用途：把已授权的音频源先做成可审计的提示点图（cue map），再转为有界的视觉行为。核心链路为：源音频→测量特征→带置信度的提示点→经复核的锚点→确定性视觉时间线。不要将检测器输出等同于编辑含义：起音不等于节拍、剪切或歌词重音，声学聚类不等于主歌/副歌。
主要能力：管理源文件保管、分析策略、置信度解释、节奏性/非节奏性路由、提示点提升、特征到视觉的映射、有理数帧对齐、无障碍与渲染质检。不负责音乐视频叙事或艺人品牌、音乐生成、母带、源分离、转写、歌词创作，也不绑定特定 HyperFrames/Remotion/FFmpeg 实现。
必要用法：分析前冻结音频契约，记录源路径/URI、SHA-256、授权依据与限制、流与编解码、原生采样率、声道、解码器版本、规范 PCM 格式、分析采样率、窗/跳、分析器版本与阈值、修剪偏移、主输出帧率（有理数）等。优先以采样索引为主分析时钟。提示点需含 id、类型、采样时间、秒、值、单位、分析器、置信度及其语义、profile 哈希、状态、编辑角色与理由；区间特征需含精确结束时间，保留被拒候选而非删除证据。路由分三种：节奏性（本地速度稳定且节拍/起音一致时）、混合置信（仅在可靠窗口用节奏，失败区间不外推网格）、非节奏性（语速自由、环境、口语、稀疏录音时用已复核短语、静音、能量轮廓与人工锚点）。映射时每个特征只承担有限视觉职责，用稳健统计归一化、做平滑与迟滞、参数钳制，为缺失值定义中性行为；用宏段锚点、中句锚点与稀疏重音，低能量段留白；歌词与重要唱句避免竞争性剪切与叠加；不同宽高比共用同一提示点图，只重排布局不改时间。
帧对齐：保持 30000/1001 等有理数精确帧率，为每个提示点定义取整策略；保守策略将其分配给呈现时间不早于音频事件的首帧：f = ceil(t_event × fps_num / fps_den)，同时记录事件原始时间与映射帧，编码后校验实际呈现时间戳。
字幕与安全：转写/歌词时间视为独立证据流，不得用音高有声性做歌声检测；人名、歌词、行边界与时间需人工复核后才能控制排版。预录含有效言语的同步媒体需准确字幕，含必要的非言语声音；风格化歌词层不自动替代可访问字幕。WCAG 2.2 SC 2.3.1 限制每秒闪烁不超过三次（除非低于通用/红色闪光阈值），需在循环与最大预期尺寸下测试；大位移、缩放、抖动或密集响应时提供低动态版本（降低事件密度与位移而非仅降帧率）。音乐作品、歌词与录音可能各有独立权利，持有文件不等于获得同步、改编或分发权。
质检：同输入配置重跑并比较提示点图哈希；试听候选与提升锚点；检查速度歧义与置信失败窗口；比对源时间与解码/修剪后主文件及非零时间戳；检查每个宏锚点前、中、后帧；验证各宽高比变体共享提示点 ID 与帧分配；探测输出帧 PTS、时长与音频同步；复核字幕/歌词、低动态与闪光安全；保存源哈希、profile、提示点图、映射表、渲染版本与审批记录。分析算法与默认值易变，相关事实于 2026-07-12 核验，务必固定解码器、库、模型、参数与随机种子。示例包括恒定速度电子可视化（30 秒、9:16 与 16:9、30 fps）与自由速度口语诗（75 秒、24 fps）两种做法，均为示例而非法定公式。