דיסקריפט / Descript

מה זה דיסקריפט ואיך עורכים וידאו דרך טקסט?

דיסקריפט הוא עורך וידאו ואודיו שנבנה סביב התמלול, והוקם בשנת 2017. במקום ציר זמן שבו מזהים קטעים לפי גלי קול, המסך המרכזי הוא מסמך: כל מילה שנאמרה מופיעה כטקסט, ולכל מילה יש נקודה מדויקת בהקלטה. מחיקת מילה מהמסמך מוחקת אותה מהווידאו. זה המנגנון היחיד שצריך להבין, וכל שאר המוצר נבנה עליו.

המשמעות המעשית קשה להפרזה עבור מי שעורך תוכן מדובר. הקלטה של שעה שנערכת בעורך רגיל דורשת האזנה מלאה, סימון קטעים וגרירה מדויקת. אותה הקלטה כאן נסרקת בעיניים בשלוש דקות, מוחקים את הפסקאות המיותרות, ומקבלים גרסה ערוכה. מה שהיה יום עבודה הופך לשעה, וזה לא שיפור באחוזים אלא שינוי בשיטה.

מעל הבסיס הזה נבנו יכולות שמשתמשות באותו חיבור בין טקסט לצליל. אפשר להסיר את כל מילות המילוי בכל ההקלטה בלחיצה, לקצר שתיקות ארוכות אוטומטית, ולהחליף מילה שנאמרה שגוי בקול המקורי במקום להקליט מחדש. כל אחת מהיכולות האלה בנפרד הייתה מוצר, וכאן הן פשוט נגזרות מהמבנה.

ומכיוון שהכול נשען על התמלול, איכות התמלול בשפה שלכם היא כל המוצר. באנגלית התמלול מדויק ברמה שמאפשרת לסמוך עליו בלי בדיקה. ברשימת השפות הנתמכות יש עוד רבות, והאיכות בהן משתנה מאוד. זו הבדיקה הראשונה שצריך לעשות לפני שמשלמים, והיא לוקחת עשר דקות בחבילה החינמית עם הקלטה אמיתית שלכם ולא עם קובץ הדגמה.

הפיצ'רים המרכזיים של דיסקריפט

שש יכולות בונות את המוצר. הראשונה היא הבסיס, והשנייה והשלישית הן אלה שחוסכות את רוב הזמן בפועל.

ארבע הבהרות שמשנות את התמונה. הראשונה: הסרת מילות המילוי היא היכולת שחוסכת הכי הרבה זמן, וגם זו שהכי מסוכן להפעיל בעיוורון. בהקלטה של שעה יש מאות היסוסים, והסרה של כולם מייצרת דיבור שנשמע מהיר ולחוץ. השיטה שעובדת היא להסיר את הרוב ולהשאיר חלק, כי הפסקות טבעיות הן מה שגורם לדובר להישמע רגוע.

השנייה: שיפור איכות ההקלטה טוב באמת, ולא ברמה של פילטר שמוסיף בוץ. הקלטה בחדר עם הד, במיקרופון של מחשב נייד, חוזרת נקייה בצורה שקשה להאמין. זה שווה יותר מכל יכולת אחרת למי שמראיין אנשים מרחוק, כי אין שליטה בתנאי ההקלטה בצד השני.

השלישית: שכפול הקול פותר בעיה אמיתית וגם דורש זהירות. תיקון מילה שנאמרה שגוי חוסך זימון מחדש של הדובר, וזה חיסכון אמיתי בהפקה. יחד עם זה, כלי שמייצר דיבור בקול של אדם אמיתי מחייב הסכמה מפורשת וגבול ברור: תיקון של מילה הוא דבר אחד, והמצאת משפטים שהאדם לא אמר היא דבר אחר לגמרי.

הרביעית: העורך אינו מחליף עורך וידאו מקצועי. יש שכבות, יש כותרות ויש מעברים, ואין שליטה עדינה, אין אפקטים מתקדמים ואין תיקון צבע רציני. לפודקאסט מצולם, לסרטון הדרכה ולראיון זה מספיק בהחלט. לסרטון פרסום שדורש עריכה מדויקת זה לא, וגם לא אמור להיות.

נקודה חמישית ששווה להכיר היא שהמערכת מקליטה גם בעצמה, ולא רק עורכת. אפשר לצלם את המסך ואת המצלמה יחד, וההקלטה נכנסת ישירות לפרויקט מתומללת. עבור סרטוני הדרכה זה מבטל את השלב המעצבן של ייצוא מכלי הקלטה חיצוני, המרה והעלאה, וגם מונע את התקלה הנפוצה שבה המסך והדובר אינם מסונכרנים. מי שמפיק תוכן הדרכה בקצב יגלה שדווקא הפרט הטכני הזה חוסך לו יותר זמן מכל יכולת מרשימה אחרת.

כמה זה עולה?

התמחור נמדד בשעות תמלול ולא בשעות עריכה, וזו הנקודה שהכי מבלבלת. יחידת החישוב היא כמה חומר גולמי נכנס, ולא כמה סרטונים יצאו.

החישוב שכדאי לעשות מתחיל בשאלה כמה חומר גולמי נכנס ולא כמה יוצא. פודקאסט שבועי של שעה עם שני מיקרופונים צורך שעתיים תמלול לכל פרק, כלומר שמונה שעות בחודש. מי שמעריך את הצריכה לפי אורך הפרק הסופי יטעה בגורם שתיים עד שלוש, ויגלה את זה באמצע החודש. שווה לספור את החומר הגולמי לפני שבוחרים.

ההשוואה השנייה היא מול עורך אנושי, וכאן המספרים ברורים מאוד. עריכת פרק פודקאסט אצל עורך חיצוני עולה מאות שקלים לפרק, והמנוי החודשי כאן עולה פחות מעריכה של פרק אחד. עבור מי שמפיק ארבעה פרקים בחודש זה חיסכון של אלפי שקלים בשנה, ובתמורה מקבלים תוצאה טובה פחות מעורך מנוסה ומהירה בהרבה. עבור רוב התוכן העסקי זו החלפה משתלמת, ולא עבור כולם.

שיקול שלישי שכמעט אף אחד לא מכניס לחישוב הוא מה קורה לחומר הגולמי אחרי שהפרק פורסם. הקלטות מצטברות בקצב של עשרות גיגה בייט בחודש, והן צריכות לשבת איפשהו גם אחרי שהעריכה הסתיימה. מי שמסתמך על אחסון בתוך המערכת בלבד מגלה בשלב מסוים שהמנוי הוא גם ספק האחסון שלו, ושהפסקת המנוי מסבכת את הגישה לארכיון. הפתרון פשוט ושווה להחליט עליו מראש: לייצא את קובץ המקור ואת התמלול לתיקייה שלכם בסיום כל פרק, ולהתייחס למערכת ככלי עבודה ולא כמחסן.

סעיף אחד שכדאי לבדוק לפני שמתחייבים לשנה הוא מה קורה למכסה שלא נוצלה. בחלק מהחבילות היא אינה עוברת לחודש הבא, ולכן מי שמפיק בגלים, כלומר עשרה פרקים בחודש אחד ואפס בחודש הבא, משלם על מכסה שלא ניצל. במקרה כזה עדיף לבחור חבילה קטנה ולשדרג נקודתית בחודשי ההפקה, וזה הבדל של מאות שקלים בשנה אצל מי שעובד בפרויקטים.

דיסקריפט מול עורכי הווידאו האחרים

ההשוואה כאן צריכה להיעשות מול שלושה סוגי כלים שונים: עורכי וידאו קלאסיים, כלי עריכה אוטומטיים לרשתות, ומחוללי וידאו שמייצרים מאפס. הכלי הזה אינו מתחרה באף אחד מהם באמת, והוא נוגע בכולם.

מול עורכי הווידאו הקלאסיים, ההבדל הוא בסוג התוכן. עורך קלאסי מנצח בכל מה שדורש דיוק בפריים, שכבות, אפקטים ותיקון צבע. הכלי כאן מנצח בכל מה שהוא דיבור: ראיון, פודקאסט, הדרכה, הרצאה. מי שעורך תוכן מדובר בעורך קלאסי עושה עבודה קשה בלי סיבה, ומי שעורך פרסומת כאן ייתקל בקיר.

מול כלי הרשתות האוטומטיים, אלה כלים שמקבלים סרטון ארוך ומחזירים קטעים קצרים עם כתוביות. הם מהירים ומדויקים למדי בבחירת הקטעים, והם לא נותנים לגעת. כאן מקבלים גם את הנגזרות וגם שליטה מלאה בגרסה המלאה, וזה הפרש שמורגש כשהקטע האוטומטי חותך באמצע משפט.

מול מחוללי הווידאו, אין נקודת מפגש כמעט. כלי הווידאו Veo מייצר סצנה שלא צולמה, וכאן עורכים חומר שכן צולם. השילוב עובד היטב כשמכניסים קטע מיוצר קצר כפתיח או כהמחשה בתוך ראיון, ואת ההרכבה עושים כאן כי כאן נמצא הטקסט.

בפועל התהליך שאני רואה אצל מי שמפיק תוכן מדובר נראה כך: מקליטים, עורכים כאן דרך התמלול, מייצרים קריינות חסרה או תיקון במערכת הקול ElevenLabs אם צריך, ומשתמשים בתמלול המוגמר כחומר גלם למאמר. בשלב האחרון הכלי NotebookLM שימושי במיוחד לחלץ נקודות ותקציר מתוך תמלול ארוך, ומשם נולד הפוסט שמלווה את הפרק.

מה שעולה מכל ההשוואות הוא שהכלי הזה אינו עורך וידאו טוב יותר, אלא עורך תוכן מדובר. ההבחנה הזאת פשוטה, וכמעט כל אכזבה שאנשים מתארים ממנו נובעת מכך שהם ניסו לעשות בו משהו שהוא מעולם לא התיימר לעשות.

הפיצ'ר שעושה את ההבדל: תמלול אחד, חמישה נכסים

הערך הגדול ביותר של המוצר אינו בעריכה אלא במה שאפשר לעשות עם התמלול אחרי שהעריכה נגמרה. אותו קובץ טקסט מסונכרן הוא בבת אחת סרטון ערוך, פרקי ניווט, תקציר, רשימת ציטוטים לרשתות, ובסיס למאמר. רוב האנשים מייצאים את הווידאו ומוחקים את התמלול, ובכך זורקים את החלק היקר. הקוד למטה מדגים תהליך שלוקח את התמלול המיוצא ומייצר ממנו את כל הנגזרות במעבר אחד.

# מהתמלול המיוצא לחמישה נכסים, בלי לעבור על ההקלטה שוב
import re
import json
from pathlib import Path

SRC = Path("exports/episode-14.vtt")
OUT = Path("assets/episode-14")
MIN_CHAPTER_GAP = 180        # שניות. פרק קצר מזה אינו פרק אלא מעבר

def parse_vtt(path):
    # קובץ הכתוביות מחזיק זמן וטקסט. זה כל מה שצריך לכל השאר
    blocks, current = [], None
    for line in path.read_text(encoding="utf-8").splitlines():
        stamp = re.match(r"(\d\d):(\d\d):(\d\d)\.\d+ --> ", line)
        if stamp:
            h, m, s = (int(x) for x in stamp.groups())
            current = {"start": h * 3600 + m * 60 + s, "text": ""}
            blocks.append(current)
        elif current is not None and line.strip():
            current["text"] += (" " if current["text"] else "") + line.strip()
    return blocks

def full_text(blocks):
    return " ".join(b["text"] for b in blocks)

# פרקים לפי משפטי מעבר שהדובר אומר בפועל. עדיף על חלוקה לפי זמן קבוע
CUES = ("נעבור עכשיו", "הנושא הבא", "בואו נדבר על", "ולסיכום", "שאלה שנייה")

def chapters(blocks):
    marks, last = [], -MIN_CHAPTER_GAP
    for b in blocks:
        if any(cue in b["text"] for cue in CUES) and b["start"] - last >= MIN_CHAPTER_GAP:
            title = b["text"][:60].rstrip() + "..."
            marks.append({"seconds": b["start"], "title": title})
            last = b["start"]
    return marks

def timecode(seconds):
    return "%02d:%02d:%02d" % (seconds // 3600, (seconds % 3600) // 60, seconds % 60)

# ציטוטים לרשתות. משפט עצמאי באורך בינוני עובד הכי טוב
def pull_quotes(blocks, low=90, high=220):
    quotes = []
    for b in blocks:
        for sentence in re.split(r"(?<=[.!?])\s+", b["text"]):
            if low <= len(sentence) <= high and " " in sentence:
                quotes.append({"seconds": b["start"], "text": sentence.strip()})
    return quotes[:12]

def run():
    OUT.mkdir(parents=True, exist_ok=True)
    blocks = parse_vtt(SRC)
    marks = chapters(blocks)
    bundle = {
        "words": len(full_text(blocks).split()),
        "chapters": [{"time": timecode(m["seconds"]), "title": m["title"]} for m in marks],
        "quotes": pull_quotes(blocks),
    }
    (OUT / "chapters.txt").write_text(
        "\n".join(c["time"] + " " + c["title"] for c in bundle["chapters"]),
        encoding="utf-8")
    (OUT / "transcript.txt").write_text(full_text(blocks), encoding="utf-8")
    (OUT / "bundle.json").write_text(
        json.dumps(bundle, ensure_ascii=False, indent=2), encoding="utf-8")
    return bundle

# שלושה דברים שהתהליך לא עושה במקומכם
# שלב 1: לקרוא את כותרות הפרקים ולנסח אותן מחדש. חיתוך אוטומטי נשמע חתוך
# שלב 2: לבחור ידנית שלושה ציטוטים מתוך השנים עשר. כמות אינה איכות כאן
# שלב 3: לכתוב את המאמר מהתמלול ולא להדביק אותו. דיבור וכתיבה אינם אותה שפה

הרעיון המרכזי כאן הוא שההקלטה אינה נכס אחד אלא חמישה, וההפרש בין השניים הוא כמה דקות של עיבוד. מי שמפיק פודקאסט או סדרת ראיונות ולא מוציא מהם פרקי ניווט, ציטוטים ומאמר, עושה שמונים אחוז מהעבודה ומפרסם עשרים אחוז ממנה. הנגזרות האלה הן גם מה שמביא אנשים חדשים להקלטה מלכתחילה.

הכלל השלישי ברשימה הוא זה שקובע את האיכות. תמלול מודבק כמאמר קורא רע מאוד, כי דיבור בנוי על חזרות, על תיקונים תוך כדי ועל משפטים שמסתיימים באמצע. שכתוב של אותו תוכן כטקסט לוקח שעה ומייצר עמוד שאנשים באמת קוראים, וגם עמוד שיש לו סיכוי אמיתי בקידום אורגני. את הדרך שבה אני בונה תהליכים כאלה, שבהם נכס אחד מזין כמה ערוצים, אפשר לראות במאמרים במרכז הידע.

חסרונות שאתם צריכים לדעת

בצד השני של המאזניים יש חיסרון אחד שגובר על כל השאר עבור מי שעובד בעברית. שישה חסרונות, מסודרים לפי מידת ההשפעה.

הסעיף הראשון הוא כל הסיפור עבור קורא ישראלי, ואי אפשר לעקוף אותו. הכלי הזה שווה את מחירו בזכות התמלול, ואם התמלול בשפה שבה אתם עובדים אינו מדויק, נשארתם עם עורך וידאו בינוני שעולה כסף. הבדיקה פשוטה ואורכת עשר דקות: להעלות בחבילה החינמית עשר דקות מהקלטה אמיתית שלכם, לא קובץ הדגמה, ולקרוא את התמלול. אם צריך לתקן כל משפט שני, כל היתרון נעלם. אם התמלול נקי, קיבלתם את אחד הכלים המשתלמים ביותר שיש למפיקי תוכן מדובר.

היתרונות שעושים את דיסקריפט שווה

ולצידם, שש סיבות שבגללן מי שהתמלול עובד עבורו כמעט אף פעם לא חוזר לעורך רגיל.

היתרון שמורגש הכי מהר אינו חיסכון בזמן אלא שינוי בתדירות. כשעריכת פרק לוקחת יום, מפרסמים פעם בחודש ומרגישים אשמה. כשהיא לוקחת שעה, מפרסמים כל שבוע. השינוי הזה משפיע על התוצאה העסקית הרבה יותר מאיכות העריכה עצמה, כי תוכן מדובר עובד בעיקר בזכות רציפות ולא בזכות ליטוש.

יתרון שני שנוגע לעבודה בצוות: כשהעריכה היא מסמך, גם מי שאינו עורך יכול להעיר. מנהל שמסמן פסקה שצריכה לרדת עושה את זה בטקסט ולא בשיחה על דקה ושתים עשרה, וסבב אישורים שנמשך יומיים מתקצר לשעה. את ההערות אפשר לנהל במשימה משותפת בסביבת העבודה Notion, ואת ההפצה של הפרק לרשימת המנויים לסגור במערכת הדיוור Mailchimp באותו יום. בתהליכי ניהול רשימת תפוצה שאני בונה, פרק חדש שיוצא במועד קבוע הוא אחד הטריגרים היעילים ביותר לפתיחת מיילים.

מתי לבחור דיסקריפט ומתי לבחור עורך רגיל?

שלוש שאלות חותכות כאן: באיזו שפה מוקלט התוכן, כמה הוא מדובר, וכמה עריכה חזותית הוא דורש.

