使用 whisper， 音频分割， 整理需求 2

此时我想写个app类似这个界面。  即 cap cut. 此时截图，分为2行，上面一行有3列，下面一行，即时间轴。但是我想要更简洁。 我想要的界面是 2 行 ，第一行是 视频。 第二行是时间轴。而且时间轴上，有显示  whisper 给出的分割点。 即 用户更容易点中那些分割点（或是只能点中那些点，即最近的点， 也行）。我忘记说了。此app 最根本的目的是：
即，起源是：有一首歌，叫做 not like us 非常火， 我很喜欢。但是毕竟是说唱，我学了很久，也只是学会了前面4--5句，即，学习难度很大。而我本身是搞编程的，所以我想，能否写个app, 或是使用编程的手段来帮助自己学会这首歌？请不要写代码。而是把我的要求，总结一下，写个需求文档，要求详细具体。 我打算使用 flask 来写。

好的，完全理解。你的目标非常明确和精彩：从一个个人学习痛点（学唱快歌）出发，利用自己的编程技能，打造一个专注、简洁、高效的辅助学习工具。

这不仅仅是一个“音频分割”工具，而是一个 “歌曲分句练习App”。将这个核心目的想清楚，对设计非常有帮助。

下面，我将你的想法和需求，整理成一份详细、具体的需求文档。这份文档可以作为你使用 Flask 开发此项目的