视频剪辑软件做YouTube用CapCut还是Descript：按口播画面分工选

做YouTube长视频，口播为主（访谈、教程、播客录像）选Descript，画面为主（Vlog、产品演示、卡点混剪）选CapCut。两个都有免费版能起步：CapCut免费版含免费模板和基础编辑工具，Descript免费版每月1 media hour、导出720p带水印。

对出海做内容的人来说，这件事影响的是每周能出几条片。选错了，两小时的访谈要拖一整天时间线；选对了，删文字就把片子剪完。猎者出海在常用工具里放了其他工具的用法，这篇只讲CapCut和Descript按内容形态怎么分。剪辑技术在国外平台能赚钱，路径写在剪辑视频技术在国外平台赚钱里。中国大陆能不能直接使用这两个工具，以官方为准。

• 两者官方定位不同：CapCut是AI驱动的照片视频编辑器，Descript是「编辑文字就是编辑视频」。
• YouTube官方推荐上传MP4、H.264视频编码、音频48kHz。
• CapCut Pro月付USD19.99、年付USD179.99；Descript Hobbyist年付价$16/月。
• 音频文件不能直接上传成YouTube视频，必须先用剪辑软件转成视频。

这篇按「你的素材是不是人脸说话为主」把两个工具分清楚，再把价格额度、导出规格、出错排查和AI能接手的步骤写完。

CapCut和Descript到底是什么：一个管画面，一个管文字

CapCut和Descript都是剪辑软件，官方给自己的定位不是一回事。一个从画面和模板进，一个从文字稿进。

CapCut官方定位：AI驱动的照片和视频编辑器

CapCut把自己写成面向所有人的AI驱动照片和视频编辑器。它列的功能有AI视频生成、AI图像生成、智能剪辑、文本转语音、背景移除、自动字幕。文本转语音支持40种以上语言。它还列了7亿月活、600万模板创作者、30种语言、4.7 App Store评分。

这些数字说明它的用户量大、模板多。功能方向上，CapCut把生成画面、套模板、自动加字幕放在台面上，主场是画面和节奏。你拿它剪卡点混剪、产品演示、Vlog，是顺着它的设计走。

Descript官方定位：编辑文字就是编辑视频

Descript的定位是AI视频和音频编辑器，靠编辑文字来编辑视频。它解释了原理：AI转录你的录音，删一个词就删掉那段视频，移动一句话画面跟着移动。它也说在Mac、Windows和网页版都能用。做YouTube视频这件事，它写明了可以录制、编辑并发布到YouTube，连metadata一起处理。

两者跟Premiere Pro这类时间线编辑器的区别

Descript专门讲了它跟时间线编辑器的区别：它把AI自动化和简洁性放在一起，不用剪辑经验，编辑文字、用AI生成脚本和画面就能出片。Premiere Pro这类软件靠时间线拖素材，你得先会看轨道、会切点。CapCut也有时间线，但它把时间线放在AI和模板之后，主打的是快速生成和套模板。

如果你以前只用过时间线软件，第一次打开Descript会觉得它像在改Word文档。这个感觉是对的，它就是照这个思路做的。CapCut的AI剪辑功能放在CapCut AI剪辑里。

为什么做YouTube要按「口播为主还是画面为主」二选一

两个工具都能剪片，但剪辑时花时间的地方不一样。口播为主的视频，时间花在听录音、删废话、修声音；画面为主的视频，时间花在找素材、拼节奏、加字幕。选工具前先看你的素材是哪一种。

口播为主的视频，成本卡在转录、删废话、降噪

访谈、教程、播客录像，一条两小时，里面总有些「嗯」「啊」「就是说」和说错的句子。用时间线软件剪，你得一遍遍听，听到废话就切一刀，两小时素材切完可能花掉一整天。

Descript的Remove Filler Words一键检测并删除um、uh这类填充词。Studio Sound用生成式AI去背景噪音、回声和嘶声，把人声提清楚。Regenerate可以在你说错的地方输入正确词句，AI克隆你的声音、匹配唇动、替换音频。这三件事正好对应口播剪辑最耗时的三步。

画面为主的视频，成本卡在素材拼接、字幕、模板

Vlog、产品演示、卡点混剪，素材可能是几十段手机视频或录屏，得挑、得排、得配上字幕和音乐。CapCut的Auto Captions自动生成字幕，Auto Reframe自动调整画幅，模板库里有600万模板创作者做的现成模板。你选一个模板，把素材填进去，节奏和转场就跟着模板走。

