feat: etapa 5 do assistente — revisão de ênfases com timeline

Transforma a etapa "colar decisões" numa tela de lapidação: a sugestão da
IA chega carregada e o editor afina frase a frase o que é ênfase e o que
fica fora. Essa marcação é o norte da etapa 6 — só as frases com ênfase
recebem zoom e legenda dinâmica; as demais ficam com legenda comum.

O campo de colar o JSON sobe para a etapa 4, então a numeração das etapas
não muda e a etapa 6 segue intacta.

Backend (fcpxml/phrase_review.py):
- build_phrase_review funde o _voice_timeline.json com as actions da IA
- trim por frase que anda em fronteira de palavra; corte parcial da IA
  chega como trim em vez de ser arredondado fora
- phrase_review_to_actions volta a cuts/zooms + emphasis_spans
- merge_saved_decisions reaplica só as decisões salvas sobre uma revisão
  remontada da análise atual, para reprocessar a voz não ficar mascarado
- resolve_source acha a mídia: o voice timeline guarda só o nome do arquivo

App (SwiftUI):
- layout de sala de edição: preview em cima, inspector à direita, timeline
  atravessando embaixo com seis trilhas rotuladas
- preview enquadra no formato de entrega lido do .fcpxml (fonte horizontal,
  projeto vertical), com alternância para a mídia original
- reprodução pula os trechos removidos e para no fim do trecho
- zoom manual por trecho marcado, sem guardar escala: a forma vem das
  configurações de Análise de Voz no render
- emoção da fala exposta por frase

Correções encontradas no caminho:
- VideoPlayer (AVKit) aborta em runtime no app compilado por swiftc;
  trocado por AVPlayerLayer (ver Engine/docs/05_EXPERIENCIAS.md #22)
- teste que ainda afirmava o default zoom scale=1.3 removido do parser (#21)

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

code/fcpxml/voice_actions.py

@@ -82,21 +82,36 @@ def _validate_one(raw: Any, index: int) -> Tuple[Optional[VoiceAction], str]:
     params = dict(params) if isinstance(params, dict) else {}
 
     if kind == "zoom":
-        try:
-            scale = float(params.get("scale", 1.3))
-        except (TypeError, ValueError):
-            return None, f"{where}: zoom scale must be a number"
-        if not (MIN_ZOOM_SCALE <= scale <= MAX_ZOOM_SCALE):
-            return None, (
-                f"{where}: zoom scale {scale} outside {MIN_ZOOM_SCALE}-{MAX_ZOOM_SCALE}"
-            )
-        params["scale"] = scale
+        if "scale" in params and params.get("scale") is not None:
+            try:
+                scale = float(params["scale"])
+            except (TypeError, ValueError):
+                return None, f"{where}: zoom scale must be a number"
+            if not (MIN_ZOOM_SCALE <= scale <= MAX_ZOOM_SCALE):
+                return None, (
+                    f"{where}: zoom scale {scale} outside {MIN_ZOOM_SCALE}-{MAX_ZOOM_SCALE}"
+                )
+            params["scale"] = scale
 
     if kind == "text":
         content = str(params.get("content", "")).strip()
         if not content:
             return None, f"{where}: text action needs params.content"
         params["content"] = content[:MAX_TEXT_LENGTH]
+        # Style is optional — omitted fields fall back to the "Legendas
+        # Dinâmicas" emphasis style at apply time (see _apply_placed_action),
+        # so a callout matches the captions' look without the caller having
+        # to know or repeat that configuration. Anything given here wins.
+        for key in ("font", "font_color", "face"):
+            if key in params and not isinstance(params[key], str):
+                del params[key]
+        if "font_size" in params:
+            try:
+                params["font_size"] = int(params["font_size"])
+            except (TypeError, ValueError):
+                del params["font_size"]
+        if "bold" in params:
+            params["bold"] = bool(params["bold"])
 
     return (
         VoiceAction(