Overview
这是什么
一个面向 Apple Silicon 本地验证的 Active Speaker Detection 工作台，把 LR-ASD 从一次性 CLI 运行整理成分阶段、可恢复、可输出结构化工件的基础能力。
面向 视频理解实验、说话人分析、字幕与多模态工作流开发者。
更多说明
原始的 ASD 基线常常更像一次性研究脚本：整跑重、恢复弱、中间状态不透明。这个项目的价值不在于换了一个新模型，而在于把整条流程拆成清晰阶段，并把结果落成结构化 JSON。
每次运行会输出 tracks.json、frame_scores.json、predictions.json、metrics.json 和 validation_overlay.mp4，比单纯”跑出一个可视化视频”更适合作为下游能力模块。
Features
核心能力
把 extract、detect、track、score、render 拆成显式阶段，便于局部调试和定位问题。
支持从中间工件恢复、跳过已有阶段、强制重跑指定阶段，适合离线实验流程。
统一产出 tracks、frame scores、predictions 等 JSON 工件，便于后续分析和集成。