选错的代价

拿CapCut剪两小时访谈，删口误全靠拖时间线，一个「嗯」切一刀，切完还要对一遍画面有没有跳。拿Descript剪卡点混剪，它的时间线不是主场，你想要的逐帧对齐、踩点转场，操作起来不如CapCut顺。

这不是哪个软件更好的问题。你的素材长什么样，就用哪个工具的主场功能。

怎么做：按口播占比选主力，再走两条工作流

第一步：数你最近5条视频里「人脸说话」占多少分钟

1. 打开素材，在时间轴上标出有人脸说话的时间段。
2. 把有人脸说话的时间加起来，算占总时长的比例。
3. 口播占比过半走Descript线，不到一半走CapCut线。
4. 如果一半一半，主力选Descript，切片用CapCut。Descript负责长片的口播主体，CapCut负责从长片里切出来的短视频。

第二步：口播线走Descript五步工作流

Descript把工作流分成五步：Record、Edit、Refine、Share、Multiply。

1. Record：录或导入素材。
2. Edit：打开转录稿逐段删改，删词后画面同步更新。
3. Refine：用Remove Filler Words清填充词、Studio Sound降噪。
4. Share：发链接让团队在视频上留带时间戳的评论，不用导出。
5. Multiply：从长视频里切出短视频。

动作：导入后打开转录稿逐段删改，确认删词后画面同步更新。分享时发链接让团队留评论，不用一版一版导文件传。出问题怎么回查：如果删词后画面没动，检查是不是在转录稿里改的，不是直接在时间线上拖的。

Descript的转录和编辑细节放在AI音频转文字里。

第三步：画面线走CapCut生成与导出

1. 输入你的想法，AI Writer生成几个脚本。
2. 选一个脚本改到满意。
3. 点Smart Generation，生成带字幕、配音和音乐的初稿。
4. 点右上角Export，手动填分辨率、格式、帧率三项，再点Export保存。

出问题怎么回查：对照下面第4节的YouTube规格表，格式不对就重导。分辨率、帧率跟原素材对不上，画面会糊或卡。

补充一步：音频剪辑和在线剪辑怎么补

纯音频素材不能直接传YouTube。YouTube官方明确MP3、WAV、PCM这类音频文件不能上传创建视频，只能用视频编辑软件把音频转成视频。所以播客录像要先在Descript或CapCut里配一张静态图或波形图，导出成视频再上传。

在线剪辑的需求：CapCut网页版有AI video maker，选Instant AI video，输入脚本选风格，设置画幅、配音、时长，点Create生成后编辑导出。Descript也有网页版。两个都不需要装软件就能开工，适合临时改一版或团队在不同电脑上协作。

价格、额度与YouTube导出规格：做这件事要盯的数

两个工具的价格和额度

CapCut和Descript都有免费档，付费档按月或按年。下面把这些数字列清楚。

表里能看出一件事：CapCut按AI credits和存储算，Descript按media hours算。你剪口播长片，media hours消耗快；你剪画面短片，AI credits消耗快。选档位前先估自己每月用哪头多。

YouTube官方推荐的导出参数

这张表是YouTube官方给的参考值。在CapCut导出时，点右上角Export，手动填分辨率、格式、帧率三项，格式选MP4。

CapCut Pro年付USD179.99，折下来约USD15/月，比月付USD19.99每月省约USD4.99。Descript Hobbyist年付$16/月，月付$24/月，一年下来省$96。

工具花多少钱，要跟你靠剪辑赚多少钱一起看。如果你做视频剪辑接单，海外视频剪辑变现是另一条线。

常见误区和排查：导出报错、字幕不显示、设置不生效

上传报invalid file format

报这个错，说明你的文件格式不在YouTube的支持清单里。清单包括.MOV、.MPEG-1、.MPEG-2、.MPEG4、.MP4、.MPG、.AVI、.WMV、.MPEGPS、.FLV、3GPP、WebM、DNxHR、ProRes、CineForm、HEVC (H.265)。动作：对照清单看你的导出格式，不在清单里就回剪辑软件重导成MP4。

字幕传上去不显示

先查字幕轨道状态。状态有failed、serving、syncing。如果是failed，看失败原因：processingFailed是处理失败，unknownFormat是不认识格式，unsupportedFormat是不支持格式。

