用途：为视频添加专业旁白，流程为分析视频、编写或润色带时间轴的脚本、用 TTS 生成语音并合并，使音频与画面保持同步。输入为 $ARGUMENTS。
主要能力：默认使用 Azure TTS，用户明确要求或已配置 GEMINI_API_KEY 时可用 Gemini 3.1 Flash TTS；支持选择语言（默认英语），并按 references/voices.md 查语音与语速。脚本以 (start_seconds, text) 元组组织，模板为 scripts/narration_script_template.py，需复制为视频目录下的 narration_script.py 并填写 TTS_PROVIDER、VOICE_NAME、INPUT_VIDEO、OUTPUT_VIDEO 和 SEGMENTS。
使用方式：先检查凭据与依赖，命令包括 scripts/check_env.py azure 或 scripts/check_env.py gemini、command -v ffmpeg && command -v ffprobe && command -v python3、python3 -c "import dotenv"，Azure 还需 python3 -c "import azure.cognitiveservices.speech"。凭据缺失时写入 ~/.narrate_video.env，Azure 用 AZURE_SPEECH_KEY 与 AZURE_SPEECH_REGION，Gemini 用 GEMINI_API_KEY，可选 GEMINI_TTS_MODEL。用 ffprobe 读取元数据，按 3–4 秒间隔抽帧识别场景，必要时以 1–2 秒间隔补帧。运行 python3 narration_script.py 生成，之后用 volumedetect、silencedetect 和抽帧检查音量、静音间隙与音画同步。
限制与注意：旁白应略晚于画面出现；段间至少留 1 秒静音，英语按每秒 2.5 词并取 80% 估算；amix 需加 normalize=0，且只映射最终音轨；音频重叠会中止；修改文本后需删除 narration_segments/seg_XXX.* 缓存；Gemini 可能返回 500 或朗读提示标签，模板已做重试与 TRANSCRIPT: 包装。其他细节暂未提供。