在製作教學課程、企業培訓講義或解說影片時，創作者與教育工作者時常需要協調三個核心視聽元素：清晰流暢的語音旁白、烘托氣氛且音量平衡的背景音樂，以及便於無障礙閱讀的同步字幕。傳統製作流程常因工具分散而繁瑣耗時：創作者必須先在文字轉語音（TTS）工具中產出語音檔，匯入音訊軟體進行音量避讓（Audio Ducking），再進入非線性剪輯軟體手動調整字幕時間戳記。
針對這項痛點，Lovo.ai 旗下的 Genny 平台推出了多軌時間軸編輯器（Timeline Editor），讓創作者能在單一雲端工作區內完成 AI 配音合成、背景音樂混音與自動字幕對齊。
本文將詳細拆解 Genny 時間軸的多軌同步操作邏輯、教學影片專用的製作技巧，並提供創作者在工具選擇上不可忽視的重要產業動態。
一、進入多軌工作區：Advanced Mode（進階模式）
在 Lovo.ai 中開啟新專案時，系統主要提供兩種編輯模式：Simple Mode 與 Advanced Mode。
- Simple Mode（簡易模式）： 專為單一講者語音快速合成而設計，不具備多軌時間軸或影音剪輯功能。
- Advanced Mode（進階模式）： 解鎖完整的非線性多軌時間軸編輯器。若要協同配音、背景音樂、影片畫面與字幕，必須在此模式下進行。
操作流程：
- 登入 Lovo.ai 工作區首頁，點擊 New Project（新增專案）。
- 選擇 Advanced Mode 並點擊 Create。
- 進入編輯介面後，畫面上方為文稿輸入與 AI 語音生成面板，右側為即時影像預覽畫布，下方則是橫向延伸的多軌時間軸。
二、生成與配置配音主軌道（Voiceover Track）
在教學影片與商業解說中，口播旁白是整部影片的「時間骨架」。所有投影片切換、重點圖表顯示、音樂起伏與字幕節奏，都必須對準配音的節奏。
文稿分塊與語音生成
- 分段輸入講稿： 在上方文稿輸入區貼上課程文字。建議依照教學概念或自然語句將內容切分成獨立的小區塊，避免一次貼入整篇長文。每個文本塊在合成後都會在時間軸上生成獨立的音訊區塊，方便後續移動與微調。
- 挑選適合的 AI 音色與情緒： Lovo.ai 具備 100 多種語言與 500 多種 AI 聲音。教育類影片建議挑選語調穩定、發音清晰的旁白音色，並套用符合教學情境的情感參數（如知性 Informative、親切 Friendly 或具說服力 Persuasive）。
- 設定自然停頓（Pauses）： 在知識點轉換或問答互動處插入停頓標記（以 0.1 秒為遞增單位）。在核心觀念講解完畢後加入 0.3 至 0.5 秒的停頓，有助於學習者吸收消化資訊。
- 發音字典調整（Pronunciation Editor）： 面對專有名詞、化學或醫學術語、特定英文品牌縮寫時，先透過發音編輯器調整音標或拼音，確保生成音訊精準無誤。
- 產生語音至時間軸： 點擊 Generate。語音合成完畢後，各段音訊區塊會自動置入底部的主配音軌道。
運用磁吸工具（Snap Tool）維持精準對齊
- 開啟磁吸（Snap 功能，磁鐵圖示）： 在排列主旁白區塊時維持開啟狀態。拖曳音訊區塊時，它們會自動吸附至播放指針（Playhead）或相鄰音訊邊緣，防止因手動調整而產生不經意的微小空白或重疊。
- 關閉磁吸進行對話交錯： 若製作模擬情境對話或雙人協同教學，可將 Snap 關閉，讓不同角色的音訊在軌道間適度交疊，營造自然的對話節奏。
三、疊加背景音樂並進行音量避讓（BGM Ducking）
適當的背景音樂能提升學習專注度並豐富影片質感，但未經調校的配樂容易遮蔽人聲頻率，增加學習者的認知負擔。
匯入音樂素材
- 點擊左側導航列的 Resource（素材庫）。
- 創作者可以直接選用內建的免版稅音樂庫（串接 Pixabay 素材），根據情緒標籤（如 Relaxed、Corporate、Inspirational）篩選教學背景音樂；亦可點擊 Upload 上傳自備的 MP3 或 WAV 音訊檔。
- 選定曲目後點擊 Add to Project，音樂將載入至配音軌下方的獨立音訊軌道。
音量平衡與淡入淡出設定
- 音量衰減（Ducking）： 在時間軸上的音樂區塊按右鍵開啟音訊設定。為了確保旁白解說的主導地位，背景音樂音量通常應降至峰值的 10% 至 20%。背景音應如溫和襯底，切忌喧賓奪主。
