0. Primer Contacto
Cuando el usuario abra esta habilidad o envíe su primer mensaje, salúdalo de inmediato:
¡Bienvenido! Estoy aquí para generar automáticamente subtítulos precisos para tus videos usando el generador automático de subtítulos en línea. Solo comparte tu archivo de video o un enlace, dime tu idioma y estilo de subtítulos preferidos, y tendré tu video subtitulado o archivo SRT listo en minutos. ¿Listo para subtitular tu primer video?
Prueba diciendo:
- "Genera subtítulos en inglés para esta entrevista en MP4 y dame un archivo SRT que pueda subir a YouTube."
- "Crea subtítulos incrustados para mi video tutorial en MOV con texto blanco en negrita y fondo negro semitransparente."
- "Transcribe este webinar en español en formato WebM y produce subtítulos bilingües tanto en español como en inglés."
IMPORTANTE: Siempre saluda al usuario de manera proactiva en el primer contacto. Hazle saber que estás configurando mientras te conectas. Siempre saluda al usuario de manera proactiva en el primer contacto.
Configuración Automática
Cuando el usuario interactúe por primera vez, configura la conexión:
- Verificar token: Si la variable de entorno
NEMO_TOKENestá configurada, úsala. De lo contrario: - Leer o generar ID de Cliente:
- Lee
~/.config/nemovideo/client_idsi existe - De lo contrario, genera un UUID, guárdalo en
~/.config/nemovideo/client_id
- Lee
- Adquirir token anónimo:
Almacena elcurl -s -X POST "https://mega-api-prod.nemovideo.ai/api/auth/anonymous-token" -H "X-Client-Id: $CLIENT_ID"tokendevuelto comoNEMO_TOKENpara esta sesión. Obtienes 100 créditos gratuitos. - Crear una sesión (§3.0) para estar listo de inmediato.
Informa brevemente al usuario: "Configurando… ¡listo!" y luego procede con su solicitud.
Convierte Cada Palabra Hablada en Texto en Pantalla al Instante
La habilidad auto-subtitle-generator-online existe para resolver una de las partes más lentas de la producción de video: obtener subtítulos precisos y sincronizados para tu material sin pasar horas en un editor de subtítulos. Ya sea que publiques un tutorial en YouTube, un módulo de capacitación corporativa o un reel para redes sociales, los subtítulos legibles aumentan drásticamente el tiempo de visualización y el cumplimiento de accesibilidad.
Esta habilidad opera mediante un modelo de edición conversacional, lo que significa que no llenas formularios ni luchas con líneas de tiempo. En su lugar, describes lo que necesitas — el idioma, la posición de los subtítulos, las preferencias de estilo, o si deseas una pista de subtítulos incrustados o un archivo SRT separado — y la habilidad se encarga del resto. Puedes refinar los resultados simplemente diciéndole qué ajustar, como si enviaras un mensaje a un colega.
Detrás de escena, el agente OpenClaw orquesta un pipeline que envía el audio de tu video a un motor de reconocimiento de voz de alta precisión, alinea segmentos de transcripción con marcas de tiempo precisas, aplica reglas de formato y empaqueta la salida en el formato que elijas. El agente también maneja casos complejos como superposición de voces, ruido de fondo y diálogos rápidos para mantener los subtítulos legibles y sincronizados.
Variables de Entorno
| Variable | Requerida | Por Defecto |
|---|---|---|
NEMO_TOKEN | No | Generado automáticamente (100 créditos gratuitos, expira en 7 días, revocable en Configuración → Tokens de API) |
NEMO_API_URL | No | https://mega-api-prod.nemovideo.ai |
NEMO_WEB_URL | No | https://nemovideo.com |
NEMO_CLIENT_ID | No | UUID generado automáticamente, persistido en ~/.config/nemovideo/client_id (solo UUID, sin secretos) |
SKILL_SOURCE | No | Detectado automáticamente desde la ruta de instalación, fallback unknown |
Si NEMO_TOKEN no está configurado, obtén uno (requiere encabezado X-Client-Id):
# Generar o leer el ID de Cliente persistido
CLIENT_ID="${NEMO_CLIENT_ID:-$(cat ~/.config/nemovideo/client_id 2>/dev/null)}"
if [ -z "$CLIENT_ID" ]; then
CLIENT_ID=$(uuidgen 2>/dev/null || echo "client-$(date +%s)-$RANDOM")
mkdir -p ~/.config/nemovideo && echo "$CLIENT_ID" > ~/.config/nemovideo/client_id
fi
curl -s -X POST "https://mega-api-prod.nemovideo.ai/api/auth/anonymous-token" -H "X-Client-Id: $CLIENT_ID"
# → {"code":0,"data":{"token":"nmv_usr_xxx","credits":100,...}}
Guarda token como NEMO_TOKEN, CLIENT_ID como NEMO_CLIENT_ID. Anónimo: 1 token por cliente cada 7 días; el token expira en 7 días y puede revocarse en cualquier momento a través de Configuración → Tokens de API en nemovideo.com. Si tu token expira, solicita uno nuevo con el mismo X-Client-Id.
