Desenvolvimento de Sistema de Edição Automática de Vídeos em Lote com Python

Preciso de um sistema desenvolvido em Python que permita a edição automática de vídeos em lote.
A ideia é que eu possa carregar várias imagens e áudios, e o sistema gere vídeos completos aplicando efeitos visuais, legendas e combinações de mídia de forma automatizada.

O software deve ser similar ao exemplo da imagem enviada (interface gráfica simples), onde cada vídeo é composto por:

Imagem de fundo (com efeitos como chuva, neve, transições, zoom, etc).

ÁUdio narrado (voz ou música de fundo).

Legendas automáticas (geradas a partir do áudio via Vosk/Whisper ou outra biblioteca de STT).

Overlays opcionais (logos, textos adicionais, elementos gráficos).

Renderização em lote (possibilidade de processar vários vídeos de uma só vez).

Funcionalidades esperadas

Interface Simples (pode ser em Tkinter, PyQT ou até interface web).

Upload/seleção de:

Imagens

Áudios (voz ou música)

Arquivos de legenda (opcional)

Aplicação de efeitos visuais na imagem (chuva, zoom, fade-in/out, etc).

Geração automática de legendas sincronizadas com o áudio.

Combinação final (imagem + áudio + legenda) em vídeo renderizado.

Configurações para exportação: resolução (HD/FullHD), fps, formatos (MP4, etc).

Fila de Processamento: escolher quantos vídeos processar simultaneamente.

Tecnologias sugeridas

Python

FFmpeg / MoviePy (para edição/renderização)

Vosk ou Whisper (para geração automática de legendas via reconhecimento de voz)

Tkinter / PyQt / Flask (para interface gráfica ou web)

Entregáveis

Código-fonte em Python bem documentado.

Instruções de instalação e uso (README).

Demonstração funcional com pelo menos 3 vídeos de 1 hora processados em lote.