feat(skills): 完善视频生产 pipeline 及新增健身跟练账号

- SKILL.md: 新增工作流阶段定义、质量卡点、分镜规则
- manifest-schema.md: 补充完整字段规范及类型定义
- phase-tts.js: 优化 TTS 合成长逻辑，添加进度追踪
- capcut-tracks.js: 扩展轨道构建能力，支持更多元素类型
- capcut-timeline.js: 改进时间线生成，支持淡入淡出
- capcut_assemble.js: 新增 assemble 阶段完整实现
- cmd-init.js: 完善 init 命令逻辑
- qwen-tts.js: 调整超时配置
- accounts/禁忌帝王学: 更新拆分/图像/台词提示词
- accounts/健身跟练: 新增账号含 account.json 及全套提示词模板
- 新增 workflow-issues-20260501.md 参考文档

Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>

.claude/skills/video-from-script/references/manifest-schema.md

@@ -34,6 +34,7 @@ node scripts/pipeline.js validate --manifest <path>
 | `imageModel` | `gemini` / `mj` | account.json | **init 自动** |
 | `videoModel` | `veo3-fast-frames` / `grok-video-3` / `kling` 等 | account.json | **init 自动** |
 | `format` | 画幅：`9:16` / `16:9` | account.json | **init 自动** |
+| `estimatedVideoDuration` | 视频模型固定时长（秒），顶层冗余字段 | videoModel 查表 | **init 自动**，assemble 直接读 |
 | `mode` | `single` 单图 / `framePair` 首尾帧 | CLI 参数 | **init 自动** |
 | `references` | 参考图数组，从 account.json styles.*.references 搬入 | account.json | **init 自动** |
 | `items` | 素材数组（AI 提供创意内容） | CLI --items | **AI → init** |
@@ -58,18 +59,29 @@ node scripts/pipeline.js validate --manifest <path>
 |------|------|
 | `status` | 固定写 `"pending"` |
 | `shotDesc` | 英文分镜描述（含隐性动势，40-80词） |
-| `script` | **该段的完整原文案**（不提炼，保留论证、例子、细节）|
-| `duration` | 计划视频时长（秒），来自分镜阶段 |
+| `script` | **该 shot 的语义子句原文**（完整句拆分后的子段，一字不差）|
+| `duration` | **TTS 估算秒数（= script字数÷5）**，必须 ≤ 6s |
+| `estimatedAudioDuration` | 同 duration，备选别名 |
+| `estimatedVideoDuration` | 视频模型固定时长（Kling=6s, VEO=8s, Grok=6s），pipeline init 时自动填入 |
 | `imagePrompt` | 英文画面描述（给 Gemini/MJ），Step 2-A 生成 |
 | `directorRef` | 导演构图参考（tarantino / kitano / fincher），三层透传 |
 | `keyword` | 关键字氛围词（2-6 字），assemble 时以花字效果叠加在画面中央。可选 |
 | `confirmed` | 人工确认状态，默认 `false` |
 
+**强制约束：**
+- **每个 shot 的 `duration`（TTS估算）必须 ≤ 6s**，否则 pipeline 拒绝执行
+- `script` 必须是语义子句，**完整句直接填入多个 shot 是严重错误**
+- `estimatedVideoDuration` 在 manifest 初始化时由 `pipeline.js init` 从 videoModel 自动推算：
+  - `kling` → `6`
+  - `veo3-fast` / `veo3-fast-frames` → `8`
+  - `grok-video-3` → `6`
+- assemble 阶段通过 `ratio = estimatedVideoDuration / realAudioDuration` 选择适配策略
+
 ### Agent 后续回写（Step 3-A 视频提示词）
 
 | 字段 | 说明 | 写入时机 |
 |------|------|---------|
-| `videoPrompt` | 英文运动描述（给 Grok/VEO），描述镜头运动而非内容 | Step 3-A 由 Agent 回写 |
+| `videoPrompt` | 英文运动描述（给 Grok/VEO/Kling），描述镜头运动而非内容 | Step 3-A 由 Agent 回写 |
 