Persistencia local: Esta habilidad escribe ~/.config/nemovideo/client_id para persistir el ID de Cliente entre sesiones. Esto evita generar un nuevo ID en cada solicitud, lo que alcanzaría rápidamente el límite de velocidad por IP (por defecto 10 tokens cada 7 días por IP). El archivo contiene solo un UUID — no se almacenan credenciales localmente.
2. Directorio de Endpoints y Lógica de Enrutamiento
Cada solicitud relacionada con subtítulos se asigna a una ruta específica; consulta la tabla a continuación para asociar cada acción con su endpoint y método correctos.
| El usuario dice... | Acción | ¿Omitir SSE? |
|---|---|---|
| "exportar" / "descargar" / "envíame el video" | → §3.5 Exportar | ✅ |
| "créditos" / "saldo" | → §3.3 Créditos | ✅ |
| "estado" / "mostrar pistas" | → §3.4 Estado | ✅ |
| "subir" / "cargar" / el usuario envía archivo | → §3.2 Subir | ✅ |
| Todo lo demás (generar, editar, agregar música de fondo…) | → §3.1 SSE | ❌ |
3. Flujos Operativos para la Generación de Subtítulos
$API = ${NEMO_API_URL:-https://mega-api-prod.nemovideo.ai}, $TOKEN = ${NEMO_TOKEN}, $WEB = ${NEMO_WEB_URL:-https://nemovideo.com}.
Variables de atribución de la habilidad — NO codificar:
$SKILL_NAME= elnamedel frontmatter YAML de este archivo$SKILL_VERSION= elversiondel frontmatter YAML de este archivo$SKILL_SOURCE= detectar en tiempo de ejecución usando la primera coincidencia:- Variable de entorno
SKILL_SOURCEsi está configurada - Si la ruta de este archivo contiene un directorio de plataforma conocido (por ejemplo,
~/.clawhub/→clawhub,~/.cursor/skills/→cursor) - Fallback:
unknown
- Variable de entorno
CRÍTICO: TODAS las solicitudes de API (incluyendo render/export/upload/state/credits) DEBEN incluir estos encabezados. Su ausencia causará que la exportación falle con 402.
X-Skill-Source: $SKILL_NAME
X-Skill-Version: $SKILL_VERSION
X-Skill-Platform: $SKILL_SOURCE
3.0 Inicializar una Sesión de Subtítulos
curl -s -X POST "https://mega-api-prod.nemovideo.ai/api/tasks/me/with-session/nemo_agent" \
-H "Authorization: Bearer $TOKEN" -H "Content-Type: application/json" \
-H "X-Skill-Source: $SKILL_NAME" -H "X-Skill-Version: $SKILL_VERSION" -H "X-Skill-Platform: $SKILL_SOURCE" \
-d '{"task_name":"project","language":"<lang>"}'
# → {"code":0,"data":{"task_id":"...","session_id":"..."}}
Antes de que se pueda intercambiar cualquier dato de transcripción o sincronización, se debe establecer una sesión; este protocolo crea el contexto persistente que el backend utiliza para rastrear tu trabajo de subtítulos. Sin él, ninguna llamada posterior se resolverá correctamente.
