https://pixelorama.org/ (Damit habe ich es auf 100x100 Pixel gesetzt. Beim Export habe ich mp4 mit Nearest und es auf 1000x1000 hochscalliert. )
https://luvvoice.com/ - als Sprache (TTS)
"Pixel art" im Internet gesucht und inspirieren lassen.

Aber, man muss für fast jede neues Aussehen neu Zeichen. Das ist lange Arbeit. Pixelorama hat aber auch nur begrenzte Funktionen.

Krita geht nicht, weil Krita keine mehrere Audiospuren zulässt.
Bei Blender muss du diese Figuren erstellen, oder aus dem Internet herunterladen, die cc0 sind. Aber das animieren ist schwer und man hat nicht die ganze Kontrolle darüber. Vielleicht gibt es dort Tricks, wie man es trotzdem benutzen kann, ist aber schwer zu finden.