feat(capcut-pipeline): 将 TTS 配音切换为 CosyVoice 并重构动画系统

- 将 TTS 引擎从 Qwen-TTS 切换为阿里云 CosyVoice（DashScope WebSocket）
- 输出格式从 WAV（24kHz）改为 MP3
- 重构图片动画分拆逻辑，支持组合动画（如"渐显+放大"）
- 移除字幕关键词高亮相关字段
- 移除已删除的 `uploadAudioToOSS` 函数，统一使用 `uploadToOSS`
- 更新文档和配置默认值以匹配新引擎

.claude/skills/capcut/SKILL.md

@@ -19,7 +19,7 @@ description: 剪映/CapCut 自动化。通过 CapCut Mate API 实现草稿创建
 
 ```
 1. npm 依赖            → cd .claude/skills/video-from-script/scripts && npm install
-2. TTS 配音            → 阿里云 Qwen-TTS（config.json 中配置 ttsApiKey）
+2. TTS 配音            → 阿里云 CosyVoice TTS（config.json 中配置 ttsApiKey）
 ```
 
 ---
@@ -81,7 +81,7 @@ digraph capcut_assembly {
 
   input [label="素材 + manifest.json", shape=folder, fillcolor="#e3f2fd"]
 
-  step1 [label="1. TTS 配音（可选）\nnode qwen-tts.js\n→ WAV + 时长"]
+  step1 [label="1. TTS 配音（可选）\ncosyvoice → MP3 + 时长"]
   step2 [label="2. 上传图片到 OSS\n本地图片 → 公网 URL"]
   step3 [label="3. 创建草稿\ncreate_draft\n→ draft_url"]
   step4 [label="4. 导入素材+音频+字幕+特效\nadd_images / add_videos\nadd_audios / add_captions\nadd_effects"]
@@ -146,15 +146,12 @@ digraph capcut_assembly {
 
 ## TTS 配音（成片模式用）
 
-使用阿里云 Qwen-TTS（Node.js），替代原 Edge-TTS。
+使用阿里云 CosyVoice TTS（通过 DashScope WebSocket），Pipeline 自动调用。
 
-```bash
-# 准备输入
-echo '{"segments":[{"id":1,"text":"文案"}],"voice":"Cherry","output_dir":"./audio"}' > input.json
-
-# 生成
-node .claude/skills/video-from-script/scripts/qwen-tts.js input.json
-# → stdout: {"segments":[{"id":1,"audio":"./audio/seg_001.wav","duration":3.456}]}
+```js
+// 作为模块调用
+const { synthesize } = require('./qwen-tts')
+const { filePath, duration } = await synthesize('你好世界', { voice: 'Cherry' })
 ```
 
 配置在 `skills/config.json`：`ttsApiKey`（必填）、`ttsModel`、`ttsVoice`、`ttsLanguage`。
@@ -195,19 +192,19 @@ node .claude/skills/video-from-script/scripts/qwen-tts.js input.json
 
 ## 图片动画预设
 
-| 动画 | 说明 | 适用 |
+| 动画名称 | 说明 | 适用 |
 |------|------|------|
-| Ken Burns (zoom-in) | 1.0→1.1 缓慢放大 | 默认 |
-| Ken Burns (pan-left) | 右→左平移 | 风景 |
-| Ken Burns (pan-right) | 左→右平移 | 风景 |
-| 缩放弹出 | 0.8→1.0 | 强调 |
+| 缩放 | 缓慢放大（默认） | 通用 |
+| 渐显+放大 | 淡入+放大组合 | 强调 |
+| 左平移 | 右→左平移 | 风景 |
+| 右平移 | 左→右平移 | 风景 |
 
 ---
 
 ## 质量要求
 
-- 字幕与文案对应正确，关键词高亮醒目
-- 图片动画流畅（Ken Burns 幅度 1.0→1.1）
+- 字幕与文案对应正确
+- 图片动画流畅
 - BGM 音量不盖过配音（配音为主、BGM 为辅）
 - 转场自然（无黑帧、无跳帧）
 - 底部字幕区不被遮挡

.claude/skills/capcut/references/assembly-guide.md

@@ -12,7 +12,7 @@
 1. CapCut Mate API 可达 → curl {config.capcutMateApiBase}/../docs
    - 部署在 capcut.muyetools.cn（配置在 skills/config.json）
 2. npm 依赖            → cd scripts && npm install
-3. TTS 配音            → 阿里云 Qwen-TTS（配置在 config.json 的 ttsApiKey）
+3. TTS 配音            → 阿里云 CosyVoice TTS（配置在 config.json 的 ttsApiKey）
 4. 同步到本地剪映       → 纯 Node.js（sync-to-jianying.js），无需 Python/uv
 ```
 
