合成先のα値を考慮しなくていいのなら、
立ち絵同士を一度作業用ビットマップに半透明アルファ合成したあと、
その結果を背景にアルファ合成するのが一番簡単だと思うよ。
α値を考慮する場合は合成関数が複雑（で低速）になるけど、
素直に背景から順に描画できるから、クロスフェード自体は単純にできる。
フォトショップのレイヤ合成式とかが参考になるかも。
まぁ階層レイヤのサポートとかがないのなら前者でいいと思うが。

ところで、テキストの遅延描画ってどう扱ってる？
今の仕様だと、レイヤへの画像処理は一度内部でキューイングして、
フレーム更新時に一括描画するようになってるんだけど、
ノベルでテキスト描画が30FPSや60FPSじゃちと遅すぎる。
だからといってテキストだけ例外扱いするのも汚いし……。
レイヤへのテキスト描画→親レイヤを更新→画面を更新
というパイプラインを考えていたんだけど。