英単語帳動画の作り方

商用ではなく個人用です。 自分の苦手な単語を集めて、聞き流し英単語動画のような物を作りたいと思っています。 動画のイメージは添付URLのような感じですが、人が話すのではなく読み上げソフトを使用しようと考えています。 今のところ、英語:音読さん、日本語:VOICEVOXを使おうかと思っています。 何百個もの英語と日本語の音声を効率よく切り出したり（切り出す必要がないのならそれもいいです）並べたりする方法などを教えていただきたいです。 今回の目的に合うオススメのソフトなども教えて欲しいです。 よろしくお願いいたします。