用途：把多场景美妆演示广告的素材按配置组装成成片。时间线由独立的旁白音轨驱动，而非原生拍摄音。
主要能力：按旁白词级时间戳重切每个场景片段并硬拼接；在品名节拍上渲染并合成约 5 张 Playwright 产品叠加卡；将旁白混在已压低的音乐床上；烧录字幕；追加平铺（flat-lay）尾卡，输出 1080×1920 30fps h264+aac 母版（约 32 秒）。
必要用法：先对独立旁白做 Whisper 获取词级时间戳，切点对齐“step N”词起点，产品卡对齐产品名词起点（卡片约 1 秒后淡入）。硬拼接需重新编码，例如 -c:v libx264 -crf 20；PNG 叠加输入需加 -loop 1 -t <dur>，否则淡入/使能滤镜静默失效。字幕用旁白 Whisper 词，覆盖为每行 3 词、约 3.0% 字号、约 20% 边距、无底框无阴影，最后烧录。混音时旁白为主，loudnorm I=-14。
限制与依赖：该阶段免费且确定性，不使用付费调用或密钥，重切复用已有旁白、片段与抠图即 $0。付费输入属于其他能力：旁白 VO、约 7 个 Seedance 场景片段（每产品步骤一个）、约 5 张白底产品抠图与尾卡静帧、压低的音乐床。产品抠图须匹配真实产品，标语需对照品牌 PDP 核实，AI 平铺图会臆造副标题。若宿主 ffmpeg 缺滤镜或 libass，需用 apad/atrim 或定时 PIL PNG 叠加替代。具体配置字段与来源步骤参见 scripts/PIPELINE.md 与 scripts/README.md，示例见 scripts/config.example.json。