feat: corrigido o KeyError 'totalTracks' no cliente MCP: extração

- corrigido o KeyError 'totalTracks' no cliente MCP: extração de structuredContent.data na resposta do servidor (SDK 2.0+)
- sincronizado cortes de vídeo e áudio usando razor_all_tracks em vez de split_clip por faixa, eliminando drift entre cortes
- atualizado hook para usar razor_all_tracks, isolando vídeo e áudio no mesmo instante
- adicionado simulador razor_all_tracks no dublê de teste

Resumo:
- 5 arquivos alterados
- 0 novos
- 5 modificados
- 0 removidos

 5 files changed, 264 insertions(+), 12 deletions(-)

Arquivos:
  - .jhonny/analises.db
  - code/engine/editor/aplicador_de_plano_de_edicao.py
  - code/engine/editor/escrita/escrita_no_editor.py
  - code/engine/integracoes/visual/apple_vision_runner.swift
  - code/engine/testes/duplos_de_premiere.py

code/engine/integracoes/visual/apple_vision_runner.swift

@@ -560,7 +560,64 @@ func descreverEvidencia(_ evidencia: Evidencia) -> String {
     }
 }
 
+/// Classificação de ambiente extraída das evidências visuais.
+/// Usado pelo Foundation Models para categorizar o cenário do frame.
+struct ClassificacaoAmbiente: Encodable {
+    let ambiente: String
+    let confianca: Double
+    let evidencias_chave: [String]
+}
+
+/// Taxonomia de ambientes para classificação editorial.
+/// Cada ambiente tem descrição de características visuais que o Foundation Models deve procurar.
+enum TaxonomiaAmbientes {
+    static let instrucoes = """
+    Você identifica o ambiente de cenas de vídeo. Analise as evidências visuais fornecidas \
+    e classifique o ambiente segundo a taxonomia abaixo. Responda APENAS com JSON válido.
+
+    TAXONOMIA DE AMBIENTES:
+    - centro_cirurgico: pessoas com touca/avental/máscara/camisinha cirúrgica, cores branco/azul cirúrgico, \
+    mesa cirúrgica, luzes de sala de operação, monitores cardíacos, instrumentos cirúrgicos, campo estéril verde/azul.
+    - consultorio: mobiliário médico simples, mesa de exame, quadro na parede, equipamento clínico de escritório.
+    - hospital_ambiente: corredor hospitalar, leito, roupa de paciente, enfermeiros, soro, monitor.
+    - laboratorio: microscópio, tubos de ensaio, centroides, bancada com reagentes, jaleco branco.
+    - escritorio: mesa de trabalho, computador, cadeira ergonômica, estantes, iluminação artificial.
+    - sala_reuniao: mesa comprida, cadeiras ao redor, projetor/tela, quadro branco.
+    - externo_urbano: rua, edifícios, trânsito, calçada, céu aberto.
+    - externo_natural: árvores, gramado, água, montanha, praia, campo.
+    - studio: fundo neutro/escuro, iluminação profissional, equipamento de gravação.
+    - industria: maquinário, linha de produção, capacete, colete, ambiente fabril.
+    - domesticos: sala, cozinha, quarto, mobiliário residencial, iluminação caseira.
+    - academia: equipamentos de musculação, esteira, peso, pessoa se exercitando.
+    - outro: qualquer ambiente que não se encaixe nas categorias acima.
+
+    REGRAS:
+    1. Analise as evidências visuais (pessoas, roupas, objetos, texto OCR, categorias Vision).
+    2. Identifique os 2-3 indícios mais fortes para a classificação.
+    3. Atribua confiança de 0.0 a 1.0 baseada na força dos indícios.
+    4. Se houver texto OCR relevante (placas, placas de identificação), use como evidência forte.
+    5. Não invente informações não presentes nas evidências.
+    """
+
+    static let promptClassificar = """
+    Classifique o ambiente deste frame de vídeo com base nas evidências visuais fornecidas.
+    Responda APENAS com JSON no formato: {"ambiente": "categoria", "confianca": 0.0-1.0, "evidencias_chave": ["evidência 1", "evidência 2"]}
+    """
+}
+
 func interpretar(_ saida: Saida) async -> String? {
+    guard SystemLanguageModel.default.isAvailable else { return nil }
+    let fatos = saida.evidencias.map(descreverEvidencia).joined(separator: "; ")
+    guard !fatos.isEmpty else { return nil }
+    do {
+        let sessao = LanguageModelSession(instructions: TaxonomiaAmbientes.instrucoes)
+        let resposta = try await sessao.respond(to: "\(TaxonomiaAmbientes.promptClassificar)\n\nEvidências visuais: \(fatos)")
+        return resposta.content
+    } catch { return nil }
+}
+
+/// Interpretação editorial legível (frase curta) — mantida para compatibilidade.
+func interpretarFrase(_ saida: Saida) async -> String? {
     guard SystemLanguageModel.default.isAvailable else { return nil }
     let fatos = saida.evidencias.map(descreverEvidencia).joined(separator: "; ")
     guard !fatos.isEmpty else { return nil }