動画コンテンツ制作において、AIが生成したナレーション音声を映像のカット割りに合わせ、さらに正確な同期字幕を付与する作業は、視聴維持率を高めるための最重要プロセスです。Lovo.aiが提供していた統合制作プラットフォーム「Genny」では、**高度モード（Advanced Mode）に備わるマルチトラックタイムライン（Multi-Track Timeline）と自動字幕ジェネレーター（Auto Subtitle Generator）**を活用することで、音声・映像・字幕の一体的な同期を実現していました。
本ワークフローを理解するにあたり、クリエイターが把握しておくべき重要な最新情報があります。2026年半ば、Lovo, Inc.は声優の無断音声クローン訴訟（Lehrman v. Lovo, Inc.）を契機に連邦破産法第7章（Chapter 7：清算型破産）を申請し、公式Webプラットフォーム（lovo.aiおよびgenny.lovo.ai）はサービスを全面停止しました。 本稿では、Gennyが確立したマルチトラック同期と自動字幕生成の具体的かつ実践的な手順を詳細に解説するとともに、現在実務で利用可能な主要代替ツール（VEED.io、CapCut、Descriptなど）への移行方法も網羅して提示します。
1. プロジェクトの新規作成と高度モード（Advanced Mode）の設定
Gennyでプロジェクトを立ち上げる際、選択肢として「シンプルモード（Simple Mode）」と「高度モード（Advanced Mode）」が用意されています。音声と映像を正確に同期させるには、必ずAdvanced Modeを選択する必要があります。
- Simple Mode（シンプルモード）： 音声の生成と一括音声ファイルの書き出し（MP3/WAV）のみに対応しており、映像トラックが存在しないため音画同期は行えません。
- Advanced Mode（高度モード）： フル機能の動画編集ワークスペースを展開します。画面は主に3つの作業領域で構成されます：
- 上部スクリプト・音声生成パネル： 分割されたテキストブロック、500種以上のAI音声（100以上の言語に対応）、感情表現の調整、発音辞書機能が配置されています。
- 右側リアルタイムプレビュー画面： 合成された映像を即座に確認できます。画面アスペクト比（YouTube向けの16:9横長、TikTok/Reels向けの9:16縦長、1:1スクエア）を自在に切り替え可能です。
- 下部マルチトラックタイムライン： 音声トラック（Voice Track）、映像・画像トラック（Video/Image Track）、BGMトラック、効果音トラック、字幕トラックが階層状に並ぶ本格的なシーケンサーです。
2. AIナレーションの生成とスナップ機能によるブロック配置
音画同期の最初のステップは、スクリプトをモジュール化された音声ブロックとしてタイムライン上に生成・配置することです。
- テキストブロックへのスクリプト入力： 上部エディタ内に文章を一文または短い意味のまとまりごとにブロック分けして入力します。細かくブロックを分けることで、タイムライン上で独立した音声クリップとして操作できるようになります。
- キャラクター音声の選定と生成： シーンに応じた声質と感情トーン（ビジネス、ドラマチック、ナレーション調など）を指定し、「Generate」をクリックします。生成が完了すると、音声クリップが下部タイムラインの音声トラックに順次配置されます。
- スナップツール（Snap Tool）によるテンポとポーズの調整：
- タイムライン上にある磁石アイコンが**スナップツール（Snap Tool）**です。
- スナップ有効（Snap ON）： 音声ブロックを動かした際、前後のクリップの端やグリッド線に自動的に吸着します。不要な無音の間（ま）を作らず、スムーズで密度の高いナレーションを構築する際に最適です。
- スナップ無効（Snap OFF）： 文と文の間に自然なブレス（息継ぎ）を入れたい場合や、映像の重要な動きを見せるための間隔を確保したい場合は、磁石アイコンをオフにします。これにより、音声ブロックを左右へ自由にドラッグし、ミリ秒単位でポーズ間隔を調整できます。
- 音量バランスとフェード処理： タイムライン上の音声クリップを右クリックすると、個別の音量調整や「Fade In（フェードイン）」「Fade Out（フェードアウト）」の設定が可能です。クリップ境界のノイズや急激な音量変化を防ぐことができます。
3. 映像素材のインポートとキーフレーム同期
音声トラックのリズムが整ったら、そのナレーションに合わせて映像素材を配置・編集します。
- リソースパネルを開く： 画面左側のメニューから 「Resource（リソース）」 タブをクリックします。
- 映像素材の調達：
- オリジナル素材： PCローカルから撮影動画、画面録画、製品デモ、グラフィック素材をアップロードします。
- 商用フリー素材ライブラリ： GennyはPixabayと直接連携しており、検索バーから数万点以上のロイヤリティフリー動画や背景画像をクレジット表記不要で即座に追加できます。
- 映像トラックへの配置： 使用する素材を選択し、「Add to Project」をクリックすると、音声トラックと並行する映像トラックにクリップが挿入されます。
- クリップのトリミングとタイミングの連動：
- タイムライン上の映像クリップの左右の端をドラッグして、不要な部分をトリミング（不要箇所のカット）します。
- ナレーションの重要語句や発言タイミングに合わせて映像クリップを左右にスライドさせます。例えば「こちらのダッシュボード機能をご覧ください」という音声が流れる瞬間に、該当のUI操作画面へカットが切り替わるよう配置します。
