feat(video-pipeline): 实现 TTS 逐句分句生成与字幕精确对齐

TTS 阶段将长文本按标点切分为短句，逐句生成音频并记录每句时长到 `item.segments[]`。assemble 阶段优先使用 segments 的精确时长分配字幕时间线，无 segments 时回退到字数权重估算。同时优化音频上传流程，支持分段音频独立上传 OSS 并在配音时按段映射时间线。

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

@@ -82,8 +82,9 @@ node scripts/pipeline.js validate --manifest <path>
 | `video` | 生成的视频路径 | videos |
 | `videoDuration` | 视频时长（秒），Grok=6, VEO=8 | videos |
 | `videoUrl` | 视频 OSS 公网 URL | videos |
-| `audio` | TTS 音频路径 | tts |
+| `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 |
+| `segments` | 分句音频数组（仅多句时存在），见下方 | tts |
 
 ### Agent 审查时可操作
 
@@ -199,3 +200,17 @@ output/{account}_{YYYYMMDD}_{NNN}/
 ```
 
 slug 从 `shotDesc` 派生（slugify: 保留中文和字母数字，最多 20 字符）。
+
+---
+
+## segments[] 字段（TTS 分句）
+
+TTS 阶段自动生成。仅当 `script` 被切分为 2 句及以上时才写入。单句时不写 segments。
+
+| 字段 | 说明 |
+|------|------|
+| `text` | 分句文本（已去除标点） |
+| `audio` | 该句音频路径（相对 manifest） |
+| `duration` | 该句音频时长（秒） |
+
+`item.audio` 指向所有分段合并后的完整音频，`item.audioDuration` 为各段累计时长。assemble 阶段优先用 `segments` 的精确时长对齐字幕，无 segments 时回退到字数权重估算。