在 Lovo.ai Genny 中建立專屬聲音複製（Voice Clone），核心流程包含兩個關鍵階段：錄製並上傳一段 1 至 2 分鐘的高品質純淨乾聲樣本，隨後在 Genny 的多軌影片編輯器中對音調（Pitch）、語速（Speed）、停頓（Pauses）與發音規則（Pronunciation）展開精細校準。該方案曾協助眾多影片創作者、行銷團隊與線上講師在無需反覆進棚錄音的情況下，持續輸出風格統一的品牌配音。
然而，對於當下的內容創作者而言，必須掌握一個至關重要的行業現實：2026 年 5 月，Lovo, Inc. 因知名聲音複製集體訴訟案（Lehrman & Sage v. Lovo, Inc.，紐約南區聯邦法院審理）陷入困境並正式申請破產清算（Chapter 7），官方網站 lovo.ai 與 Genny 平台隨之停運下線。掌握 Genny 的聲音錄製與校準規範不僅有助於理解神經語音合成的工程邏輯，更能為創作者在版權合規審查與選用現存替代平台時提供重要的技術準繩。
1. 準備並錄製高品質聲音樣本
神經語音複製模型對訓練素材的聲學品質高度敏感。Genny 的底層演算法透過分析輸入音訊中的音色特質、語速韻律、動態範圍與呼吸間隙來構建聲學特徵向量。如果輸入的音訊帶有房間回音、底噪或電平失真，這些瑕疵會被模型作為固有音色特徵永久吸收。
聲學環境與硬體配置
- 聲學環境控制： 嚴禁在存在明顯回聲或硬質反射面的房間（如磁磚浴室、空曠客廳或大面積玻璃窗房間）錄音。優先選擇鋪有地毯、懸掛厚重窗簾的小型書房，或掛滿衣物的衣帽間，利用衣物與織物的多孔結構充分吸收高頻中頻反射，消除顫動回聲（Flutter Echo）。
- 麥克風選擇： 使用心形指向的電容式麥克風（Condenser）或專業動圈廣播麥克風（Dynamic），透過專業 USB 介面或 XLR 錄音介面連接。避免使用筆記型電腦內建麥克風、手機免持或藍牙無線耳機，這類裝置普遍存在動態範圍狹窄、嚴重數位降噪偽影與頻率響應壓縮問題。
- 麥克風擺位與技巧： 嘴部與麥克風拾音頭保持 15 至 20 公分（約 6 到 8 英吋）的穩定距離，麥克風略微偏離正面軸線 45 度角對準嘴部，可有效避免氣流直衝拾音膜片。務必配置防噴罩（Pop Filter），消除「b」、「p」、「t」等爆破音。
- 增益與電平監控： 調整錄音介面輸入增益，使說話時的峰值電平（True Peak）安全落在 -6 dB 到 -3 dB 區間，平均均方根音量（RMS）保持在 -23 dB 至 -18 dB 之間。嚴禁電平過載（突破 0 dB），削頂失真（Clipping）會破壞 AI 模型對波形的特徵提取。
樣本時長與人聲表現規範
- 有效時長： Genny 快速複製至少需要 1 分鐘有效語音，1 至 2 分鐘的高品質純淨語音即可達到最佳效果。上傳超過 3 分鐘的音訊不僅難以帶來邊際收益，反而容易因語調波動導致模型擬合不穩定。
- 表現一致性： 錄製時需保持與最終影片調性完全一致的語氣、節奏和能量感。商業宣傳片配音應保持沉穩自信，教學影片需清晰平穩，社群短影片則需自然富親和力。避免在同一段素材中夾雜耳語、大喊或誇張變調。
- 文本朗讀： 朗讀音素分佈均衡、句式結構多樣的文本（包含陳述句、疑問句與轉折句），保持連貫換氣，避免清喉嚨、吞嚥聲或翻動紙張的雜音。
2. 在 Genny 中匯入樣本並生成模型
完成音訊錄製與基礎剪輯後，創作者可透過 Genny 控制台完成聲音模型入庫：
- 音訊格式規範： 將剪輯好的音訊匯出為無損 WAV 格式（16-bit 或 24-bit，44.1 kHz 或 48 kHz）或高位元率 MP3 格式（192 kbps 及以上），確保徹底去除背景音樂、音效與其他說話者聲音。
- 進入複製模組： 登入 Genny 操作台，在配音角色選擇清單或左側功能欄中點擊 Voice Cloning（聲音複製）或 Create Custom Voice（建立自訂聲音）。
- 上傳或錄音： 選擇上傳本地準備好的專業錄音檔案，或直接使用瀏覽器網頁端錄音功能。實踐表明，本地精修的音訊素材生成效果顯著優於網頁端即時錄音。
- 配置元數據標籤： 輸入專屬聲音名稱，選擇性別屬性，並設定主要語言與口音標籤（如 English - US、English - UK 等），幫助演算法匹配對應的音素發音字典。
- 合規許可確認： 勾選版權與授權聲明，確認上傳的聲音屬於本人或已取得錄音者的完整商業授權。
- 後台計算生成： 點擊提交，Genny 的神經網路演算法通常在 1 至 3 分鐘內完成聲學特徵提取與模型構建，生成的聲音會即時出現在創作者的個人聲音庫中。
3. 在多軌時間軸上精細校準聲音輸出
初次生成的原始聲音複製往往無法完美適應複雜的腳本長句。Genny 在時間軸編輯器中提供了一系列精細校準工具，用於修正瑕疵並打磨真實聽感。
音調與語速調校