@@ -57,7 +57,7 @@ digraph assembly_flow {
   node [shape=box, style=filled, fillcolor="#f5f5f5", fontsize=11]
 
   input [label="素材 + manifest.json", shape=folder, fillcolor="#e3f2fd"]
-  step1 [label="1. TTS 配音（可选）\nnode qwen-tts.js\n→ WAV + 时长"]
+  step1 [label="1. TTS 配音（可选）\ncosyvoice → MP3 + 时长"]
   step2 [label="2. 上传图片到 OSS\n本地图片 → 公网 URL"]
   step3 [label="3. 创建草稿\ncreate_draft → draft_url"]
   step4 [label="4. 导入素材+音频+字幕+特效"]
@@ -75,15 +75,12 @@ digraph assembly_flow {
 
 ### 1. TTS 配音（可选）
 
-使用阿里云 Qwen-TTS 进行语音合成（Node.js，无需 Python）。
+使用阿里云 CosyVoice TTS 进行语音合成（通过 DashScope WebSocket，Node.js）。
 
-```bash
-# 准备输入 JSON
-echo '{"segments":[{"id":1,"text":"第一段文案"},{"id":2,"text":"第二段文案"}],"voice":"Cherry","output_dir":"./audio"}' > input.json
-
-# 批量生成
-node scripts/qwen-tts.js input.json
-# → stdout: {"segments":[{"id":1,"text":"...","audio":"./audio/seg_001.wav","duration":3.456}]}
+```js
+const { synthesize } = require('./qwen-tts')
+const { filePath, duration } = await synthesize('文案', { voice: 'Neil', outputDir: './audio' })
+// → ./audio/seg_001.mp3, duration: 3.456
 ```
 
 配置在 `skills/config.json`：
@@ -91,8 +88,8 @@ node scripts/qwen-tts.js input.json
 | 字段 | 说明 | 默认值 |
 |------|------|--------|
 | `ttsApiKey` | 阿里云百炼 API Key | （必填） |
-| `ttsModel` | 模型名称 | `qwen-tts` |
-| `ttsVoice` | 音色名称 | `Cherry` |
+| `ttsModel` | 模型名称 | `cosyvoice-v3.5-plus` |
+| `ttsVoice` | 音色名称 | 账号配置 |
 | `ttsLanguage` | 语言类型 | `Chinese` |
 
 推荐音色：
@@ -108,7 +105,7 @@ node scripts/qwen-tts.js input.json
 | `Neil` | 阿闻 | 新闻主持人 | 新闻、财经 |
 | `Bellona` | 燕铮莺 | 洪亮有力女声 | 热血、武侠 |
 
-所有音色均支持中英文，输出 WAV 格式（24kHz），URL 有效期 24 小时。
+所有音色均支持中英文，输出 MP3 格式（24kHz）。
 
 **作为模块调用**：
 
@@ -151,7 +148,7 @@ POST /create_draft  { width: 1080, height: 1920 }
 
 ```
 POST /add_images
-每张图片 3-5 秒，附带 Ken Burns 动画（缩放 1.0→1.1）
+每张图片 3-5 秒，附带动画（默认缩放）
 ```
 
 **视频模式** (`--mode videos`):
@@ -173,8 +170,7 @@ POST /add_audios
 
 ```
 POST /add_captions
-- 文案来自 manifest.json
-- 关键词高亮（account.json 中 subtitleStyle.highlightColor）
+- 文案来自 manifest.json（TTS 分句时按 segment 精确对齐）
 - 字体大小、颜色从账号配置读取
 ```
 
@@ -212,19 +208,18 @@ add_videos 提交 9+ 视频时可能触发网关 504。脚本自动降级：
 
 ## 图片动画预设
 
-| 动画类型 | 说明 | 适用场景 |
+| 动画名称 | 说明 | 适用场景 |
 |---------|------|---------|
-| Ken Burns (zoom-in) | 从 1.0 缓慢放大到 1.1 | 默认，适合大多数场景 |
-| Ken Burns (pan-left) | 画面从右向左平移 | 风景、全景 |
-| Ken Burns (pan-right) | 画面从左向右平移 | 风景、全景 |
-| 缩放弹出 | 从 0.8 弹到 1.0 | 强调、冲击感 |
+| 缩放 | 缓慢放大 | 默认，适合大多数场景 |
+| 渐显+放大 | 淡入+放大组合 | 强调、冲击感 |
+| 左平移 | 右→左平移 | 风景、全景 |
+| 右平移 | 左→右平移 | 风景、全景 |
 
 ---
 
 ## 质量检查
 
 - [ ] 字幕与文案对应正确
-- [ ] 关键词高亮颜色醒目
 - [ ] 图片动画流畅（无卡顿）
 - [ ] BGM 音量与配音平衡
 - [ ] 转场自然（无黑帧）