К таким картинкам ещё большой вопрос какие модели могут их делать и какие ещё вспомогательные инструменты для них используются. Потому что получить, например, ястреба из кристаллов очень тяжело, нейросеть рисует отдельно птицу, отдельно кристаллы. И боке просто размывает задний фон, фигура в фокусе не начинает состоять из шариков. Ну и со всеми остальными схожая ситуация.
Ну и вообще было бы круче на порядок, видео было бы сильнее, если бы ты рисовал то, о чем рассказываешь и добивался описываемого эффекта в демонстрации в процессе.
уже неплохо, ему надо сценарий писать заранее а так же избавиться от слов паразитов (междометий) и немного поучится как это делают на англо язычных каналах.