디지털 비디오 콘텐츠 제작에서 AI가 생성한 음성 내레이션을 영상의 화면 전환 및 텍스트 자막과 오차 없이 일치시키는 것은 시청 지속 시간을 극대화하는 핵심 기술입니다. Lovo.ai의 올인원 콘텐츠 제작 플랫폼인 Genny에서는 **고급 모드(Advanced Mode)**에서 제공하는 **멀티트랙 타임라인(Multi-Track Timeline)**과 내장된 **자동 자막 생성기(Auto Subtitle Generator)**를 통해 음성, 영상, 자막을 하나로 결합하는 정밀 동기화 작업을 수행할 수 있었습니다.
이 워크플로를 실무에 적용하기에 앞서 반드시 확인해야 할 중요한 업계 동향이 있습니다. 2026년 중순, Lovo, Inc.는 성우 음성 무단 복제 소송(Lehrman v. Lovo, Inc.) 등의 여파로 미국 연방파산법 제7장(Chapter 7)에 따른 청산 파산을 신청하였으며, 공식 웹 플랫폼(lovo.ai 및 genny.lovo.ai)의 서비스가 전면 중단되었습니다. 본 가이드는 Genny가 개척했던 직관적인 멀티트랙 동기화 및 자동 자막 생성 메커니즘을 상세히 기록하는 동시에, 현재 실무 제작 현장에서 동일한 워크플로를 안정적으로 구현할 수 있는 검증된 대체 도구(VEED.io, CapCut, Descript 등)를 함께 안내합니다.
1. 프로젝트 생성 및 고급 모드(Advanced Mode) 워크스페이스 구성
Genny에서 새 프로젝트를 생성할 때는 단순 모드(Simple Mode)와 고급 모드(Advanced Mode) 중 하나를 선택할 수 있습니다. AI 음성을 영상 화면과 맞추기 위해서는 반드시 Advanced Mode를 선택해야 합니다:
- Simple Mode(단순 모드): 텍스트를 음성으로 변환하여 오디오 파일(MP3/WAV)로 일괄 다운로드하는 용도로만 제한되며, 비디오 타임라인이 제공되지 않아 영상과의 동기화가 불가능합니다.
- Advanced Mode(고급 모드): 비디오 편집 전용 작업 공간을 제공합니다. 인터페이스는 크게 세 가지 영역으로 구성됩니다:
- 상단 스크립트 및 보이스 제어 영역: 분할된 텍스트 블록, 100개 이상의 언어를 지원하는 500개 이상의 AI 음성 모델, 감정 억양 및 발음 교정 도구가 배치됩니다.
- 우측 실시간 프리뷰 캔버스: 합성된 영상을 실시간으로 모니터링하며, 화면 비율(16:9 와이드스크린, 9:16 숏폼 세로형, 1:1 정사각)을 손쉽게 변경할 수 있습니다.
- 하단 멀티트랙 타임라인: 음성 전용 트랙(Voice Track), 비디오 및 이미지 트랙(Video/Image Track), 배경음악 트랙(BGM Track), 효과음 및 자막 트랙이 계층별로 배치된 시퀀서입니다.
2. AI 보이스오버 생성 및 스냅 도구를 활용한 오디오 블록 제어
음향과 영상의 동기화는 타임라인 위에 모듈화된 음성 블록을 생성하고 배치하는 작업부터 시작됩니다:
- 스크립트 블록 입력: 상단 텍스트 에디터에 대본을 입력할 때 문장 단위나 개별 의미 단위로 블록을 나누어 입력합니다. 텍스트를 세분화해 둘수록 타임라인에서 개별 오디오 클립으로 분리되어 세밀한 조작이 가능해집니다.
- 보이스 캐릭터 지정 및 음성 생성: 각 장면에 어울리는 목소리 프로필을 선택하고 말하기 속도와 감정 톤(신뢰감, 드라마틱, 밝은 톤 등)을 설정한 후 "Generate"를 클릭합니다. 변환이 완료된 음성 클립들은 하단 타임라인의 **보이스 트랙(Voice Track)**에 순차적으로 정렬됩니다.
- 스냅 도구(Snap Tool)를 통한 템포 및 호흡 조절:
- 타임라인 도구 모음에 있는 자석 아이콘이 바로 **스냅 도구(Snap Tool)**입니다.
- 스냅 켜기(Snap ON): 오디오 블록을 이동할 때 이전 클립의 끝부분이나 타임라인 눈금에 자동으로 자석처럼 달라붙습니다. 불필요한 무음 구간 없이 빠르고 촘촘하게 이어지는 내레이션을 구성할 때 적합합니다.
