Мне кажется, композицию придумывал и озвучивал человек, а генерировал ИИ. Типа "осьминог на обеденном столе", а не "ни рыба ни мясо". И "мужчина в лесу рядом со сломанной машиной и медведем", а не "беда не приходит одна"

Ну так, правильно, что не верится. Изображения рисовались по иным запросам, а уже к готовым картинкам потом добавили просторечия.