Mastodon es para texto, Peertube para vídeos.
Si quieres texto, te suscribes a perfiles de Mastodon, si quieres vídeos, a los de Peertube.
Si mezclas ambas cosas, eso sólo va a gustar a los que les es indiferente.
Aparte, a veces te apetece, o estás usando un dispositivo o en una situación que favorece más un tipo de contenido o el otro.
Y no olvidemos a gente con discapacidades. Imagino que a alguien que tenga problemas de visión le va a hacer tanta gracia recibir un vídeo puramente visual como a un sordo recibir un mensaje de audio. Al menos, a las imágenes les solemos poner texto alternativo.
Personalmente, el formato vídeo está bien para ver ficción o según qué reportajes; pero para todo lo demás son un dolor, porque siempre me obligan a ir más rápido o más despacio de lo que quisiera, demandan más atención y más continuada, y son infinitamente menos flexibles que el texto.
Con decirte que el 90% de los audios que me mandan al móvil ni los abro, te lo he dicho todo.