refactor(video-pipeline): 移除 segments 机制，改为整段音频合成

移除 TTS 阶段逐句切分及 segments 数组逻辑，统一为整段音频合成。
CapCut 字幕切分由组装阶段按字符比例分配，简化音频上传、
时间线构建和字幕生成流程，减少冗余处理分支。

accounts/军事账号/prompts/分镜.md

@@ -154,41 +154,11 @@ geometry. The balance of power broke the same moment
 the geometry did.
 ```
 
-## 六、3秒钩子规则（Shot 1 强制）
-
-短视频前 3 秒决定用户是否留下。**Shot 1 必须是钩子，不是铺垫。**
-
-### 钩子策略
-
-| 策略 | 说明 | 示例 |
-|------|------|------|
-| **结论前置** | 从原文结尾或核心金句中提取最具冲击力的结论，直接放在开头 | "你混得不好，不是因为你太善良。" |
-| **认知冲突** | 一句话打破用户常识，制造"凭什么这么说"的好奇心 | "这个世界不奖励好人，也不惩罚坏人。" |
-| **身份挑衅** | 直接点中目标受众的身份焦虑 | "你把80%的认知带宽，花在了管理别人对你的评价上。" |
-
-### 钩子 shotDesc 规范
-
-- **画面必须有视觉冲击力**：不用背影、走廊等铺垫画面；用裂开的盾牌、燃烧的铁器、破碎的对称等"破坏感"画面
-- **构图禁止大面积留白**：留白是铺垫用的，钩子要"满"或"炸"
-- **文案 ≤ 20 字**：一句话讲完，不留悬念尾巴
-- **时长 4-5 秒**：钩子要短、狠、快
-
-### 禁止的钩子写法
-
-- "大多数人..."、"你有没有想过..." — 设问式开头太慢
-- 纯铺垫画面（空走廊、远背影）— 3 秒内没有视觉锚点
-- 超过 20 字的钩子文案 — 用户来不及看完就划走了
-
-### 钩子之后的 Shot 2
-
-钩子说完冲击性结论后，Shot 2 负责"收回来"引入正文：
-> Shot 1（钩子）："你混得不好，不是因为太善良。" → Shot 2（引入）："为什么？让我拆给你看。" → Shot 3 起按原文顺序展开
-
-## 七、切割规则
+## 六、切割规则
 
 切割分两层：第一层按语义场景做宏观切分（两种模式通用），第二层按气口做微观切分（视频成片专用）。
 
-### 7.1 第一层：语义场景切割（两种模式通用）
+### 6.1 第一层：语义场景切割（两种模式通用）
 
 以语义场景转折为切割依据，不按句号机械切割。
 
@@ -200,7 +170,7 @@ the geometry did.
 | 节奏重音 | 强调句、停顿感强、关键意象出现 |
 | 语义完整（仅图文） | 该段表达一个完整观点或例子 |
 
-### 7.2 第二层：气口切割（视频成片专用）
+### 6.2 第二层：气口切割（视频成片专用）
 
 **视频成片在完成语义场景切割后，必须在每个语义场景内部进行第二轮气口切割。**
 
@@ -241,14 +211,14 @@ the geometry did.
 - ❌ 丢弃原文的论证、例子、细节来"节省字数"
 - ❌ 跨语义场景合并——气口切割只在同一个语义场景内部进行
 
-### 7.3 字数上限速查
+### 6.3 字数上限速查
 
 | 模式 | 每段字数 | 说明 |
 |------|---------|------|
 | 图文成片 | 50 字左右 | 一帧讲透一个观点 |
 | 视频成片 | 8–22 字 | 气口自然长度，长句必须拆为连续 Shot |
 
-### 7.4 时长控制
+### 6.4 时长控制
 
 - **图文成片：** 每条 Shot 4-10 秒，跟随旁白节奏，完整表达一个观点
 - **视频成片：** 每条 Shot 3-7 秒，目标 5 秒，匹配视频片段长度
@@ -402,18 +372,18 @@ an unseen object — darkness conceals what passes between the two figures"
 
 ## 八、directorRef 选择规则
 
-每个 Shot 根据旁白语义和画面特征选定一位导演：
+**每个分镜方案统一使用一位导演**，所有 Shot 的 directorRef 保持一致。在生成分镜前，根据文案整体气质选定一位导演，贯穿始终。
 
-| 选 Tarantino | 选 Kitano | 选 Fincher |
-|-------------|-----------|------------|
-| 需要身体局部特写 | 需要大面积留白和静止感 | 需要精确控制感和对称破坏 |
-| 对话权力博弈场景 | 孤独、边缘化、等待场景 | 规律揭示、人性解剖视角 |
-| 日常物件暗藏张力 | 空镜、余韵、收尾 | 审讯感、不可逃脱的压迫 |
-| 旁白有「潜台词解码」结构 | 旁白有「沉默」「位置」「等待」 | 旁白有「逐帧拆」「拆解者视角」 |
+| 导演 | 适合的文案气质 |
+|------|-------------|
+| Tarantino | 微行为解码、潜台词密集、身体局部叙事、张力积压 |
+| Kitano | 孤独、等待、沉默中的对峙、留白冲击、收尾余韵 |
+| Fincher | 规律揭示、拆解者视角、对称破坏、审讯感、不可逃脱的压迫 |
 
-**模式倾向：**
-- **视频成片**优先 Tarantino（微行为动势强）、Fincher（细节暗示运动）
-- **图文成片**优先 Kitano（留白冲击力强）、Fincher（构图控制精确）
+**选择依据：**
+- 通读全文后，判断文案整体最贴近哪种气质，选定一位导演
+- 如文案气质混合，选占比最高的那位
+- 选定后所有 Shot 统一使用，不中途切换
 
 ## 九、输入规范