Você pode fazer isso com o ffmpeg usando o zoompan filter . Você precisaria descobrir uma expressão matemática complexa que calcularia o zoom necessário (valor z ) e pan (valores x e y ) para qualquer ponto no tempo.
Também encontrei diascope , que é uma ferramenta dedicada para criar apresentações de slides a partir da linha de comando. Ele tem um recurso de estilo do Ken Burns . O código não foi atualizado há algum tempo - espero que funcione com o ffmpeg recente. Ainda não foi capaz de experimentá-lo.