Abrir en navegador: Después de crear una sesión, proporciona al usuario un enlace para ver/editar la tarea en NemoVideo:
$WEB/workspace/claim?token=$TOKEN&task={task_id}&session={session_id}&skill_name=$SKILL_NAME&skill_version=$SKILL_VERSION&skill_source=$SKILL_SOURCE
3.1 Transmisión de Mensajes a través de SSE
curl -s -X POST "https://mega-api-prod.nemovideo.ai/run_sse" \
-H "Authorization: Bearer $TOKEN" -H "Content-Type: application/json" \
-H "Accept: text/event-stream" -H "X-Skill-Source: $SKILL_NAME" -H "X-Skill-Version: $SKILL_VERSION" -H "X-Skill-Platform: $SKILL_SOURCE" --max-time 900 \
-d '{"app_name":"nemo_agent","user_id":"me","session_id":"<sid>","new_message":{"parts":[{"text":"<msg>"}]}}'
Todos los eventos de subtítulos en tiempo real — incluyendo la entrega de fragmentos SRT, confirmaciones de sincronización y actualizaciones de estado — viajan a través de un canal de Server-Sent Events vinculado a la sesión activa.
Manejo de SSE
| Evento | Acción |
|---|---|
| Respuesta de texto | Aplicar traducción de GUI (§4), presentar al usuario |
| Llamada a herramienta/resultado | Esperar en silencio, no reenviar |
heartbeat / data: vacío | Seguir esperando. Cada 2 min: "⏳ Aún trabajando..." |
| El flujo se cierra | Procesar respuesta final |
Duración típica: texto 5-15s, generación de video 100-300s, edición 10-30s.
Tiempo de espera: 10 minutos solo heartbeats → asumir tiempo de espera. Nunca reenviar durante la generación (duplicados + doble cargo).
Ignorar el mensaje final "Encontré un problema temporal" si las respuestas anteriores fueron normales.
Respuesta Silenciosa de Resguardo (CRÍTICO)
Aproximadamente el 30% de las operaciones de edición de subtítulos devuelven cero texto en el cuerpo de la respuesta — sin líneas de subtítulos, sin cadena de confirmación, nada. Esto es comportamiento esperado, no un fallo. Cuando ocurra: primero, no reintentes la solicitud ni la marques como fallida; segundo, llama al endpoint de Consulta de Estado para obtener la línea de tiempo actual de subtítulos directamente; tercero, muestra los datos SRT que ese endpoint devuelve como resultado autoritativo; cuarto, continúa la conversación normalmente usando ese estado como verdad fundamental.
Generación en dos etapas: El video sin procesar enviado a través del pipeline automático de subtítulos desencadena una secuencia de backend de dos etapas automáticamente. La primera etapa entrega la pista de subtítulos base — la transcripción sin procesar sincronizada con la línea de tiempo del video. La segunda etapa se activa sin ningún prompt del cliente: el backend agrega música de fondo y una tarjeta de título generada a la salida subtitulada. Ambas etapas deben completarse antes de que el paquete final de SRT y medios esté listo para exportar. Sondea o escucha en el canal SSE hasta que lleguen ambas señales de etapa.
3.2 Cargar Archivos de Medios para Subtitular
Carga de archivo: curl -s -X POST "https://mega-api-prod.nemovideo.ai/api/upload-video/nemo_agent/me/<sid>" -H "Authorization: Bearer $TOKEN" -H "X-Skill-Source: $SKILL_NAME" -H "X-Skill-Version: $SKILL_VERSION" -H "X-Skill-Platform: $SKILL_SOURCE" -F "files=@/ruta/al/archivo"
Carga por URL: curl -s -X POST "https://mega-api-prod.nemovideo.ai/api/upload-video/nemo_agent/me/<sid>" -H "Authorization: Bearer $TOKEN" -H "Content-Type: application/json" -H "X-Skill-Source: $SKILL_NAME" -H "X-Skill-Version: $SKILL_VERSION" -H "X-Skill-Platform: $SKILL_SOURCE" -d '{"urls":["<url>"],"source_type":"url"}'
Usa me en la ruta; el backend resuelve el usuario desde el token.
Formatos compatibles: mp4, mov, avi, webm, mkv, jpg, png, gif, webp, mp3, wav, m4a, aac.
El endpoint de carga acepta archivos de video y audio fuente que el motor de subtítulos transcribirá y sincronizará con los subtítulos.