再看是不是草稿状态。isDraft为true时字幕轨道不公开可见，默认是false。

文件格式也有讲究。SRT和SBV只支持基础版本，不识别样式标记，文件必须是纯UTF-8。首选.scc格式。动作：上传前把字幕存成纯UTF-8，去掉样式标记；上传后看状态是不是serving。

在YouTube Studio设了默认上传设置却不生效

默认上传设置只影响通过浏览器在youtube.com/upload上传的视频。手机上传或视频编辑器上传不遵守默认设置。动作：要沿用默认设置，就在电脑浏览器打开youtube.com/upload上传。用手机或剪辑软件内置的上传通道，每次手动填。

把MP3直接拖进YouTube

音频文件不能上传创建YouTube视频。MP3、WAV、PCM都不行，只能用视频编辑软件把音频转成视频。音频文件只能作为视频的额外语言上传。动作：纯音频素材先在Descript或CapCut里配一张图，导出成视频再传。

如果是录屏素材，录屏软件推荐是另一篇。

AI在这件事里能帮哪几步，哪三步必须你自己动手

AI能接的四步

第一步，Descript自动转录口播素材，把音频变成可编辑文字。第二步，Remove Filler Words和Studio Sound一键清填充词、降噪增强人声。第三步，CapCut的Auto Captions生成字幕并调样式，或者用AI Video Generator从脚本生成画面。第四步，Descript的Create Clips从长视频里挑高光片段做短视频。

这四步能省掉大量听录音、打字幕、找切片的时间。但它们只负责出初稿，不负责判断留不留。

必须你自己动手的三件事

第一，在Descript里导入素材后，打开转录稿逐段删改，确认删词后画面同步更新。删哪些词、哪句留，得你自己定。

第二，在CapCut导出前，点右上角Export，手动填分辨率、格式、帧率三项。这三项填错，前面的活白干。推荐值在第4节的表里，导出前看一眼。这些条款散在几个帮助页里，猎者出海的AI Agent能帮你整理资料、对照原文，省掉逐页翻的时间。

第三，在YouTube Studio的Settings > Upload defaults里填默认隐私、分类、标题、标签、语言，点Save。填完再决定这条视频是不是沿用默认设置。

三条可以直接照抄的提示词

下面三条是本文给的示例，不是官方模板。

第一条：「把这段20分钟口播的转录稿里所有um、uh、like和重复词标出来，按出现时间顺序列成清单，我逐条决定删不删。」

第二条：「根据这份口播转录稿，列出5个适合做短视频切片的时间段，每段给起止时间码和一句标题。」

第三条：「把这份中文字幕稿翻译成英文，保留时间码，语气口语化，不要改原意。」

常见问题

CapCut和Descript哪个更适合新手？

看你剪什么。口播为主选Descript，画面为主选CapCut。两个都有免费版，先拿免费版走一遍流程再决定要不要付费。

Descript免费版够用吗？

看时长。免费版每月1 media hour，导出720p带水印。一条两小时的访谈就超了。只做短视频切片、每月素材不到一小时，免费版够试。

CapCut Pro一个月多少钱，值不值得开？

月付USD19.99，年付USD179.99，折下来约USD15/月。你需要每月1200 AI credits和1TB存储，再考虑开。

只用Descript能剪出画面为主的视频吗？

能剪，但不顺。Descript的时间线不是主场，卡点混剪、逐帧对齐这些操作不如CapCut。画面为主的内容还是用CapCut。

在线剪辑能不能替代装软件？

做短平快的项目可以。CapCut网页版有AI video maker，Descript也有网页版。长项目、大素材、复杂时间线还是装桌面端稳。

剪好的视频导出什么格式上传YouTube最稳？

按官方推荐走MP4容器、H.264视频编码、AAC-LC或Opus音频、48kHz采样率。CapCut导出时格式选MP4，选完对照第4节的表检查分辨率和码率。

相关文章：CapCut模板赚钱。

做视频剪辑接单的话，YouTube视频剪辑接单是另一个方向。

选工具这件事，说到底看你的素材长什么样。人脸说话多，Descript省掉听录音的时间；画面素材多，CapCut省掉拼节奏的时间。两个都免费能起步，先各拿一条片子试一遍，比看十篇对比有用。

视频发出去以后，标题、描述、字幕稿这些文字活还得有人做。猎者出海的AI Agent在写文章那头能接选题、成稿和本地化，把配套的文字一起出掉。