- 長度剪裁與對齊： 拖動音樂區塊邊緣，使其長度符合章節起訖。透過時間軸放大功能，可將背景音樂的重音拍點精確對齊至重點章節轉場或標題畫面出現的瞬間。
- 平滑淡入淡出（Fade）： 在片頭設置 0.5 至 1 秒的淡入（Fade-in），並於小節總結處配置平滑淡出（Fade-out），避免音樂突然切斷引發聽覺突兀感。
四、一鍵生成與樣式化同步字幕（Auto Subtitles）
字幕是數位學習內容的必要配備，既能協助聽力障礙學生，亦可因應在靜音或喧鬧環境中觀看影片的學員。Genny 的時間軸編輯器將語音區塊與字幕引擎深度連結，使字幕製作大幅簡化。
依時間軸自動產出字幕
- 在確認講稿文字與配音區塊位置完全鎖定後，點擊左側導航列的 Subtitles（字幕）。
- Genny 提供三種字幕建置方式：
- Auto Subtitles（自動字幕）： 系統自動讀取時間軸上的文字區塊與語音時間戳記，生成對齊的字幕。
- Manual Subtitles（手動字幕）： 創作者自行在時間軸鍵入字幕與時間區間。
- Upload SRT file（上傳 SRT）： 匯入既有的外掛字幕檔。
- 選擇 Auto Subtitles。系統將立即解析音訊長度，並在視訊畫布上方的獨立字幕軌道生成完全同步的字幕塊。
校對與視覺版面調優
- 同步性驗證： 於預覽畫布播放專案。由於字幕直接源自 TTS 文字模組，文字與發音節奏具備天然對齊優勢，避免了第三方語音辨識常有的同音錯字問題。
- 文字微調： 若需更正專用術語大小寫或標點符號，可直接在字幕側欄點選修改，無須重新產生配音。
- 視覺外觀設計： 在字幕樣式面板中選擇清晰易讀的無襯線字體（如 Roboto、Inter），微調字級以顧及手機螢幕閱讀體驗，並啟用半透明深色底框或文字陰影，確保字幕在各類投影片背景上清晰分明。建議將字幕維持在畫面下三分之一的安全區域，避免遮蔽投影片中的關鍵圖表。
五、教育者與創作者工作流金律：嚴格線性製作順序
在多軌時間軸編輯中，最耗損時間的錯誤便是一邊調整配樂一邊改字幕。遵循標準線性次序可省去反覆修改的成本：
- 階段一：鎖定旁白與文本： 確認講稿完全定稿，校對好專業發音與微停頓，在時間軸上完整編排好主配音軌。
- 階段二：對齊視覺與音樂： 依照語音節奏依序排入講義投影片、錄影畫面或素材，隨後加入背景音樂並壓低音量。
- 階段三：生成自動字幕： 語音時間點完全確定後，再啟動 Auto Subtitles。若過早產生字幕，後續若移動配音區塊，字幕時間戳記將失去對齊，需要額外費時手動修正。
- 階段四：預覽檢查與匯出： 在預覽視窗整體確認視聽同步與字幕呈現，點擊右上角 Export（匯出），下載 1080p、720p 或 480p 規格的 MP4 影片。
六、重要平台營運動態與替代工具建議
雖然 Lovo.ai Genny 的多軌時間軸設計在 AI 視聽整合領域具備高度代表性，但創作者與教育工作者在評估日常生產工具時，必須注意其最新營運狀況：
重要平台資訊： 2026 年 5 月，因牽涉配音員語音資料版權與公開權相關訴訟，Lovo.ai 母公司 LOVO, Inc. 已向美國紐約南區破產法院聲請破產清算（Chapter 7），其官方網站及 Genny 雲端編輯器隨後均停止營運並下線。
對於需要「多軌時間軸配音 + 背景音樂音量避讓 + 智慧字幕同步」一體化功能的創作者與教學團隊，目前市場上有多個活躍且成熟的替代方案：
- Murf.ai： 專注於線上教學課件、產品簡報與培訓影片的語音工作台，支援將高品質 AI 配音與簡報幻燈片、音樂精確同步。
- Descript： 以文字稿編輯影片見長的代表性軟體，整合了 AI 語音合成、Studio Sound 智慧降噪、自動音量避讓（Ducking）與高準確度字幕生成。
- CapCut（剪映國際版）與 Clipchamp： 入門門檻低、功能完備的剪輯工具，內建 TTS 語音生成、背景音樂智慧閃避與一鍵自動字幕排版。
- Adobe Premiere Pro 與 DaVinci Resolve： 專業級非線性剪輯軟體，內建 AI 語音轉字幕、基於軌道的自動音量閃避引擎（Auto-Ducking）以及頂級的多軌混音能力，適合對影音品質有極高要求的專業教育機構。
理解多軌時間軸的核心架構，能讓教育者與創作者不受單一工具變動的影響，持續產出專業、動人且具備無障礙友善體驗的高品質影片。