免费开源的 Descript 替代品 Rescript：像改文字一样剪视频，浏览器打开就能用
featuredImage: https://cdn.lpflpf.cn/covers/free-2026-08-09.png
做口播视频、录播客的人，大概都有过这种体验：一段 30 分钟的访谈，中间说错了一句话、卡壳了三秒钟，就得在剪辑软件里对着时间轴一寸一寸地找、一刀一刀地切。剪完一条片子，半天没了。
过去两年，很多人靠 Descript 解决这个问题——把视频转成文字稿，删掉哪句话，对应的画面就跟着剪掉，剪辑变成了「删字」。但 Descript 要订阅，一个月 12 到 24 美元，一年下来够买一台入门级平板了。
今天要介绍的是它的开源替代品：Rescript。免费、无账号、全本地处理，浏览器打开就能用，桌面版本周也发布了。
Rescript 是什么
Rescript（GitHub: wassgha/rescript）是一个「转写式」视频/音频编辑器，项目上线两周多，GitHub 682 星，本周刚发布 v1.1 桌面版（Windows/macOS/Linux），更新很勤。
它的核心思路一句话：像编辑文本一样编辑视频。
工作流程是这样的：
- 拖入一个视频或音频文件，本地自动转写——逐词打上时间戳，还能按说话人分组；
- 在转写稿里选中不想要的词，按下删除键；
- 对应的视频片段就被裁掉了，预览时直接跳过；
- 导出成片。
转录用的 Whisper 模型（Hugging Face 的开源语音识别模型）跑在本地浏览器里，支持 WebGPU 加速，文件全程不出你的设备。没有账号、没有上传、没有订阅，断网都能用。
除了「删字」，它还能干什么
如果你以为它只是个「文字版剪刀」，就小看它了。几个高频场景：
一键去语气词。 「嗯」「那个」「呃」这类口头禅，人耳听不出来，机器一抓一个准。Rescript 可以一键把所有「um / uh」标记出来，全选删除，口播立刻干净一个档次。中文的「嗯」「啊」同理，Whisper 会转写出来，你手动圈选删掉就行。
一键去静音。 停顿、空白、冷场，超过 0.3 秒的静音自动识别，一键全剪。访谈类内容最实用——两个人对话里的沉默期，本来就是要剪掉的。
说话人分离。 转写稿自动按说话人分组，两个人的访谈一眼分清谁说了什么，剪的时候不会误删对方的话。
导入现成字幕。 如果你已经有 SRT、VTT 字幕文件，可以直接导入，跳过本地转写这一步——适合批量处理已经有字幕的素材。
导出灵活。 视频可以导出 MP4/WebM（720p 到 4K），音频可以导出 M4A/MP3/WAV，字幕可以导出 SRT/VTT/JSON。录屏、播客、口播、访谈，基本覆盖了轻量剪辑的全部出口。
时间轴也不是摆设：波形图、逐词拖拽修正时间、分割工具、按词边界精修，都有。不是那种「只能删字」的玩具。
技术上是怎么做到的
Rescript 能在浏览器里完成整套流程，靠的是三个开源组件的组合：
Whisper 负责转写。 它跑的是 Hugging Face 的 transformers.js 版 Whisper 模型（Base 和 Small 两个档位），在 Web Worker 里运行，优先用 WebGPU 加速，不支持时退回 WASM。转写是流式的——一边转一边出字，不用干等。每个词都带时间戳，这是「删字即剪片」能成立的基础。
pyannote 负责分人。 说话人分离用的是 pyannote-segmentation-3.0 的 ONNX 版本，同样跑在本地。两个人的访谈，转写稿自动分成 Speaker 1、Speaker 2，每一句标好归属。
ffmpeg.wasm 负责导出。 剪辑本质是「保留区间拼起来重新编码」，这个活儿由浏览器里的 ffmpeg 完成，支持 720p 到 4K 的 MP4/WebM 导出。因为所有操作都是无损定位 + 最终一次编码，所以不会像某些工具那样反复压缩导致画质劣化。
技术选型的直接好处是零成本、零部署、零隐私风险——作者（Wassim Gharbi）把整个服务端省掉了，连账号系统都没有。这也解释了为什么浏览器版要求 Chromium 内核：SharedArrayBuffer 和 WebGPU 这两个能力，Safari/Firefox 支持得还不完整。
隐私是它最大的卖点
先说个很多人会担心的点：所有处理都在本地完成。
