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_voice_timeline.py

@@ -11,6 +11,7 @@ import pytest
 
 from fcpxml.voice_timeline import (
     VOICE_TIMELINE_VERSION,
+    annotate_emotions,
     build_voice_timeline,
     enrich_words,
     load_voice_timeline,
@@ -60,6 +61,14 @@ class TestEnrichWords:
         assert all(w["energy_norm"] == 0.0 for w in enriched)
         assert all(w["pitch_delta"] == 0.0 for w in enriched)
 
+    def test_emotion_labels_are_added_when_enabled(self):
+        enriched = enrich_words(_TRANSCRIPT["words"], _PITCH, _ENERGY)
+        emotional = annotate_emotions(enriched, enabled=True, sensitivity=0.1)
+        loudest = max(emotional, key=lambda w: w["arousal"])
+        assert loudest["word"] == "seguranca"
+        assert loudest["emotion"] in {"excited", "tense", "neutral"}
+        assert 0.0 <= loudest["emotion_confidence"] <= 1.0
+
 
 class TestBuildVoiceTimeline:
     @pytest.fixture
@@ -74,6 +83,7 @@ class TestBuildVoiceTimeline:
         for key in ("version", "source", "language", "scales", "summary", "speakers", "segments"):
             assert key in timeline
         assert timeline["version"] == VOICE_TIMELINE_VERSION
+        assert "emotion" in timeline["layers"]
 
     def test_scales_document_every_word_metric(self, timeline):
         word = timeline["segments"][0]["words"][0]
@@ -106,6 +116,8 @@ class TestBuildVoiceTimeline:
         quiet_segment = timeline["segments"][0]
         assert loud_segment["avg_energy"] > quiet_segment["avg_energy"]
         assert loud_segment["peak_emphasis"] >= max(w["emphasis"] for w in loud_segment["words"])
+        assert "emotion" in loud_segment
+        assert "arousal" in loud_segment
 
     def test_peak_moments_are_sorted_by_emphasis(self, timeline):
         peaks = timeline["summary"]["peak_moments"]