用途：基于已有项目视频资产，生成一个本地化版本，把视频中说话人的语音翻译成目标语言，可配音、可选保留说话人音色、口型同步和生成翻译字幕。
主要能力与路径：口型同步翻译（mode: "speed"）保留说话人音色并同步口型；仅音频翻译（audioOnly: true）只翻译声音、画面不动；仅字幕翻译应改用字幕翻译能力，不提交视频翻译任务。支持多说话人，用户说明时传入 speakerCount。可用 enableCaption: true 将翻译字幕烧录进输出视频。
使用方式：先确认源视频为已导入的项目视频资产，并使用准确 asset id。用 submit_video_translation 搭配 action: "list_languages"（不传其他参数）读取语言目录，再把返回的语言值原样填入 targetLanguage，包括方言、地区或文字限定，不要自造语言名或传 ISO 代码。口型同步需先完成词级转录（trigger_transcript 后用 track_progress 等待），再 read_script 读取对应 library/<文件名>.md 源转录，不能用 timeline.md 剪辑稿或 inspect_asset 的范围结果替代。随后渲染可编辑的源文本复核 Widget（字段 id 为 reviewedSourceTranscript，使用 default 预填完整转录，每行一个识别片段），等待用户提交后再以返回文本作为 reviewedSourceTranscript 提交，同一回合不得提交。音频翻译跳过此复核，直接提交。提交后用 track_progress(action="wait") 跟踪，完成后交回资产，需要时才放上时间线。
限制与费用：整段源视频按完整时长翻译并计费，仅翻译片段需先裁剪导出为独立资产；按资料，参考费用约为每分钟源视频 8 credits。口型同步会重新渲染画面，透明 WebM 可能变为不透明，4K 或高于 30fps 的媒体可能被重新编码，不承诺容器、alpha 通道、HDR、编解码器、码率或帧率完全保留；画面不能改动时选 audioOnly。默认输出时长可能与源略有出入，需要精确原时长可传 keepDuration: true，但语速可能更快。提交前会显示付费确认，用户拒绝后不要重复提交。