作業用BGMの自動生成プログラムの作成

YOUTUBEで作業用BGMを作成しています。 具体的には、添付のURL(Lofi Girlというチャンネル)の動画を自動生成したいです。 画像と音声ファイル（3分程度のｍｐ３）から自動的に30分から120分程度の動画ファイル（mp4）を自動生成するプログラムを作成していただきたいです。 音声は、例えば30分～120分間、同じものを繰り返しです。 画像と音声を例として、添付いたします。 これまで、音楽はAIVAというサイトで生成して、画像をAIサイト(Midjourney)で自動生成して、leiapixというサイトで動きをつけて、Filmoraというソフトで作成していたのですが、若干面倒なため、後半部分（動きをつけて、ｍｐ４にするところまで）を自動化できればと考えておりました。 できれば、最初から最後まで自動化できれば、一番いいですが、これは難しいと思いますので、後半部分のみで大丈夫です。 できれば、画像の一部（人物）だけに動きをつけたいです。 ご質問がありましたら、何なりとお尋ねください。