转写用的是本地 Whisper 模型（可以在 Base 和 Small 两个精度档位之间选），导出用 ffmpeg.wasm 在浏览器里重新编码。你的视频不会上传到任何服务器——对访谈、课程、商业素材这类敏感内容，这一点很重要。
需要提醒两点：
- 浏览器版建议用 Chrome/Edge 等 Chromium 内核浏览器，需要 WebGPU 支持，转写速度才有保障；
- 它默认会上报匿名使用统计（用于统计功能使用情况），可以在设置里关掉——但要注意，这跟「上传你的视频」是两回事，素材本身始终在本地。
多少钱？跟 Descript 比怎么样
Rescript 完全免费。但注意它的授权协议：PolyForm Noncommercial License 1.0.0——个人和非商业用途免费、可自由使用修改，但商业使用（包括用它做收费服务）需要联系作者单独授权。早期版本是 MIT 协议的，那些版本仍保持 MIT。商用之前，先读一遍 License，别踩坑。
对比 Descript（月费 12–24 美元）：
- 价格：0 vs 12–24 美元/月；
- 隐私：全本地 vs 云端处理；
- 功能：Descript 有 AI 配音、多轨等更多高级功能；Rescript 聚焦转写式剪辑，功能更纯粹；
- 中文：Whisper 模型对中文转写质量不错，但 Descript 的中文体验经过更多打磨。
一句话：轻中度剪辑用户，Rescript 足够；重度专业用户，再评估。
常见问题
中文支持怎么样？ 转写用的是 Whisper 模型，对中文的识别质量在开源方案里属于第一梯队，但比不上大厂打磨过的中文语音服务。普通话标准的录音没问题，方言、口音重的素材，识别率会打折扣——好在转写稿可以直接手动修正，改完照样导出。
视频多长合适？ 半小时以内的素材体验最好。一小时以上的长视频，转写时间会明显拉长，浏览器标签页别关。批量做长内容的话，建议用桌面版，稳定性更好。
手机上能用吗？ 官方定位是桌面端。手机浏览器受限于算力，转写会很慢，不建议。轻量修一下倒是可以，但主力剪辑请上电脑。
导出会掉画质吗？ 导出是最终一次重编码，选好码率后画质损失可以接受。剪短视频（5 分钟以内）导出速度很快；长视频导出会花时间，属于正常现象。
能剪横屏竖屏、多机位吗？ 横屏竖屏取决于素材本身，导出会保持原始比例。多机位、多轨混编是它的盲区——Rescript 是单轨思维，别拿它当 Premiere 用。
别用它做什么
把边界说清楚，省得踩坑：
- 它不擅长复杂包装——特效、转场、调色、花字，找别的工具；
- 它不适合多轨混编——B-roll、画中画、多音轨，不是它的设计目标；
- 它做不了AI 配音和数字人——那是 Descript 订阅版的增值功能，Rescript 专注剪辑本身；
- 商业用途注意授权——PolyForm Noncommercial 协议，商用要联系作者拿授权。
Rescript 的定位非常清晰：把「说话类内容」的剪辑做到极致，其余一概不碰。这种克制，反而让它在这个细分领域比很多大而全的工具好用。
值不值得用
我的判断：值，特别适合三类人。
第一类是播客主播。音频剪辑用 Rescript 体验最好——拖入录音、删语气词、去静音、导出 MP3，全程十分钟，比在 Audition 里手工修快一个数量级。
第二类是口播视频创作者。脚本即转写稿，删字即剪辑，改稿和改片是同一件事，效率提升立竿见影。
第三类是隐私敏感的用户。课程、内部培训、客户访谈素材不想过云端，Rescript 是少有的「本地完成」选项。
短板也要说清楚：长视频转写在浏览器里会比较慢——1 小时的视频，普通电脑转写可能要等一阵子，建议用桌面版并选 Whisper Base 档。至于功能边界，前面「别用它做什么」已经说透，它适合的是说话类内容，不是影视级制作。
上手步骤
- 浏览器打开 app.getrescript.com（或用桌面版，官网 getrescript.com 下载，macOS 版已签名）；
- 拖入你的视频或音频，选择转写精度（Base 快、Small 准）；
- 等转写完成，删掉不想要的词、一键去语气词和静音；
- 导出视频或音频。
全程不需要注册账号，不需要信用卡。
给播客和口播党的建议：这个月先别急着续 Descript，用 Rescript 跑完一条完整片子，感受一下省下的订阅费，再决定要不要换。