用途：把已有的参考文本（脚本、歌词、字幕）与音频/视频强制对齐，得到每个词的开始与结束时间。注意对齐不等于转写：转写是猜词，对齐是已知词只找时间；若还没有文本应改用 edgespeak-transcribe。
主要能力：输出词级时间戳，可为 stdout、txt、json 或 srt；json 形如 { task: "align", duration, text, segments[].words[], usage }，词时间以秒计并带 [0,1] 置信分，无顶层 words[]；srt 每词一条字幕。支持 --protected-terms 保持品牌名/术语原样，--language 指定 BCP-47 语言标签，--search-effort standard|extended|auto 控制搜索范围，--device 选择计算后端。默认对齐模型为 Lattice-2。
使用方式：先运行 edgespeak-cli status 检查运行时；未安装 CLI 时告知用户按 https://edgespeak.com/docs/cli#install 自行安装。首次使用需激活：edgespeak-cli login、activate <KEY> 或 trial（匿名 7 天试用，每设备一次）；非交互运行会以 license_required 快速失败。命令：edgespeak-cli align <audio-or-video-file> --text-file script.txt [-o out.json] [--format txt|json|srt]，短文本可用 --text。注意 CLI 会直接覆盖已有 -o 目标，需先确认。句子级时间戳可再用 edgespeak-cli segment --transcript words.json 得到。
限制：必须本地运行，音频不出设备；文本须大致与音频一致，语言错误或段落缺失会导致失败。失败时退出码非零、不写输出，错误行以 error: alignment_failed: 或 alignment_search_budget_exceeded: 开头并附 JSON；仅当 retry_recommended 为 true 时才可加 --search-effort extended 重试一次，否则检查文本配对。没有说话人分离。长音频自动分块、内存有界但耗时更长，需给足超时；本地网关单实例串行，不要并发大量请求。失败时不得编造时间戳。