- 音調微調（Pitch）： 在選中配音文字區塊的側邊欄屬性中調整音調滑桿。如果生成的聲音顯得低沉發悶或機械共振過重，將音調上調 2% 至 5% 能有效提升聲音的清亮感與辨識度；若需要更加莊重的解說感，可略微下調音調。
- 語速調控（Speed/Tempo）： 語速調節範圍一般在 0.5x 至 2.0x 之間。日常口語影片通常推薦調整至 1.05x 至 1.1x 以保持緊湊明快的節奏，避免機械拖沓；而對於知識類解說，保持在 1.0x 或微調至 0.95x 能保證聽眾充分吸收資訊。
插入自訂停頓與標點節奏
- 毫秒級停頓控制： 機械合成語音常見的問題是句子之間缺乏呼吸間歇、字句緊貼。Genny 支援在文字間插入指定時長的停頓標記（Pause），逗號處建議插入 200 至 300 毫秒短停頓，句號與段落間插入 500 至 800 毫秒長停頓，模擬真人的自然換氣。
- 標點符號引導： 善用破折號（—）製造語意轉折停頓，用省略號（...）緩解句尾音調的驟然下墜，使語調起伏更趨平緩自然。
發音編輯器（Pronunciation Editor）
- 專有名詞、企業品牌名、技術術語或英文縮寫經常出現機器讀音誤判。
- 在 Genny 的發音編輯器中，創作者可針對特定詞彙錄入音標或拼音化替代讀法（例如將 "SaaS" 替代標註為 "sass"），該發音規則會自動套用於整篇專案，確保專業名詞讀音準確。
多軌音畫同步與背景混音
- 在 Genny 的多軌時間軸上，將校準好的複製配音軌與影片素材、背景音樂及音效軌對齊。
- 啟用自動閃避（Audio Ducking）功能，使背景音樂在解說人聲出現時自動降低 10 至 15 dB，人聲結束後平滑回升，保證人聲主體的清晰度與層次感。
4. 行業巨變：Lovo.ai 關停與聲音版權判例警示
儘管 Genny 在影音整合創作上曾具備便利性，但創作者必須正視其後續的破產事件與行業法律警示。
破產清算與服務下線
2026 年 5 月 27 日，Lovo, Inc. 正式向美國紐約南區破產法院申請 Chapter 7 破產清算（案號：26-11249）。在破產清算程序下，公司全面停止營運，伺服器及基礎設施陸續下線，官方網域 lovo.ai 顯示為部署停用狀態，平台內所有儲存的使用者專案與專屬聲音模型均已無法存取。
Lehrman & Sage v. Lovo, Inc. 關鍵判決
該公司的破產與其深陷的集體訴訟直接相關。專業配音員 Paul Skye Lehrman 與 Linnea Sage 於 2024 年對 Lovo, Inc. 發起訴訟（案號：24-CV-3770），指控 Lovo 員工透過自由職業平台以「內部學術研究」為由僱用配音員錄音，隨後在未經同意和授權的情況下，將錄音用於訓練 Genny 商業語音複製模型並化名出售（如商業代號 "Kyle Snow" 與 "Sally Coleman"）。
紐約南區聯邦法院在 2025 年 7 月做出的裁定確立了生成式 AI 時代聲音侵權的重要裁判規則：
- 版權保護範圍的侷限： 法院認為聯邦版權法保護的是已固定的具體聲音錄製品本身，而非抽象的音色特徵或聲音模仿，因此駁回了部分版權與聯邦商標訴求。
- 聲音人格權與合約違約的嚴格適用： 法院明確裁定，原告基於合約違約以及《紐約州民權法》（New York Civil Rights Law）第 50 和 51 條（關於形象與聲音人格權商業侵權）的主張完全成立。法院指出，將他人聲音用於模型訓練並持續生成新的合成語音，構成對個人身分標識的持續性侵權使用。
- 案件中止與現實警示： 隨著 Lovo 破產清算，該訴訟程序已依法中止，但該案向整個行業敲響了警鐘：聲音絕非無主之物，未經書面明示授權的聲音複製行為面臨極高的法律與賠償風險。
5. 現階段創作者的主流替代方案推薦
鑑於 Lovo Genny 已經停服，創作者如需高品質、合規的聲音複製工作流程，應遷移至目前主流且商業合規體系完備的服務商：
| 平台名稱 | 樣本時長建議 | 核心優勢 | 適用場景 |
|---|---|---|---|
| ElevenLabs | 即時複製 1–3 分鐘 / 專業複製 30–180 分鐘 | 業界領先的擬真人聲韻律、支援 30+ 語言、內建 Voice Isolator 降噪、提供穩定度與相似度調節滑桿 | 播客配音、YouTube 影片旁白、有聲書錄製、多語種在地化分發 |
| Murf.ai | 5–10 分鐘純淨錄音 | 專注於企業級簡報與投影片同步、團隊協同、嚴格的商用版權授權保障 | 商業產品介紹、企業培訓課件、線上教育系統 |
| Resemble AI | 1–5 分鐘 | 精細的情感風格切換、語音轉語音（Speech-to-Speech）合成、內建神經浮水印防護 | 互動遊戲配音、動態個人化廣告、高保真企業品牌聲庫 |
創作者在開展聲音複製時，務必堅持兩項原則：其一，嚴格保證音訊擷取時的聲學純淨度與麥克風規範；其二，必須留存完整的書面商業授權憑證與本地原始音訊底稿，確保 AI 創作成果的長期資產安全與合規性。