制 | 人耳多倍速試聽；肉眼尋找波形間歇 | 自然語言演算法；語意模式比對 |
| 處理速度 | 60–120 分鐘 / 1 小時原始素材 | 30–60 秒 / 1 小時原始素材 |
| 版本抉擇 | 剪輯師耗費記憶手動標記與挑選 | 演算法自動優先保留最後一次完整發揮 |
| 可還原性 | 依賴 Undo 紀錄或重新由素材庫比對拖拉 | 逐字稿端一鍵取消「忽略」，無失真還原 |
| 流程串聯 | 需手動分段切除停頓、雜音與口誤 | 透過 Underlord 複合提示詞，一鍵完成粗剪鏈結 |
注意事項與進階剪輯技巧
導入 Underlord 雖然能極大程度解放粗剪人力，但在高品質專業輸出時仍建議留意下列環節：
- 處理畫面跳接（Jump Cut）：在單鏡位固定構圖的講述影片中，切除前半段重錄容易造成講者姿勢或視線產生突兀的跳躍。建議配合適度景別微調（例如在接點處局部放大畫面 10% 做跳切切換）、適時覆蓋輔助畫面（B-roll），或在多機位專案中切換視角以隱藏切口。
- 辨別修辭性刻意重複：若演講者為加強語氣刻意使用疊字或反覆句（例如「絕不、絕不向現實妥協」），AI 可能會誤將前句判定為重錄失敗。完成一鍵剔除後，建議花費 1–2 分鐘快速檢視被劃除的文字，確保重點修辭獲得保留。
- AI 點數額度管控：Underlord 運算依賴各方案內建的月度 AI 點數（例如 Hobbyist 方案每月 400 點、Creator 方案每月 800 點、免費方案提供一次性試用點數）。處理大量長篇影片時應妥善分配用量。
- 維持規範的粗剪順序：建議務必將 Remove Retakes 安排在 Remove Filler Words（贅字清理）及 Edit for Clarity（精簡語意）之前執行。先整句排除廢錄影，再精修有效發揮，方能確保切點音訊最為流暢自然。