@Bruiserzinha Não sei dizer, depende se você quer só a fala ou a fala e uma imagem. Se for só a fala, no anime é simples: pega um arquivo aleatório, filtra as falas usando algum método mais simples (tamanho das falas, regex, pontuação, etc), sorteia umas cinco das que sobrarem e joga em um modelo de linguagem natural (LLM ou classificação) para filtrar a que faz menos sentido fora do contexto.
No caso de um mangá, teria que extrair as falas. No caso de um anime, é só um monte de arquivo .ass, eu fiz um parser para esse formato (https://npmjs.com/package/@qgustavor/ass-parser).
Se tiver que ter imagens, ainda assim acho mais fácil com animes: não precisa extrair as falas. O complicado seria ter que pegar a imagem: com o DRM novo, pegar na CR é muito chato, teria que torrentear.