 ### Pipeline 回写（执行后）
 
@@ -81,10 +93,10 @@ node scripts/pipeline.js validate --manifest <path>
 | `url` | 图片 OSS 公网 URL | upload |
 | `confirmed` | 人工确认后设为 `true` | confirm |
 | `video` | 生成的视频路径 | videos |
-| `videoDuration` | 视频时长（秒），Grok=6, VEO=8 | videos |
+| `videoDuration` | 视频实测时长（秒），Kling=6, VEO=8, Grok=6 | videos |
 | `videoUrl` | 视频 OSS 公网 URL | videos |
-| `audio` | TTS 音频路径（多句时为合并后的完整音频） | tts |
-| `audioDuration` | 音频时长（秒） | tts |
+| `audio` | TTS 音频路径 | tts |
+| `audioDuration` | 音频实测时长（秒） | tts |
 | `segments` | 分句音频数组（仅多句时存在），见下方 | tts |
 
 ### Agent 审查时可操作
@@ -220,20 +232,42 @@ TTS 阶段统一生成，单句时数组仅 1 个元素，多句时 N 个元素
 
 ## 成片时间线规则
 
+> **核心原则**：
+> - 文案是时间轴唯一锚点
+> - TTS 语速固定 1.15x（写死在 qwen-tts.js），音频导入 CapCut 时不可调速
+> - **音频时长是主时间线**：每个 shot 的 TTS 估算必须 ≤ 视频模型固定时长
+> - **视频必须 ≥ 音频**：audioDur > videoDur 的 shot 在分镜阶段必须拆分，不允许慢放/冻结
+
+### 时间线估算规则
+
+| 字段 | 计算方式 | 来源 |
+|------|---------|------|
+| TTS 语速 | **固定 1.15x** | qwen-tts.js 参数 `rate: 1.15`，不可修改 |
+| 单 shot TTS 估算 | `script.length ÷ 5`（字/秒） | AI 写入 duration 字段 |
+| 视频模型固定时长 | Kling=6s, VEO=8s, Grok=6s | `pipeline.js init` 从 videoModel 推算 |
+| ratio | `estimatedVideoDuration / estimatedAudioDuration` | 估算值，供分镜阶段检查 |
+| ratio（实测） | `videoDuration / audioDuration` | assemble 阶段真实值 |
+
 ### 图片模式（images）
 
 图片没有独立时长。TTS 音频时长 = 画面时长。无 TTS 音频的 item 时长为 0（跳过，不显示）。
 
 ### 视频模式（videos）
 
-TTS 音频为主轴，视频通过以下策略适配音频时长：
+**铁律：视频片段必须 ≥ 音频片段。**
 
-| ratio = videoDur/audioDur | 策略 | 说明 |
-|---------------------------|------|------|
+TTS 音频为主轴，视频通过以下策略适配音频实测时长：
+
+| ratio = estimatedVideoDuration / estimatedAudioDuration | 策略 | 说明 |
+|---------------------------------------------------|------|------|
 | 0.9 ~ 1.1 | none | 接近匹配，无需调整 |
-| > 1.1, ≤ 2 | speed_up | 加速（setpts 压缩时间） |
-| > 2 | trim | 裁剪（截断到音频时长） |
-| < 0.9, ≥ 0.5 | slow_down | 放缓（setpts 拉长时间） |
-| < 0.5 | freeze | 画面停顿（视频原速 + 最后一帧冻结补时长） |
+| > 1.1, ≤ 2 | **speed_up**（最优） | 视频加速追上音频，音频速率不变 |
+| > 2 | **trim**（次选） | 视频截断至音频时长，损失尾部 |
+| < 0.9 | **禁止 / 打回分镜** | audioDur > videoDur 的 shot 在分镜阶段必须拆分，不允许慢放/冻结 |
+
+**禁止的策略（已删除）：**
+- `slow_down`：音频时长超过视频时不允许慢放
+- `freeze`：不允许冻结帧补齐
+- 音频调速：CapCut 导入音频时无 speed 字段，1.15x 速率固定
 
 所有策略失败后兜底：截断到目标时长。