Match segment window by its own action phase

For segmented beats, the repair stage now searches for the source action
window using the segment's own description first; the full beat context is
used only as a fallback or when it scores noticeably higher. The trailer-
offset shift is applied only when the beat context is actually chosen.

Also harden vision-call retries to catch read-side network errors
(TimeoutError, socket.timeout, ConnectionError, OSError) and wrap the
filter/repair loop so a transient vision failure preserves the previously
cached match instead of dropping it.

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>

README.md

@@ -185,12 +185,28 @@ Diese In-Scene-Reparatur läuft auch für semantisch gültige Treffer aus langen
 Source-Szenen. Dadurch kann ein grob passender Dialogmoment nicht bestehen
 bleiben, wenn ein anderes lokales Fenster derselben Szene die gesuchte
 Aktionsphase und Bewegung klarer trifft.
+Die Kandidatenbewertung dieser Reparatur vergleicht dabei zwei Kontexte:
+den ganzen Beat als semantischen Handlungsrahmen und das konkret sichtbare
+Beat-Segment als Phasenprüfung. Ein Source-Zeitpunkt muss also nicht nur
+"die Szene mit dem Kuss" enthalten, sondern auch zur aktuellen Bewegungsphase
+des sichtbaren Trailerabschnitts passen. Pro Kandidat fließt zusätzlich ein
+lokaler Content-/Motion-Frame-Score ein, damit cached Vision-Beschreibungen
+keinen sichtbar versetzten Bewegungsmoment überstimmen.
 Bei blendigen oder segmentierten Beats nutzt die semantische Action-Suche den
 ganzen Trailerbeat als Kontext. Die eigentliche Frame-Ausrichtung bleibt auf das
 sichtbare Segment begrenzt; der gefundene Source-Inpoint wird dabei um den
 Trailer-Offset des Segments verschoben. So geht die globale Aktionsbeschreibung
 eines Beats nicht verloren, nur weil der scorebare Teil erst nach einer Blende
 beginnt.
+Die Suche nach diesem Action-Window prüft pro Segment zwei Beschreibungen:
+zuerst die des konkret sichtbaren Segments (so trifft die Phasensuche genau die
+gerade gezeigte Bewegung), als Rückfall die des gesamten Beats. Der Beat-
+Kontext gewinnt nur, wenn er deutlich (>0.06) besser scort; sonst bleibt das
+Segment-Fenster die Wahl, weil die Beat-Beschreibung Aktionen aus Fade-Bildern
+mit aufnehmen kann, die im sichtbaren Segment nicht stattfinden.
+Der Trailer-Offset-Shift wird nur angewendet, wenn tatsächlich der Beat-Kontext
+benutzt wurde; bei segmentbasierter Wahl ist das gefundene Fenster bereits auf
+die sichtbare Aktionsphase ausgerichtet.
 Der Segment-Offset zählt dabei nur über vorherige scorebare Bildinseln, nicht
 über schwarze oder blendige Lücken. Nach dem Retiming wird die nutzbare
 Source-Dauer erneut geschätzt; läuft die Source am Ende in eine sichtbar andere
@@ -288,6 +304,12 @@ CV-Scan und darf den besseren oder bestätigten Treffer übernehmen.
 OpenRouter-/Vision-Rate-Limits werden mit progressiv längeren Pausen erneut
 versucht. Billing-, Credit- oder Token-Guthaben-Fehler werden dagegen sofort als
 echter Blocker gemeldet, weil Warten dort nicht hilft.
+Auch Netzfehler beim Lesen der Antwort (Timeouts, Verbindungsabbrüche während
+einer DSL-Trennung) werden als retrybar behandelt, nicht nur Verbindungsfehler
+beim Verbindungsaufbau. Schlägt die Vision-Verifikation während der finalen
+Filter-/Repair-Stufe trotzdem dauerhaft fehl, wird der bisherige gecachte
+Treffer für diesen Beat behalten statt verworfen — ein Netzproblem darf keinen
+schon korrekt gefundenen Match aus dem Cache löschen.
 Lange Trailerbeats werden nicht mehr automatisch über ihre gesamte Beat-Länge
 gegen einen einzigen Source-Clip validiert. Sobald nach einem sichtbaren
 Source-Abschnitt eine anhaltende Schwarzblende oder Titel-/Credit-Insel beginnt,