# עץ החלטה לבחירת סביבת עריכה לתוכן מוקלט
שאלה 1: מה איכות התמלול בשפה שלכם?
    מדויק כמעט תמיד     -->  דיסקריפט, כאן היתרון כולו
    דורש תיקון תדיר     -->  עורך רגיל, היתרון נעלם
    לא ניסיתם עדיין     -->  לבדוק בחבילה החינמית לפני הכול

שאלה 2: מה סוג התוכן?
    ראיון או פודקאסט    -->  דיסקריפט
    הדרכה עם מסך        -->  דיסקריפט, ההקלטה מובנית
    פרסומת או קליפ      -->  עורך מקצועי

שאלה 3: כמה חומר גולמי בחודש?
    עד שעתיים           -->  החבילה הקטנה
    2 עד 10 שעות        -->  החבילה של יוצר תוכן
    מעל 10 שעות         -->  חבילה עסקית או חשבון צוות

שאלה 4: מי עורך בפועל?
    המראיין בעצמו       -->  זו בדיוק נקודת החוזק
    עורך מקצועי בצוות   -->  ירגיש מוגבל, לתת לו כלי מלא
    כמה אנשים יחד       -->  עבודה משותפת על אותו מסמך

הטעות הראשונה היא להפעיל את כל הניקויים האוטומטיים ביחד ולייצא. הסרה מלאה של היסוסים, קיצור אגרסיבי של שתיקות ויישור עוצמה מייצרים דיבור שנשמע כמו מכונה: מהיר, צפוף ובלי אוויר. השיטה שעובדת היא להסיר את רוב ההיסוסים, להשאיר חלק מהשתיקות, ולהאזין לשתי דקות לפני שמחילים על כל הפרק.

יש גם טעות שלישית שנוגעת לארגון הקבצים ולא לעריכה. פרויקט שמכיל שעות של חומר גולמי מכל הפרקים הופך תוך חודשיים לכבד, איטי ולעיתים בלתי שמיש. הרגל פשוט של פרויקט נפרד לכל פרק, וארכוב של פרויקטים שהסתיימו, שומר על המערכת מהירה. זה נשמע טריוויאלי עד שמישהו מנסה לפתוח פרויקט של ארבעים שעות במחשב נייד באמצע יום עבודה.

הטעות השנייה היא לזרוק את התמלול אחרי הייצוא. זה החומר היקר ביותר שיוצא מההקלטה, והוא מזין את הפרקים, את הציטוטים, את המאמר ואת התיאור בעמוד. שמירה שלו בתיקיית הפרויקט לצד קובץ הווידאו היא הרגל של דקה שמחזיר את עצמו בכל פעם שמישהו שואל מתי בדיוק נאמר משהו בפרק.

השורה התחתונה: האם דיסקריפט שווה?

ההערכה שלי מותנית בתנאי אחד ברור: אם התמלול בשפה שלכם מדויק, זה אחד הכלים המשתלמים ביותר שקיימים למפיקי תוכן מדובר. הוא מקצר יום עבודה לשעה, הוא מוריד את סף הכניסה כך שהמראיין עורך בעצמו, והוא מוציא מאותה הקלטה חמישה נכסים במקום אחד. אם התמלול אינו מדויק, כל היתרון נעלם ונשאר עורך בינוני בתשלום.

הפרופילים שעבורם זה מתאים: פודקאסטים, סדרות ראיונות, הרצאות מוקלטות, סרטוני הדרכה עם הקלטת מסך, וכל מי שמפיק תוכן שבו אנשים מדברים. ומנגד, זה לא הכלי עבור מי שעורך פרסומות, עבור מי שצריך עריכה חזותית מדויקת, ועבור מי שמפיק סרטון אחד בחצי שנה ולא יגיע לניצול המנוי.

מי שבודק את זה, כדאי שיעשה זאת בשלושה צעדים. ראשית, להעלות בחבילה החינמית עשר דקות מהקלטה אמיתית ולקרוא את התמלול, כי זו הבדיקה היחידה שקובעת. שנית, לספור את שעות החומר הגולמי בחודש ולא את אורך הפרקים הסופיים, לפני שבוחרים חבילה. שלישית, לערוך פרק שלם מקצה לקצה ולמדוד כמה זמן זה לקח באמת, מול הזמן שזה לוקח היום. ליצירת קשר ולקבלת ייעוץ בהקמת תהליך הפקה לתוכן מדובר שמזין כמה ערוצים במקביל.

ולסיום, עיקרון שחורג מהכלי הזה. הכלי הזה מדגים עיקרון שחוזר בכל הקטגוריה: הערך הגדול אינו בשלב שהכלי מאיץ אלא בשלב שהוא מבטל. הוא לא הפך את העריכה למהירה יותר, הוא ביטל את הצורך להאזין להקלטה כדי לערוך אותה. מי שמחפש כלים לפי כמה מהר הם עושים את מה שעשה קודם ימצא שיפורים קטנים, ומי שמחפש כלים שמבטלים שלב שלם ימצא את הקפיצות האמיתיות. אפשר להמשיך לעמוד הבית של דביר נעמן ולראות שם את שאר הסקירות בקטגוריה ואת התהליכים שהן מרכיבות.