caso alguém esteja curioso, depois de experimentar Hedra, MultiTalk, Grok, um aplicativo personalizado no Google AI Studio... optei pelo @runwayml para isso, que foi o único que atendeu à qualidade que eu queria - mas só conseguia gerar até uma frase para cada um dos dois personagens por geração (quando eu adicionava mais, isso bagunçava quem falava, etc.) juntei tudo e usei diferentes zooms/cenas entre as costuras para que não parecesse abrupto.

existem bons modelos de imagem para vídeo que conseguem lidar com conversas entre dois ou mais personagens? (onde você pode fazer upload de um diálogo com mais de um falante, e ele se ajusta aos personagens que estão falando)