收录非语言原音回填与 audio_mode 契约

[liuzhao1225]

背景

本 PR 基于当前 main 重新实现原始音频回填链路，只摘取 PR #112 中与音频时间线、翻译提示词、TranslationItem/audio_mode、原音片段、安全写入和字幕契约相关的内容。

感谢 @lyk-bit 在 #112 中提供初始实现和思路

参考的原始提交：

• 7e64439e：改进语气词处理并保留原始音频
• f7268d3c：修复 TTS 原音回填与安全写入
• 1c1113d4：修正原音片段变速与延迟时间线
• 6f7fd083：补充显式 audio_mode 与声音字幕契约

改动

• 翻译响应强制声明 tts 或 original；tts 必须有非空译文，非法或缺失模式触发重试并最终显式失败。
• 纯语气词使用空字幕与原音，笑声、哭声、喘息等非语言声音使用自然声音字幕与原音；同时含语言和声音的片段翻译语言并使用 TTS。
• 新产物写入 audio_mode，旧产物继续按 dst/zh 内容推断，上传字幕显式标记为 tts。
• 从完整人声音轨按原始时间范围读取原音片段，通过私有独占文件接口写入，拒绝符号链接目标并设置私有权限。
• 原音片段不参与 TTS 全局变速因子；前序 TTS 导致片段延迟时，仍保留完整原音片段并更新实际字幕时间线。
• TTS 回退参考排除纯非语言片段，避免使用笑声等声音建立语音提示缓存。
• 原音模式保留声音字幕并进入 SRT。

回归验证

• 后端定向测试：75 项通过。
• 后端全量测试：342 项通过。
• Node.js 22.23.2：前端 9 项测试通过。
• ESLint、TypeScript、Next.js 16.3.3 生产构建通过。
• 生产依赖审计：0 个漏洞。

范围说明

本 PR 未引入 gpu_memory、模型显存释放、Demucs 分块、日译中、Windows 打包等 #112 中的其他改动。