Вроде бы для таких задач отлично подходит агрегатор Unitool. Он объединяет несколько мощных нейросетей в одном месте, и можно сразу работать с текстами, изображениями, озвучкой и видео. Например, можно использовать GPT для генерации текстов, Runway, а Midjourney или DALL-E для создания изображений. У них есть даже функция редактирования и расширения, что бывает полезно. И что здорово, все эти инструменты работают быстро, а результаты можно комбинировать для получения нужного контента. Встроенные функции озвучки и видео редактирования тоже могут значительно упростить процессы.