音频切分

对于非歌词段（吟唱、纯音、静音），在有限的窗口内，通过音高、能量、onset密度进行综合评分，决定下一个当做切分的major beat。而后再将这个major beat当做起点，评估下一个时间窗。

对于歌词段，取标点符号左右token间隔，去除离群数据求平均，按照动态计算的间隔重新分句，仍然冗长的句子在内部重复这样的算法。小于某个阈值而需要合并的小段应优先在前一个把它拆出去的段落内合并。