Descript o CapCut: voz larga frente a montaje visual

Si el trabajo principal consiste en recortar y ordenar una conversación, Descript suele encajar mejor: la transcripción permite editar el contenido hablado como texto. Para un vídeo vertical cuyo resultado depende del orden de las tomas, la música y el ritmo de los cortes, CapCut ofrece un flujo visual más natural. La comparativa de ShotFlick distingue precisamente entre las entrevistas y los pódcast centrados en la voz y las piezas breves montadas en una línea de tiempo.

Eso no convierte la transcripción en una función exclusiva de Descript. Ambos editores pueden intervenir en un proyecto con voz y vídeo; la elección depende de dónde se acumula el trabajo: seleccionar lo dicho en una grabación larga o ajustar lo que ocurre en cada plano. También importa cuánto material se importa, qué funciones de IA se usarán y cuánta revisión exigirá la entrega.

Una entrevista de 45 minutos: la cuota se consume antes del montaje

Una entrevista larga grabada para pódcast aporta el contenido hablado que después puede recortarse desde la transcripción.

Imaginemos una entrevista de 45 minutos grabada en un solo archivo. Para convertirla en un episodio, primero hay que localizar respuestas, eliminar desvíos y decidir qué contexto necesita cada idea. En Descript, esos cortes pueden hacerse sobre la transcripción vinculada al audio y al vídeo. Leer ayuda a encontrar un pasaje concreto; escuchar el resultado sigue siendo necesario para detectar una unión brusca, una respiración cortada o una respuesta que ha perdido sentido.

La tabla de planes de Descript asigna a Free 60 minutos de medios al mes, 100 créditos de IA de una sola vez y exportación local a 720p; Hobbyist incluye 10 horas y 400 créditos mensuales, con exportación a 1080p, por 24 USD al mes o 16 USD mensuales con facturación anual; Creator incluye 30 horas y 800 créditos mensuales, con exportación a 4K, por 35 USD al mes o 24 USD mensuales con facturación anual. En el ejemplo, importar una sola entrevista de 45 minutos gastaría tres cuartas partes de la cuota mensual gratuita y dejaría 15 minutos para otros medios. Si hay una segunda cámara o archivos adicionales, el volumen de entrada deja de coincidir con la duración del episodio terminado.

Las horas de medios contabilizan archivos subidos o grabados en Descript aunque no se transcriban. Los créditos de IA miden otro consumo, asociado a herramientas como Studio Sound o Underlord; no amplían por sí mismos el tiempo disponible para importar grabaciones. Por eso, una producción semanal debe calcularse con la duración del material bruto que entra en el editor, mientras que la necesidad de limpiar audio o generar recursos se evalúa aparte. El recorte por texto ahorra búsqueda dentro de la conversación, pero no decide qué frase debe conservarse.

Un vídeo vertical: cada plano y cada subtítulo cuentan

La grabación de un tutorial vertical reúne tomas breves que después requieren ajustes de plano, ritmo y subtítulos en CapCut.

Supongamos ahora un tutorial breve hecho con varias tomas de una demostración, locución y música. La dificultad principal está en escoger el momento de cada corte, mantener visible la acción y hacer que imagen y sonido avancen juntos. La línea de tiempo de CapCut permite tratar esas decisiones como parte del montaje: mover clips, ajustar su duración y trabajar con capas, efectos o plantillas. Aunque la locución pueda transcribirse, leerla no indica por sí solo cuándo debe aparecer un detalle visual.

Los subtítulos automáticos reducen la tarea de escribir desde cero, pero su revisión ocupa una fase propia. La guía de CapCut sobre subtítulos señala que el ruido de fondo, los acentos y el habla rápida pueden causar errores, y explica cómo corregir texto y dividir segmentos. En un vídeo vertical hay que comprobar además que cada bloque coincide con la voz, se puede leer a tiempo y no tapa la demostración. Una plantilla puede dar forma a la pieza; no sustituye esas decisiones de contenido y legibilidad.

El tiempo de aprendizaje también se desplaza. Para quien piensa en tomas y movimiento, CapCut concentra pronto la atención en cortes, capas y encuadre. En una entrevista extensa, ese mismo enfoque exige recorrer mucho más material para decidir qué ideas quedan. En Descript resulta más fácil empezar por el discurso, aunque producir una pieza visual elaborada después requiere aprender escenas, composición y ajustes de imagen.

CapCut también corta desde la transcripción

La diferencia entre ambos flujos tiene un límite concreto: CapCut también permite eliminar partes de un vídeo desde palabras de la transcripción. Su explicación del flujo de edición incluye la retirada de pausas, repeticiones y palabras seleccionadas, además de ajustes posteriores en la línea de tiempo. Esta función puede acelerar el primer corte de un clip hablado que terminará como vídeo social. Después siguen pendientes el ritmo, el encuadre, la posición de los subtítulos y la relación con las demás tomas.

Para un episodio completo, el centro de gravedad es distinto: hay que sostener una conversación coherente durante toda su duración y revisar cómo suenan las transiciones. Para un extracto vertical, una frase bien elegida aún puede necesitar otro inicio, un plano más cercano y un corte ajustado a la música. Si una entrevista se publica en ambos formatos, seleccionar primero el pasaje por contenido y montar después su versión breve reparte el trabajo según esas dos exigencias. El intercambio entre editores añade una exportación y una comprobación final, de modo que tiene más sentido cuando se producen habitualmente las dos entregas.

Precio, créditos y resolución miden cosas distintas

La grabación extensa de una entrevista y su versión vertical breve plantean límites distintos de material y exportación.

CapCut ofrece herramientas básicas y plantillas gratuitas, mientras que Pro incorpora recursos prémium y funciones de IA. Su página de precios muestra Pro a 19,99 USD al mes con 1200 créditos de IA mensuales, pero advierte que el precio final, los impuestos y las ofertas aparecen al iniciar sesión en cada cuenta. Para una persona en un mercado hispanohablante, el importe mostrado sirve como referencia, no como garantía del cargo que verá al contratar.

Los créditos de CapCut y Descript no representan una unidad común de trabajo: cada servicio los aplica a sus propias funciones. Tampoco conviene confundir la resolución de un vídeo generado por Seedance que aparece en el plan de CapCut con un límite general de exportación para cualquier montaje. En Descript, la resolución de exportación sí figura entre las capacidades diferenciadas por plan. Así, un presupuesto útil separa cuatro preguntas: cuánto cuesta la suscripción, cuánto material puede entrar, qué tareas consumirán IA y qué calidad exige el archivo final.

La elección depende de la entrega principal

Para un pódcast, una entrevista extensa o un tutorial dominado por explicaciones, Descript ofrece una ruta clara desde la transcripción hasta el corte final; la cuota de medios puede ser el primer límite cuando se acumulan grabaciones. Para vídeos verticales construidos con tomas breves, música, cambios de plano y subtítulos visibles, CapCut suele ser el editor principal más adecuado. Quien entrega tanto el episodio como sus extractos puede usar ambos, siempre que el trabajo de adaptar cada clip justifique la revisión y el traslado entre proyectos.