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/tests/test_transcribe.py

@@ -40,7 +40,7 @@ WORDS = [
     w("the", 2.5, 2.6),
     w("show", 2.65, 3.0),
     w("is", 3.05, 3.15),
-    w("um", 3.2, 3.5),
+    w("uh", 3.2, 3.5),
     w("great.", 3.6, 4.0),
 ]
 
@@ -60,7 +60,7 @@ class TestNormalizeWord:
 class TestFindPhraseSpans:
     def test_single_word_multiple_hits(self):
         spans = find_phrase_spans(WORDS, "um")
-        assert spans == [(0.4, 0.6), (3.2, 3.5)]
+        assert spans == [(0.4, 0.6)]
 
     def test_multi_word_phrase(self):
         spans = find_phrase_spans(WORDS, "welcome to the show")
@@ -84,9 +84,13 @@ class TestFindPhraseSpans:
 class TestFindFillerSpans:
     def test_default_fillers(self):
         spans = find_filler_spans(WORDS)
-        assert (0.4, 0.6) in spans
+        assert (0.4, 0.6) not in spans
         assert (3.2, 3.5) in spans
 
+    def test_um_can_still_be_explicit(self):
+        spans = find_filler_spans(WORDS, fillers=("um",))
+        assert spans == [(0.4, 0.6)]
+
     def test_multi_word_filler(self):
         spans = find_filler_spans(WORDS, fillers=("you know",))
         assert spans == [(2.0, 2.4)]
@@ -96,7 +100,10 @@ class TestFindFillerSpans:
         assert spans == sorted(spans)
 
     def test_defaults_are_conservative(self):
-        # "like" and "so" are speech, not noise — must not be default-cut.
+        # "um", "uma", "like" and "so" are speech, not noise — must not be
+        # default-cut.
+        assert "um" not in DEFAULT_FILLERS
+        assert "uma" not in DEFAULT_FILLERS
         assert "like" not in DEFAULT_FILLERS
         assert "so" not in DEFAULT_FILLERS
 
@@ -269,11 +276,12 @@ class TestRemoveFillerWordsHandler:
         assert "_defillered" in result[0].text
 
         segments = _spine_segments(str(tmp_path / "project_defillered.fcpxml"))
-        # um (0-0.5) trims the clip head, uh (3-3.5) splits -> 2 segments, ~7s total
+        # Only uh (3-3.5) is removed by default; Portuguese "um" is preserved
+        # because it is often grammatical speech ("de um jeito").
         assert len(segments) == 2
         total = sum(c.duration.seconds for c in segments)
-        assert total == pytest.approx(7.0, abs=0.1)
-        assert segments[0].source_start.seconds == pytest.approx(0.5, abs=0.05)
+        assert total == pytest.approx(7.5, abs=0.1)
+        assert segments[0].source_start.seconds == pytest.approx(0.0, abs=0.05)
         assert segments[1].source_start.seconds == pytest.approx(3.5, abs=0.05)
 
     async def test_no_fillers_found_saves_nothing(self, tmp_path):