fix: 视频时间语义修正 — 绝对时间戳偏移换算 + mtime 起点修正 + 直传超时

三处时间语义 bug（时区统一排查的延伸发现）:

1. NVIDIA 集锦偏移语义: frame_timestamps 是绝对时间
   'YYYY-MM-DD HH:MM:SS'(当日秒 77474s)被直接当视频内偏移用，
   seek 超出 30 分钟视频 → 0 帧 → 集锦恒为空 → 视频模式永远降级。
   修复: analyze_video 增加 event_start_time 参数，偏移 =
   帧时间 - 视频开始时间(跨午夜 +86400)；orchestrator 两处
   调用点透传。另加 ffprobe 时长过滤跳过超界片段(日志明示)，
   fps=15 统一 CFR 输出。

2. NAS dispatcher event_start_time: 原用文件 mtime(=录制结束
   时刻)，真实开始时间应为 mtime - 视频时长，事件时间整体偏移
   一个视频周期(~30min)。新增 _probe_duration 用 ffmpeg 解析
   Duration(NAS 无独立 ffprobe)。

3. 直传超时: 压缩后 ~19MB 略低于 20MB 分块阈值走直传，
   timeout(10,120) 在 1Mbps 下传 19MB 需 ~152s 必超时(task 42
   三连败 FAILED)。加大到 (10, 300)。

测试数据陷阱记录: 两轮 0KB/9.47s 集锦异常均为测试时间戳超出
视频时长所致(1801s>1800s)，单输入/多输入 concat 行为本身正常。

fam-edge/src/fam_edge/ai_orchestrator/orchestrator.py

@@ -54,7 +54,8 @@ class AIOrchestrator:
                            frame_timestamps: List[str],
                            known_members_context: str,
                            rate_limiter=None,
-                           video_path: str = None) -> Dict[str, dict]:
+                           video_path: str = None,
+                           event_start_time: str = '') -> Dict[str, dict]:
         """视觉分析阶段：仅 role=vision 的适配器参与
 
         支持 analyze_video 的适配器（如 NVIDIA Omni）优先走原生视频输入，
@@ -97,7 +98,8 @@ class AIOrchestrator:
                     try:
                         logger.info(f"[{adapter.provider_name}] 尝试原生视频输入分析")
                         output = adapter.analyze_video(
-                            video_path, frame_timestamps, known_members_context)
+                            video_path, frame_timestamps, known_members_context,
+                            event_start_time=event_start_time)
                         if not output:
                             logger.warning(f"[{adapter.provider_name}] 视频模式失败，降级逐帧模式")
                     except Exception as ve:
@@ -371,7 +373,8 @@ class AIOrchestrator:
             # 3. 并行视觉分析
             model_outputs = self.run_visual_analysis(
                 healthy_adapters, compressed_frames, frame_timestamps,
-                known_members, video_path=video_path
+                known_members, video_path=video_path,
+                event_start_time=event_start_time
             )
 
             if not model_outputs:
@@ -467,7 +470,8 @@ class AIOrchestrator:
             # 3. 并行视觉分析
             model_outputs = self.run_visual_analysis(
                 healthy_adapters, compressed_frames, frame_timestamps,
-                known_members, rate_limiter, video_path=video_path
+                known_members, rate_limiter, video_path=video_path,
+                event_start_time=event_start_time
             )
             if not model_outputs:
                 raise Exception('All models failed in visual analysis')