- 스냅 끄기(Snap OFF): 문장 사이에 자연스러운 숨고르기 간격을 두거나, 영상 속 주요 제품 동작이 시연될 시간을 확보해야 할 때는 자석 아이콘을 해제합니다. 이 상태에서는 오디오 블록을 수평으로 자유롭게 드래그하여 미세한 정적 구간을 유연하게 조정할 수 있습니다.
- 볼륨 밸런스 및 페이드 인/아웃: 타임라인에서 오디오 클립을 마우스 우클릭하면 볼륨 조절 및 "Fade In", "Fade Out" 설정을 적용할 수 있어 클립 연결부의 팝 노이즈나 부자연스러운 끊김을 방지할 수 있습니다.
3. 비디오 영상 임포트 및 시각적 포인트 정렬
보이스 트랙에서 내레이션의 호흡과 속도가 확정되면, 이에 맞춰 영상 소스를 배치하고 편집합니다:
- 리소스 탭 진입: 좌측 탐색 메뉴에서 "Resource" 탭을 클릭합니다.
- 영상 소스 수급:
- 자체 촬영 소스: PC 로컬에 저장된 원본 촬영본, 화면 녹화본, 제품 데모 영상 등을 업로드합니다.
- 로열티 프리 스톡 미디어: Genny는 Pixabay 라이브러리와 연동되어 있어 별도의 출처 표기 없이 상업적으로 활용할 수 있는 수만 편의 고화질 비디오 클립과 배경 이미지를 검색창에서 즉시 추가할 수 있습니다.
- 비디오 트랙에 배치: 원하는 비디오 클립을 선택한 뒤 "Add to Project"를 누르면 보이스 트랙과 평행하게 위치한 비디오 트랙에 클립이 배치됩니다.
- 영상 트리밍 및 발언 포인트 일치:
- 타임라인에서 비디오 클립 양 끝을 마우스로 잡고 드래그하여 불필요한 시작과 끝부분을 잘라냅니다(Trim).
- 보이스오버의 핵심 단어가 나오는 타이밍에 맞춰 영상 클립을 좌우로 이동합니다. 예를 들어 특정 기능 명칭을 설명하는 음성이 출력되는 순간에 정확히 해당 소프트웨어 화면으로 전환되도록 맞춥니다.
- 비디오 트랙 위에 보조 트랙을 추가하여 PIP(화면 속 화면), 인서트 컷(B-Roll) 또는 브랜드 로고 워터마크를 얹더라도 하단 음성은 끊김 없이 재생됩니다.
4. 원클릭 자동 자막 생성 및 스타일 커스터마이징
소셜 플랫폼 사용자의 상당수가 음소거 상태로 영상을 소비하므로, 정확한 자막은 메시지 전달력을 좌우합니다. Genny는 이를 위해 자동화된 자막 솔루션을 내장하고 있습니다:
- 자막 툴 실행: 좌측 도구 모음에서 "Subtitles" 아이콘을 클릭합니다. 세 가지 생성 모드가 제공됩니다:
- Auto Subtitles(자동 자막): 프로젝트 내에 이미 생성된 텍스트 및 음성 블록 정보를 바탕으로 원클릭 자동 동기화 자막을 생성합니다.
- Manual Subtitles(수동 자막): 사용자가 직접 타이핑하여 타임코드를 설정합니다.
- Upload SRT file(SRT 파일 업로드): 외부에서 제작된 .srt 자막 파일을 가져옵니다.
- 원클릭 자동 자막 실행:
- Auto Subtitles를 선택합니다. Genny는 음성 합성 엔진에서 사용된 원본 텍스트와 정확한 발음 타임스탬프를 이미 보유하고 있기 때문에, 일반 음성 인식 도구 대비 오차가 극히 적고 발음 타이밍과 자막 출력이 오차 없이 정확하게 들어맞습니다.
- 생성된 자막 블록은 보이스 트랙 상단의 전용 자막 트랙에 일목요연하게 배치됩니다.
- 자막 폰트 디자인 및 레이아웃 수정:
- 타임라인의 자막 클립을 선택하거나 프리뷰 창에서 자막을 클릭하면 스타일 속성 패널이 활성화됩니다.
- 텍스트 교정: 고유명사나 문장부호 수정이 필요한 경우 좌측 자막 목록에서 즉시 수정할 수 있으며, 타임라인에 실시간으로 반영됩니다.
- 타이포그래피: 브랜드 가이드라인에 맞추어 글꼴 종류, 폰트 크기, 두께, 자간 및 행간을 자유롭게 변경합니다.
