用意するものとしては
背景画像
ミニキャラなどの装飾画像
解説に合わせたアニメのスクリーンショット
バックサウンド
声の録音
字幕の入力

工程としては
背景画像はタイムラインの最初から最後まで
タイムライン上に声の録音を乗せて
音声に合わせてアニメのスクショとフリー素材の画像と字幕を切り替えてく

かなりの頻度で画像が変わってるから素材の量が必要
2秒〜5秒くらいで変わってるから6分の動画で大体120枚くらい要るな

その画像自体も素材を貼り合わせたり文字入れたり加工作業が必要

トータル的な工数は結構多い
まぁでも何言ってるか分からんと思う
編集ソフトを触ってみないことにはな