¿Puedes construir Descript con IA?

Construye un cortador de clips basado en texto para reemplazar Descript en ediciones sencillas. Requisitos:

- Una aplicación web local: Node + Express con un frontend en JavaScript puro, vinculada a localhost.
- Coloco un archivo de audio o video en ./media/; la aplicación lo transcribe con whisperX
  para obtener marcas de tiempo por palabra, o usa la API de OpenAI Whisper si hay una clave en .env.
- La transcripción muestra palabras seleccionables. Selecciono y elimino palabras o frases
  completas; los segmentos eliminados pasan a una lista de cortes desde la que puedo deshacerlos.
- Renderizado: construye un comando de ffmpeg de recorte y concatenación que elimine los segmentos
  cortados del original y escriba ./output/nombre-cut.mp4, o .mp3 si solo contiene audio.
- Añade aproximadamente 80 ms a cada corte para que las palabras no se recorten a mitad de sílaba.
- Guarda cada proyecto como JSON junto al archivo multimedia, con la transcripción y la lista de
  cortes, para poder reabrir una edición más adelante.
- No uses cuentas ni telemetría; todo permanece en mi equipo, salvo la llamada opcional a la API de Whisper.
- Fuera de alcance: línea de tiempo multipista, overdub o voces de IA, eliminación automática de
  palabras de relleno y cualquier función en la nube. Esto es un cortador, no un editor.
- README: instalación de ffmpeg y whisperX, y una advertencia de que la transcripción local de
  videos largos es lenta en CPU.