オンライン講義、チュートリアル動画、製品解説コンテンツを制作する際、クリエイターや教育関係者が直面する最大の課題の一つが、「ナレーション音声」「BGM（バックグラウンドミュージック）」「字幕」という3つの要素をいかに調和させ、正確に同期させるかという点です。従来は、AI音声合成ソフトでナレーションを書き出し、DAWでBGMのダッキング（音量自動調整）を行い、動画編集ソフトで字幕テロップのタイミングを1コマずつ合わせるといった、複雑で手間の掛かる作業が必要でした。
この分断されたワークフローを1つのクラウド環境で完結させるために設計されたのが、Lovo.aiのGennyタイムラインエディターです。マルチトラック構成のタイムライン上で、AIナレーションの生成、BGMの音量調整、そして自動字幕の生成をシームレスに同期させることができます。
本記事では、Gennyのタイムラインエディターを活用した具体的な同期手順、学習効果を高める実践的ワークフロー、そして現在のクリエイターが把握しておくべき重要な業界動向について解説します。
1. マルチトラック環境の立ち上げ：Advanced Mode（アドバンスドモード）
Lovo.aiで新規プロジェクトを作成する際、通常はSimple ModeとAdvanced Modeの2つの選択肢が提示されます。
- Simple Mode（シンプルモード）： ナレーション音声のみを素早く単発で作成するためのモードであり、動画トラックや多層タイムラインは利用できません。
- Advanced Mode（アドバンスドモード）： 本格的なマルチトラック・タイムラインエディターが利用できるモードです。ナレーション、映像、BGM、字幕を統合・同期させるには、必ずこのモードを選択する必要があります。
手順：
- Lovo.aiのワークスペースから New Project（新規プロジェクト） を選択します。
- Advanced Mode を指定して Create をクリックします。
- 画面上部にスクリプト入力・AI音声生成パネル、右側に動画プレビューモニター、画面下部に横長のマルチトラック・タイムラインが配置された編集環境が展開します。
2. 主軸となるナレーショントラックの生成と配置
教育動画や解説動画では、ナレーションのテンポが全体の「タイムラインの基準軸」となります。スライドの切り替え、BGMの展開、字幕の表示タイミングは、すべてこの音声トラックに紐づきます。
スクリプトの分割と音声生成
- テキストブロックの作成： 上部のエディターに原稿を入力します。長文を一括で流し込むのではなく、意味のまとまりやスライドの切り替え単位ごとにブロックを分割します。各ブロックがタイムライン上で独立したオーディオクリップとなるため、後のタイミング調整が格段に容易になります。
- AIボイスと感情の選定： 100以上の言語、500種類以上のAI音声ライブラリから用途に合った音声を選びます。教育用動画には、明瞭で落ち着きのあるナレーション向けボイスを選び、「Informative（情報提供）」「Friendly（親しみやすい）」「Persuasive（説得力がある）」などの感情トーンを割り当てます。
- 適切なポーズ（一時停止）の設定： 重要な専門用語の解説後やスライドの切り替え時に、ポーズ機能（0.1秒単位で調整可能）を挿入します。0.3秒〜0.5秒の適切な間を設けることで、学習者が情報を咀嚼する時間を確保できます。
- 発音辞書（Pronunciation Editor）の活用： 専門用語や固有名詞、アルファベットの略称などで読み間違いが発生する場合は、事前に発音辞書でフォネティック設定を行い、正確な発音を指定します。
- タイムラインへの配置： Generate をクリックすると、生成された音声クリップが下部タイムラインのナレーショントラックに自動配置されます。
スナップ機能（Snap Tool）によるズレの防止
- スナップの常時オン（磁石アイコン）： メインナレーションを組み立てる際は、タイムライン上の Snap 機能を有効にしておきます。クリップをドラッグした際、再生ヘッド（Playhead）や隣り合うクリップの端点に自動で吸着するため、意図しないミリ秒単位の空白や重複を防止できます。
- 対話形式での重ね合わせ： 2人によるロールプレイ教材や会話形式のコンテンツを作成する場合は、一時的にスナップをオフにすることで、トラック間の発話を自然にオーバーラップさせることができます。
3. BGMの配置とオーディオダッキング（音量最適化）
良質なBGMは動画の完成度を高め、視聴者の集中を持続させる効果がありますが、音量バランスが崩れるとナレーションの可聴性が著しく低下します。
音楽アセットの取り込み
- 画面左側のツールバーにある Resource（リソース） タブをクリックします。
- 内蔵されたロイヤリティフリー素材ライブラリ（Pixabay連携）から、学習用動画に適した穏やかな楽曲を検索するか、Upload を選択して自社のオリジナルBGM（MP3またはWAV形式）を取り込みます。
- 素材を選択して Add to Project をクリックすると、ナレーショントラックの下にあるBGM専用オーディオトラックに配置されます。
音量のダッキングとフェード調整
- 音量バランスの調整： タイムライン上の音楽クリップを右クリックしてオーディオ設定を開きます。ナレーション音声をはっきりと聞き取らせるため、BGMの音量をピーク時の 10%〜20% 程度まで大幅に下げます。音楽はあくまで背景の環境音として機能させることが重要です。
