Ваша задача - генерировать из начального описания тридцатисекундные видео-ролики типа "закадровый голос + анимация"

1) Опишите алгоритм этого процесса. 
2) Какие будете использовать сети/api
3) Часть задачи - генерация сцен из текста. А после - создание картинок к сценам и их анимация. Приведите конкретную цепочку вызовов сетей и промптов к этим вызовам, чтобы из транскрипта видео получить анимированные сцены.