按你描述的需求，最值得先试的是 InVideo 的 Agent 模式（Agent One）。它更接近“把脚本和素材交给一个制作团队”：可以读项目资料和参考视频，拆解脚本、做分镜，再生成镜头、配旁白和音乐，并在项目里保留上下文。
但要把预期放准：这类工具目前还不能保证“看懂所有素材、准确判断每一段该放在哪里，然后一次成片”。上传自己的图片和视频后，仍要明确告诉它哪些素材必须用、对应哪段内容，并检查它是否放对了位置。
可以这样筛：
- InVideo Agent：最符合你说的整套流程。 适合先给完整脚本、产品资料和素材，再让它拆分镜头、标注每段用哪份素材、哪些地方需要补生成或找素材。生成前先审分镜和素材映射，别让它直接从脚本一键出片。
- Pictory：适合脚本配图库素材的讲解视频。 它能按文字匹配图库镜头，也能上传自己的素材，但更像“脚本转分镜，再由你逐段调整”；你担心的语义错配，在这类自动匹配里仍可能发生。Pictory 的脚本转视频流程
- Runway、Veo：更适合生成单个高质量镜头。 它们能根据文字和参考图或视频生成片段，但不是你描述的完整脚本理解、素材归位和成片流程。Runway 支持把图片、视频、音频作为生成参考；Veo 3.1 支持用参考图片引导视频内容。
我的建议是先拿一条真实脚本和一小批真实素材，试 InVideo Agent，而不是先买年费。 让它先只交付“逐句分镜表”：每句旁白对应什么画面、使用哪份已有素材、缺什么画面、补生成还是找图库。你确认分镜准确后，再让它出片。测试时重点看它能否识别素材内容（包括画面里的文字）、能否把生产线和握手分别放到对应语句，以及你指出错配后能否按要求修改。
如果它在这个小样上仍把素材乱放，那目前就没有理由相信付更贵的费用能解决核心问题。Pictory 这类偏自动配图库的工具，大概率也不是你的最佳选择。注意这些服务的地区可用性、付款方式和上传素材政策可能不同，注册前先核实。