Um clipe sem som não é uma narração
O movimento visual pode transmitir uma cena sem reproduzir palavras faladas. Não considere o fato de um personagem parecer estar falando como evidência de que o clipe inclui diálogo.
Solução alternativa
Escreva a fala pretendida separadamente e confirme se o fluxo de trabalho de áudio escolhido pode produzi-la.