- 색상 및 대비: 글자 색상, 외곽선(Stroke) 두께, 배경 박스(Background Fill)를 설정하여 밝거나 복잡한 배경 영상 위에서도 뛰어난 가독성을 유지하도록 만듭니다.
- 화면 배치: 캔버스 위의 자막 박스를 드래그하여 높낮이를 조절합니다. 16:9 와이드 영상에서는 하단 중앙에 배치하고, 9:16 숏폼 영상에서는 틱톡/릴스의 하단 인터페이스 및 제목에 가려지지 않도록 중앙 하단부로 약간 올려 배치합니다.
5. 전체 재생 검수, 오디오 더킹 및 최종 렌더링
영상 출력을 진행하기 전에 완성도를 점검합니다:
- 타임라인 전체 프리뷰: 처음부터 끝까지 재생하며 음성의 강세와 영상의 컷 전환, 자막의 표시 타이밍이 삼위일체로 맞아떨어지는지 확인합니다.
- 배경음악 더킹(Audio Ducking): 음성 트랙 아래에 BGM이나 효과음을 넣었을 경우, 음악 트랙을 우클릭하여 볼륨을 내레이션 대비 15%~25% 수준으로 낮추고 시작 부분에 페이드 인을 적용하여 음성이 또렷하게 들리도록 조정합니다.
- 비디오 내보내기: 우측 상단의 "Export" 버튼을 누릅니다. Genny는 범용적인 MP4 파일로 영상을 인코딩하며, 해상도는 480p, 720p, 1080p Full HD 중에서 선택할 수 있습니다. 렌더링 시 자막은 화면에 영구적으로 각인(Burned-in)되어 출력됩니다.
6. 2026년 현재 운영 상황 및 신뢰할 수 있는 대체 솔루션
Genny는 브라우저 기반에서 음성 합성, 멀티트랙 영상 편집, 자동 자막을 통합한 혁신적인 구조를 제시했으나, 앞서 언급한 바와 같이 Lovo, Inc.는 2026년 파산 청산 절차를 밟으며 모든 서버가 닫혔습니다. 따라서 비공식 경로를 통한 결제나 라이선스 구매에 유의해야 합니다.
현재 상업적 비디오 파이프라인에서 동일한 멀티트랙 편집 및 자동 자막 워크플로를 구축하고자 하는 제작자에게는 다음 대체 도구들을 권장합니다:
| 대체 플랫폼 | 멀티트랙 타임라인 지원 | 자동 자막 및 스타일 편집 | 최적의 활용 시나리오 |
|---|---|---|---|
| VEED.io | 클라우드 기반 완전한 멀티레이어 시퀀서 | 125개 이상의 언어를 지원하는 정밀 AI 자동 자막, 동적 텍스트 애니메이션, SRT 추출 | 고사양 PC 없이 웹 브라우저에서 기업 마케팅 영상, SNS 광고, 설명 튜토리얼을 신속히 제작할 때. |
| CapCut (PC / 모바일) | 직관적인 고성능 멀티트랙 타임라인 | 무료로 제공되는 높은 정확도의 원클릭 자동 자막, 유행에 맞춘 단어별 노래방 스타일 애니메이션 | 틱톡, 인스타그램 릴스, 유튜브 쇼츠 등 고주기 세로형 숏폼 영상을 대량 생산할 때. |
| Descript | 문서 편집기 기반 멀티트랙 영상 타임라인 | 텍스트 대본을 직접 수정하면 영상과 오디오가 실시간으로 자동 컷 편집되는 시스템 | 인터뷰 영상, 팟캐스트, 강의 등 말하는 내용 중심의 비디오 콘텐츠 편집에 최적화. |
| ElevenLabs + 전문 NLE | 프리미어 프로(Premiere Pro) 또는 다빈치 리졸브와 연동 | 편집 프로그램 내장 음성-텍스트 변환(Speech to Text) 기능 활용 | 극도로 사실적인 보이스 퀄리티와 시네마틱한 색보정, 방송급 오디오 믹싱이 요구되는 전문 프로덕션. |
종합 결론
Lovo Genny가 보여준 음성 생성, 다중 트랙 화면 배치, 자동 자막의 통합 워크플로는 현대 비디오 제작에서 필수적인 표준 제작 방식으로 자리 잡았습니다. 비록 Genny 서비스는 종료되었으나, 제작자들은 VEED.io나 CapCut과 같은 현재 활발히 유지보수되는 도구를 채택함으로써 법적 위험 없이 높은 생산성을 안정적으로 유지할 수 있습니다.