Какие использовать инструменты для создания динамического видео программно?

Есть задача генерации программной генерации видеофайла по данным.

На входе есть некие данные, например список слов/изображений, привязанных ко времени. Необходимо создать сцену, разместить там объекты, согласно данным, менять их с течением времени, анимировать, добавить аудио и вывести результат в файл.

Рассматривал вариант с рисованием на canvas api браузера в headless режиме (есть много либ для рисования) и через puppeteer захват скриншотов и генерация видео. Но появляются проблемы с аудио, с привязкой времени внутри веб приложения к фреймам видео из-за возможных подвисаний. И вообще этот подход с web view кажется костыльным.

Хотелось узнать тулы, которые являются best practice в этой сфере и как в идеальном случае это решается.