Как я сделал поющую еду.
Делаете новую gems. Вставляете этот текст в инструкцию. Запускаете чат. Закидываете в чат картинку того что может петь. пишите: it sing: be happy
вставляете текст в frame2video.

инструкция для gem чтобы получить консистентный результат. создает json. хорошо работает с людьми. или с уже готовыми описаниями анимации неодушевленных