- クリップのトリミングとビート同期： 音楽クリップの端をドラッグして、レッスン動画の長さに合わせてトリミングします。タイムラインの拡大表示機能を利用して、チャプターの切り替わりと曲のアクセントを一致させます。
- フェードイン・フェードアウト： 冒頭に0.5秒〜1秒のフェードイン、動画末尾やチャプター間に緩やかなフェードアウトを適用し、音声が突然途切れる不快感を排除します。
4. 自動字幕（Auto Subtitles）の生成とスタイリング
字幕はアクセシビリティの向上だけでなく、スマートフォンの消音再生時や騒音下での学習環境において不可欠な要素です。Gennyでは、ナレーションブロックと字幕生成がシステムレベルで連動しています。
タイムラインに基づく自動字幕の生成
- ナレーションブロックの配置と音声のタイミングが完全に確定していることを確認します。
- 左側ツールバーの Subtitles（字幕） を選択します。
- Gennyには3つの字幕作成方法が用意されています：
- Auto Subtitles（自動字幕）： タイムライン上の既存テキストと音声タイムスタンプから字幕を自動生成します。
- Manual Subtitles（手動字幕）： タイムライン上で直接テキストとタイムコードを入力します。
- Upload SRT file（SRTファイルのアップロード）： 外部の字幕ファイルをインポートします。
- Auto Subtitles を選択します。システムが各音声ブロックの再生時間を即座に解析し、映像プレビューに紐づく専用字幕トラックへ同期した字幕ブロックを配置します。
テキスト校正と視覚デザインの最適化
- タイミングの検証： プレビューウィンドウで動画を再生し、音声とテキストの同期状態を確認します。TTS元のテキストから直接生成されているため、音声認識特有の誤字や脱落が極めて少ないのが特徴です。
- 専門用語の修正： 略称の表記や句読点の位置などを微調整したい場合は、左側の字幕エディターから直接テキストを修正できます（音声を再レンダリングする必要はありません）。
- スタイルのカスタマイズ： モバイル端末での視認性を考慮し、RobotoやInterなどのすっきりとしたサンセリフ書体を選択します。背景映像やスライドの配色と重なっても読み取れるよう、半透明の黒背景ボックスやテキストのアウトライン（縁取り）を設定します。図表の邪魔にならないよう、画面下部（ロワーサード）に配置するのがベストプラクティスです。
5. 教育者とクリエイターのための鉄則：制作の順序（線形ワークフロー）
タイムライン編集において最も避けるべきなのは、音声、音楽、字幕を同時並行でいじることです。以下の線形順序を徹底することで、修正の手戻りを最小化できます：
- フェーズ1（ナレーションの確定）： スクリプト、発音、ポーズ、話速を完全にFIXし、タイムライン上に音声ブロックを配置します。
- フェーズ2（映像とBGMの整合）： ナレーションの区切りに合わせてスライド画像や録画映像を配置し、BGMを追加して音量を絞ります。
- フェーズ3（自動字幕の実行）： 音声ブロックの位置が完全に固定された後に自動字幕を生成します。字幕生成後に音声を動かすと同期が狂い、手動での再調整が必要になります。
- フェーズ4（全体プレビューと書き出し）： 通し再生で音画同期を確認し、右上の Export（書き出し） から1080p、720p、480pのMP4動画をダウンロードします。
6. クリエイター向け重要情報：サービス状況と推奨代替ツール
Lovo.ai Gennyのタイムライン構造はAIマルチメディア制作において優れた設計を示しましたが、現在のツール選定にあたっては以下の点に留意する必要があります。
重要なお知らせ： 2026年5月、声優の音声データ利用やパブリシティ権をめぐる訴訟を受け、Lovo.aiの運営会社であるLOVO, Inc.は米国ニューヨーク南区破産裁判所に連邦破産法第7条（Chapter 7：清算手続き）を申請しました。これに伴い、Lovo.ai公式サイトおよびGennyクラウドサービスはサービスを終了し、オフラインとなっています。
現在、同様の「マルチトラック・タイムラインでのAI音声生成＋BGMダッキング＋自動字幕同期」を必要とする教育者やクリエイターには、以下の実用的な代替ツールが広く利用されています：
- Murf.ai： eラーニング教材や企業プレゼンテーションに特化したタイムライン型スタジオで、スライド資料とAI音声、BGMの同期に強みを持ちます。
- Descript： テキスト原稿ベースで動画編集が可能なツールで、高品質な音声合成、スタジオ品質の自動音響調整、ダッキング、高精度な自動字幕機能を備えています。
- CapCut & Clipchamp： 直感的な操作が可能な動画編集アプリで、テキスト読み上げ機能、BGMの自動音量調整、ワンクリック自動キャプション生成に対応しています。
- Adobe Premiere Pro & DaVinci Resolve： プロ向け動画編集ソフトウェアで、AIによる高精度な音声テキスト変換、トラックごとの自動オーディオダッキング機能を標準搭載しています。
タイムラインにおけるマルチレイヤー同期の基本構造を理解していれば、どのツールへ移行しても、見やすく伝わりやすい教育動画や解説動画を効率的に制作することができます。