- 映像トラックの上部に別の映像レイヤーを追加してピクチャー・イン・ピクチャー（PIP）やインサート映像（B-Roll）を重ねても、下部の音声トラックは途切れることなく再生されます。
4. 自動字幕生成ツールによるテロップ作成とスタイリング
動画をミュート状態で視聴するユーザーが多いSNS環境では、字幕の視認性が極めて重要です。Gennyには強力な字幕機能が統合されています。
- 字幕ツールの起動： 左側ツールバーの 「Subtitles（字幕）」 アイコンをクリックします。以下の3つの作成方法が提示されます：
- Auto Subtitles（自動字幕）： プロジェクト内の既存テキストおよび音声ブロックからワンクリックで字幕を自動生成します。
- Manual Subtitles（手動字幕）： タイムコードとテキストを手動で入力します。
- 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読み込みます。
- ワンクリック自動字幕の実行：
- 「Auto Subtitles」を選択します。GennyはTTS（音声合成）のテキストデータと発音タイムスタンプを内部で保持しているため、一般的な音声認識エンジンよりも高速かつ高精度に字幕ブロックを生成し、音ズレが極めて少ないのが特徴です。
- 生成された字幕は、タイムライン上部に新設される字幕専用トラックに正確に整列します。
- 字幕デザインと配置のカスタマイズ：
- タイムライン上の字幕ブロックを選択するか、プレビュー画面上の字幕枠をクリックして編集パネルを開きます。
- テキスト修正： 固有名詞や句読点の修正が必要な場合、左側の字幕一覧から直接編集するとタイムライン側にも即座に反映されます。
- フォントとタイポグラフィ： フォントファミリー、サイズ、太さ、文字間隔を調整し、ブランドデザインに統一します。
- カラーとコントラスト： 文字色、境界線（ストローク）、背景ボックス（バックドロップ）の有無や透明度を設定し、背景映像が明るい場面や動的なシーンでも高い可読性を維持します。
- 表示位置の調整： プレビュー画面上で字幕ボックスをドラッグして位置を調整します。16:9の横長動画では下部中央に配置し、9:16の縦長動画ではReelsやTikTokのアイコンやタイトルと干渉しないよう、やや高めの位置に配置します。
5. 全体プレビュー、音量ダッキング、動画の書き出し
レンダリングを実行する前に、最終チェックを実施します：
- プレビュー再生による確認： タイムラインを先頭から再生し、音声のアクセントと映像のカット切り替え、字幕の表示タイミングが完璧に一致しているか検証します。
- BGMのダッキング処理： 音声トラックの下にBGMや環境音を追加している場合、BGMトラックの音量を右クリックで引き下げ（音声の15〜25%程度が目安）、ナレーションの明瞭度を最優先にします。
- 動画のエクスポート： 右上の 「Export（エクスポート）」 ボタンをクリックします。Gennyは汎用性の高い MP4形式 でレンダリングを行い、解像度は 480p、720p、1080p フルHD から選択できます。書き出しの際、字幕は映像に焼き込まれた状態（オープンキャプション）で出力されます。
6. 2026年現在の運用状況と推奨代替ツール
Gennyは「音声合成＋マルチトラック動画編集＋自動字幕」をブラウザ上で完結させる先駆的なツールでしたが、前述の通りLovo, Inc.は2026年に破産清算され、サービスを終了しています。 したがって、新規の利用契約や課金は行わないようご注意ください。
現在、同様のマルチトラック編集とAI自動字幕の制作フローを構築したいクリエイターには、以下の実務向け代替ツールの導入を強く推奨します：
| 代替プラットフォーム | マルチトラックタイムライン | 自動字幕・スタイリング機能 | 最適なユースケース |
|---|---|---|---|
| VEED.io | クラウド完結型の高機能マルチトラック編集 | 125以上の言語に対応したAI高精度自動字幕、動的テキストアニメーション、SRT書き出し | 高速にWebブラウザ上で企業向け動画、SNS広告、解説動画を作成したいチームに最適。 |
| CapCut（PC版 / モバイル版） | 直感的な多層ビデオ・オーディオシーケンサー | 完全無料・高精度の一クリック自動字幕、トレンドに合わせた単語単位のアニメーション | TikTok、Reels、YouTube Shortsなどの縦型ショート動画を大量かつ迅速に量産する環境。 |
| Descript | テキスト原稿とタイムラインが連動した編集機能 | 文字起こしテキストの編集がそのまま動画カットに連動、自動キャプション | インタビュー動画、ポッドキャスト、語り中心の解説動画など、原稿主導の編集フロー。 |
| ElevenLabs + 動画編集ソフト | Premiere ProまたはDaVinci Resolveと併用 | 編集ソフト標準の音声テキスト変換（Speech-to-Text）を利用 | 最高峰の自然な音声クオリティと、プロフェッショナルな本格映像・音響編集を求めるプロジェクト。 |
まとめ
Lovo.ai Gennyが切り拓いた「統合タイムラインによる音画・字幕の一括管理」という思想は、現代の動画制作において不可欠な標準手法となっています。現在は VEED.io や CapCut といった安定して稼働する最新ツールを採用することで、同様の効率的で高品質なコンテンツ制作を安全に継続することができます。