Wieso machst du keine Untertitel bei den Videosequenzen,dann sparst du dir die Textboxen,oder andere Lösung:

Du machst eine Szene im RPG Maker und lässt sie im Spiel abspielen. Das nimmst du dann mit einem Aufnahmeprogramm(etwa Fraps) auf.
Mit einen gescheiten Videoschnittprogramm schneidest du dann die Szene mit diesem Musikvideo zusammen oder machst solche Szene a la "24" oder wie du das dir auch immer vorstellst