feat: removido o tamanho do modelo do seletor da tela Editar vídeo

- removido o tamanho do modelo do seletor da tela Editar vídeo
- acelerada a transcrição do Scanner com inferência Whisper em lote e cache de hashes
- garantido um resultado separado para cada clipe de áudio selecionado no Scanner
- adicionado cancelamento do processamento do Scanner pela barra de progresso
- exibido estado visual próprio para Scanner cancelado na barra de progresso
- reorganizada a tela Scanner em blocos separados de imagem e som

Resumo:
- 7 arquivos alterados
- 1 novos
- 6 modificados
- 0 removidos

 6 files changed, 92 insertions(+), 40 deletions(-)

Arquivos:
  - .jhonny/analises.db
  - code/cep-plugin/index.html
  - code/cep-plugin/main.js
  - code/cep-plugin/styles.css
  - code/engine/integracoes/whisper/provider_de_transcricao_local.py
  - code/engine/scanner/transcricao_da_timeline.py
  - code/engine/testes/test_provider_de_transcricao_local.py

code/engine/testes/test_provider_de_transcricao_local.py

@@ -0,0 +1,62 @@
+"""Testes do provider local de transcrição em lote."""
+
+import sys
+import tempfile
+import types
+import unittest
+from pathlib import Path
+from types import SimpleNamespace
+from unittest.mock import patch
+
+from engine.integracoes.whisper import ProviderDeTranscricaoLocal
+
+
+class TesteDoProviderDeTranscricaoLocal(unittest.TestCase):
+    """Verifica a configuração e a conversão dos segmentos do provider."""
+
+    def test_usa_pipeline_em_lote_com_vad_e_timestamps_de_palavras(self):
+        """Mantém as opções de qualidade ao usar inferência em lote."""
+        chamadas = {}
+
+        class ModeloFalso:
+            """Representa o modelo externo durante o teste."""
+
+            def __init__(self, *argumentos, **opcoes):
+                chamadas["modelo"] = (argumentos, opcoes)
+
+        class PipelineFalso:
+            """Representa o pipeline em lote durante o teste."""
+
+            def __init__(self, model):
+                chamadas["pipeline_modelo"] = model
+
+            def transcribe(self, *argumentos, **opcoes):
+                chamadas["transcricao"] = (argumentos, opcoes)
+                palavra = SimpleNamespace(word="Olá", start=0.0, end=0.5, probability=0.99)
+                segmento = SimpleNamespace(start=0.0, end=0.5, text=" Olá ", words=[palavra])
+                return iter([segmento]), SimpleNamespace(duration=0.5)
+
+        modulo_falso = types.SimpleNamespace(
+            BatchedInferencePipeline=PipelineFalso,
+            WhisperModel=ModeloFalso,
+        )
+        with tempfile.TemporaryDirectory() as pasta:
+            arquivo = Path(pasta) / "audio.wav"
+            arquivo.write_bytes(b"audio")
+            with patch.dict(sys.modules, {"faster_whisper": modulo_falso}):
+                provider = ProviderDeTranscricaoLocal("small", tamanho_do_lote=8)
+                resultado = provider.transcrever(SimpleNamespace(arquivo=str(arquivo)))
+
+        self.assertEqual(resultado[0].texto, "Olá")
+        self.assertEqual(chamadas["transcricao"][1]["batch_size"], 8)
+        self.assertTrue(chamadas["transcricao"][1]["vad_filter"])
+        self.assertTrue(chamadas["transcricao"][1]["word_timestamps"])
+
+    def test_rejeita_tamanho_de_lote_invalido(self):
+        """Impede configuração silenciosa de um lote inválido."""
+        with self.assertRaises(ValueError):
+            ProviderDeTranscricaoLocal("small", tamanho_do_lote=0)
+
+
+if __name__ == "__main__":
+    unittest.main()