逐句时间
时间轴在这里就是一份逐句文本：每一行是从第几分几秒开始说的那一句。断句用停顿，不用标点。逗号句号只是转写带出来的，行与行之间的断开才是剪辑用的断句。发给用户时用表格，一句一行。
输入
一个视频、多个视频，或一个文件夹。文件夹里只处理视频文件。没有视频就停，不追问格式。
步骤
- 对每个视频运行：
python scripts/timeline.py 视频或文件夹 --out-dir 可选输出目录
不写 --out-dir 时，文件放在该视频旁边：原名.逐句.txt 给人看，原名.逐句.json 给后续使用。json 里每一句有开始、结束和字级时间，精确到 0.01 秒，文本不带标点。发给用户的表也是这个精度，例如 0:03.04。
- 回复里用命令打印的表格，一张表一个视频。每一句独占一行。先写视频名、逐句文件和 json 路径。
不变量
- 转写只用火山录音文件识别 2.0，资源
volc.seedasr.auc，按音频时长计费，标价 0.8 元/小时。执行前说明本批有几条、大约多少分钟。 - 音频从原片开头整段抽取。时长和原片相差超过 0.20 秒就停，不编造时间。
- 语气词保留。句中的标点删掉，不拿标点当断句。停顿够一句，或说话人变了，才另起一行。只有一个说话人时不写说话人编号。
- 不改原话，不剪辑，不生成剪映草稿。
停止
原片打不开、没有音轨、转写没有句子，或找不到火山凭证时停。凭证只从环境变量 VOLCENGINE_CREDENTIALS_FILE 或技能真源上两级的 work/secrets/volcengine.json 读取，不把密钥写进文件或回复。
