fix(short): la voz se midió con una sola frase, y por eso el bot reescribía Shorts que ya cabían

`NARRATION_CHARS_PER_SECOND` era 14,2, sacado de una única línea de 82
caracteres. Sintetizando de verdad las 28 líneas que el bot ha escrito hasta
hoy — mismo Piper, mismo modelo, mismas banderas deterministas — la voz lee a
18,5 car/s y se calla 0,25 s en cada punto. Contar las frases aparte es lo que
arregla el caso raro: "Witness identities. Sensor details. Locations redacted."
son tres cuartos de segundo de silencio que un modelo de caracteres a secas
regala.

El error del modelo viejo era de cuatro a seis segundos sobre un Short entero,
siempre por arriba, y con eso el aviso de duración saltaba en vídeos que
estaban dentro del objetivo. Contrastado ahora contra los tres MP4 que hay
renderizados: 39,42 / 47,19 / 45,81 s estimados contra 39,57 / 47,53 / 45,40
reales.

Dos cosas más, del mismo tirón:

- Un margen de 1,5 s antes de avisar. La estimación acierta dentro de un
  segundo por línea, así que medio segundo de exceso puede ser del estimador y
  no del spec; la sesión 168 se llevó una generación entera por ochocientas
  milésimas. El objetivo sigue siendo 20-45.
- El consejo va en palabras, no en "recorta narración", y señala el plano que
  más habla. Las tres veces que saltó, el modelo devolvió un spec que seguía
  pasándose: no sabía cuánto.

Los segundos medidos entran en los tests como tabla, no como número redondo.

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

docs/shortsmith-phases-4-6.md

@@ -86,6 +86,17 @@ What actually landed, and where it differs from the plan below:
   thing that order revealed: with the voice repeating on-screen figures, claims had to
   be de-duplicated by *canonical unit* ("35,000 FT" and "35,000 feet" are one claim) or
   every narrated Short would double its own review report.
+- **researchowl's estimate of the voice had to be measured, not assumed** (2026-08-12).
+  It shipped with 14.2 characters per second, taken from a single line, and that
+  overshot every narration by about a fifth — four to six seconds on a whole Short,
+  enough to make the spec writer rewrite videos that were already inside the target.
+  Every generation since narration shipped had spent all three attempts on it.
+  Synthesizing the 28 narration lines the bot had actually written gave 18.5 char/s
+  **plus 0.25 s at every full stop**, which is the term that matters: Piper's
+  `SENTENCE_SILENCE` is per sentence, so "Witness identities. Sensor details. Locations
+  redacted." costs three quarters of a second that a characters-only model gives away.
+  Estimates now land within half a second of the three rendered MP4s. The lesson is the
+  older one restated: a constant taken from one sample is a guess with a decimal point.
 
 Original plan, kept for the record: