Сгенерировать видео с помощью нейросети

Требуется создать 11 видеосцен каждая из которых продолжительностью от 4 до 14 секунд. Тематика роликов средневековье. По графике, похожее на игровую по типу ведьмака, скайрим и тд.

Вид во всех сценах от 1-го лица.

Также требуется озвучить данные сцены через ИИ и соединить все сцены в единый 1,5 минутный ролик.

Пример голоса озвучки с нужной интонацией, сгенерированный через ИИ предоставим. Также предоставим все визуальные элементы.

По поводу липсинга: он потребуется только на двух коротких сцена(первая и последняя). На всех остальных сценах голос закадровый.

Тематика данного ролика - рассказать о настольной ролевой игре, основанной на правилах королевской битвы.

Описание одной из сцен в качестве примера:

Главный герой (вид от первого лица) подходит к старому мощному воину, который сидит за столом в порту

(на фоне море, корабли, порт). Воин, заметив главного героя, заговаривает с ним и ухмыляется в

конце в соответствии с текстом его речи. Важно правильно подобрать длительность движения рта старика и

тайминг ухмылки в соответствии с текстом речи - длительность сцены ~ 13 секунд.

Сроки готовы подобрать максимально комфортные для исполнителя.