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