feat(voz): legenda por ênfase, forced align, IA local e correções de zoom/revisão

Trabalho da branch feat/revisao-enfases: pipeline de edição por voz ganha
alinhamento forçado (whisperx), roteirização por LLM local (Ollama), e a
etapa 5 (revisão de frases) passa a refletir de verdade o que é aplicado.

- generate_subtitles_by_emphasis: legenda comum cobre o clipe inteiro,
  legenda dinâmica só nas frases de ênfase, e a comum é desativada
  (enabled="0") onde a dinâmica cobre, em vez de nunca ser gerada ali.
- validate_subtitle_layout ignora títulos com enabled="0" — corrige falso
  positivo de colisão contra o que está desativado no lugar dele.
- Corrige zoom/marcador sendo descartado quando a borda encosta exatamente
  no início de um corte.
- Etapa 5 do Assistente: recarrega quando as decisões da IA mudam (com
  fresh=true, ignorando a revisão salva antiga) — resolve a dessincronia
  entre "ativa" na tela e o que já foi cortado no FCPXML.
- Etapa "Processar" reaplica as decisões da revisão (_phrase_actions.json)
  antes da cadeia de remoção de silêncio/legendas — antes, desativar uma
  frase na etapa 5 não tinha efeito nenhum no vídeo final.
- Etapa "Concluído" fundida em "Processar" — abrir no Final Cut/Finder
  aparece assim que termina, sem slide extra.
- Palavra clicável na etapa 5 agora funciona como toggle (clique de novo
  desfaz) e mostra a própria ênfase (sublinhado colorido + peso da fonte).
- fcpxml/forced_align.py, fcpxml/llm_local.py, ai_edit.py: alinhamento
  fonético via whisperx e roteirização local via Ollama/Gemma.

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

admin/models_api.py

@@ -68,6 +68,27 @@ Commands:
         -> {"ok": true, "review_path", "actions_path", "emphasis_count",
             "removed_count"}
 
+    generate_voice_script {"media_path": "...", "voice_timeline": "...", "filepath": "...",
+                           "model": "gemma3:12b", "base_url": "http://localhost:11434",
+                           "model_size": "base", "language": "pt"|"auto"|null,
+                           "hf_token": "..."|null, "num_speakers": ""|null,
+                           "output_dir": "...", "apply_to_fcpxml": true}
+        The WHOLE voice-edit pass run INSIDE the engine against a LOCAL model
+        (Ollama running Gemma 3 / Llama) — no wizard, no copy-paste. If
+        `voice_timeline` is given (the analysis from an earlier step), it is
+        reused and the transcription/acoustics are skipped; otherwise
+        `media_path` is transcribed and analyzed. Then the local model directs
+        the edit -> returns the readable script (roteiro) + the action JSON,
+        and optionally applies to `filepath` (FCPXML, non-destructive).
+        -> {"ok": true, "message", "roteiro_path", "actions_path", "applied_path"}
+           or {"ok": false, "error": "..."}
+
+    list_ollama_models {"base_url": "http://localhost:11434"}
+        Lists the models Ollama currently serves, for the app's model picker
+        in step 4 (generate script by local AI). Empty list if Ollama is
+        unreachable, so the UI falls back to a free-text field.
+        -> {"ok": true, "models": ["gemma3:12b", ...]}
+
     dynamic_subtitle_config {}
         -> {"ok": true, "band_height", "block_center_y", "line_gap", "font",
             "font_size", "emphasis_font", "emphasis_face", "emphasis_size",
@@ -220,6 +241,8 @@ def main() -> int:
         "plain_subtitle_config": subtitles.cmd_plain_subtitle_config,
         "set_plain_subtitle_config": subtitles.cmd_set_plain_subtitle_config,
         "apply_voice_actions": voice.cmd_apply_voice_actions,
+        "generate_voice_script": voice.cmd_generate_voice_script,
+        "list_ollama_models": voice.cmd_list_ollama_models,
         "build_phrase_review": review.cmd_build_phrase_review,
         "save_phrase_review": review.cmd_save_phrase_review,
         "project_config": project.cmd_project_config,