existe várias técnicas para isso, mas no seu caso se eu tiver entendido bem, seria bom você gravar com video para seguir a referência da movimentação do rosto, mas também pode optar no modo como está dizendo, é só gravar o audio abrir com premiere no seu caso, colocar na timeline do premiere, no max para facilitar é melhor trabalhar com segundos e frames em vez de frames apenas, é só clicar no time configutation e em Time display marcar a opção "SMPTE" assim poderá seguir o mesmo tempo da time line do premiere. Quanto aos segundo, você não precisaria seguir um padrão de sengundos por palavras, apenas movimentaria com referência do audio na timeline... Amém rsrs..
Espero ter ejudado...
Abraço
Até mais