Kann Pictory Starter weg?

Bau mir eine Pipeline, die aus einem Text ein fertiges Video mit Sprecherstimme
und Untertiteln macht.
Stack: Python 3.12, Typer als CLI, ffmpeg fürs Rendern, SQLite für den
Projektzustand. Ein Ordner pro Projekt, alles lokal.
Ablauf:
1. Eingabe ist eine Markdown-Datei oder eine URL, aus der der Artikeltext mit
   trafilatura extrahiert wird.
2. Ein LLM über die Anthropic-API (Key aus .env) macht daraus ein Skript in Szenen:
   pro Szene ein Sprechtext von maximal zwei Sätzen und drei bis fünf Suchbegriffe
   fürs Bildmaterial. Ergebnis als script.json im Projektordner, von Hand editierbar.
3. Sprecherstimme lokal mit Piper TTS und einer deutschen Stimme, pro Szene eine
   WAV-Datei. Ein Schalter soll stattdessen eine eigene MP3-Aufnahme verwenden können.
4. Bildmaterial: zuerst im lokalen Ordner assets/ nach passenden Dateien suchen,
   sonst optional über die Pexels-API (Key aus .env) laden und im Projekt cachen.
   Ohne Key einfarbige Karten mit dem Szenentitel als Platzhalter rendern.
5. Zusammenschnitt per ffmpeg: jede Szene so lang wie ihre Tonspur, sanfter
   Ken-Burns-Zoom, Crossfade als Übergang, Hintergrundmusik aus music/ auf
   minus 20 dB gemischt.
6. Untertitel aus Sprechtexten und Tonlängen erzeugen, als SRT ablegen und einbrennen.
Ausgabe: 1080p in 16:9 und 9:16, dazu eine report.md mit Szenenliste, Herkunft
der Assets und Gesamtlänge.
Jeder Schritt ist einzeln aufrufbar und cacht sein Ergebnis, damit ich nur die
geänderte Szene neu rendern muss.
Schreib eine README mit Installation, einem Beispiel von Markdown zu Video und
einem Abschnitt dazu, wie ich die Lizenzen des Bildmaterials im Blick behalte.