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>

code/fcpxml/voice_timeline.py

@@ -512,6 +512,7 @@ def build_voice_timeline(
     emphasis_floor: float = 0.25,
     emotion_enabled: bool = False,
     emotion_sensitivity: float = 0.5,
+    rotation: float = 0.0,
     progress_cb: Optional[Callable[[float, str], None]] = None,
 ) -> dict:
     """Build the consolidated voice timeline for one media file.
@@ -545,6 +546,10 @@ def build_voice_timeline(
     return {
         "version": VOICE_TIMELINE_VERSION,
         "source": Path(media_path).name,
+        # Edit-time correction from the clip's Transform filter in the FCPXML
+        # (e.g. straightening a tilted phone shot) — 0.0 when the clip has none
+        # or the caller didn't resolve one.
+        "rotation": rotation,
         "language": transcript.get("language", ""),
         # What actually ran, not what was installed — a consumer must be able
         # to tell "this speech is flat" from "the acoustics never loaded",
@@ -554,6 +559,7 @@ def build_voice_timeline(
             "acoustics": pitch_track is not None or energy_track is not None,
             "speakers": tracks is not None,
             "emotion": bool(emotion_enabled),
+            "alignment": bool(transcript.get("alignment")),
         },
         "scales": VALUE_SCALES,
         "summary": _summary(