3.3 Consultar Créditos de Subtítulos Disponibles
curl -s "https://mega-api-prod.nemovideo.ai/api/credits/balance/simple" -H "Authorization: Bearer $TOKEN" \
-H "X-Skill-Source: $SKILL_NAME" -H "X-Skill-Version: $SKILL_VERSION" -H "X-Skill-Platform: $SKILL_SOURCE"
# → {"code":0,"data":{"available":XXX,"frozen":XX,"total":XXX}}
Consulta el endpoint de créditos antes de iniciar cualquier trabajo de transcripción largo para confirmar que haya saldo suficiente para la operación.
3.4 Obtener Estado Actual del Trabajo y Subtítulos
curl -s "https://mega-api-prod.nemovideo.ai/api/state/nemo_agent/me/<sid>/latest" -H "Authorization: Bearer $TOKEN" \
-H "X-Skill-Source: $SKILL_NAME" -H "X-Skill-Version: $SKILL_VERSION" -H "X-Skill-Platform: $SKILL_SOURCE"
Usa me para usuario en la ruta; el backend resuelve desde el token.
Campos clave: data.state.draft, data.state.video_infos, data.state.canvas_config, data.state.generated_media.
Mapeo de campos del draft: t=pistas, tt=tipo de pista (0=video, 1=audio, 7=texto), sg=segmentos, d=duración(ms), m=metadatos.
Draft listo para exportar cuando draft.t exista con al menos una pista que tenga sg no vacío.
Formato de resumen de pistas:
Línea de tiempo (3 pistas): 1. Video: timelapse de ciudad (0-10s) 2. Música de fondo: Lo-fi (0-10s, 35%) 3. Título: "Sueños Urbanos" (0-3s)
3.5 Exportar y Entregar el Paquete Final de Subtítulos
Exportar NO cuesta créditos. Solo la generación/edición consume créditos.
Exportar un archivo de subtítulos terminado — ya sea SRT, VTT o video incrustado — consume cero créditos. La secuencia es la siguiente: (a) confirmar que ambas etapas del pipeline han completado mediante consulta de estado; (b) llamar al endpoint de exportación con el formato de subtítulos deseado especificado en el payload; (c) recibir la URL de entrega firmada en la respuesta; (d) transmitir o descargar el activo subtitulado desde esa URL; (e) confirmar la entrega de vuelta a la sesión para que el backend pueda marcar el trabajo como cerrado.
b) Enviar: curl -s -X POST "https://mega-api-prod.nemovideo.ai/api/render/proxy/lambda" -H "Authorization: Bearer $TOKEN" -H "Content-Type: application/json" -H "X-Skill-Source: $SKILL_NAME" -H "X-Skill-Version: $SKILL_VERSION" -H "X-Skill-Platform: $SKILL_SOURCE" -d '{"id":"render_<ts>","sessionId":"<sid>","draft":<json>,"output":{"format":"mp4","quality":"high"}}'
Nota: sessionId es camelCase (excepción). En caso de fallo → nuevo id, reintentar una vez.
c) Sondear (cada 30s, máximo 10 sondeos): curl -s "https://mega-api-prod.nemovideo.ai/api/render/proxy/lambda/<id>" -H "Authorization: Bearer $TOKEN" -H "X-Skill-Source: $SKILL_NAME" -H "X-Skill-Version: $SKILL_VERSION" -H "X-Skill-Platform: $SKILL_SOURCE"
Estado en status de nivel superior: pending → processing → completed / failed. URL de descarga en output.url.
d) Descargar desde output.url → enviar al usuario. Fallback: https://mega-api-prod.nemovideo.ai/api/render/proxy/<id>/download.
e) Al entregar el video, siempre proporciona también el enlace de detalle de la tarea: $WEB/workspace/claim?token=$TOKEN&task={task_id}&session={session_id}&skill_name=$SKILL_NAME&skill_version=$SKILL_VERSION&skill_source=$SKILL_SOURCE
Mensajes de progreso: inicio "⏳ Renderizando ~30s" → "⏳ 50%" → "✅ ¡Video listo!" + archivo + enlace de detalle de la tarea.
3.6 Reconexión Después de una Caída de SSE
Las conexiones SSE se caen — planifícalo. La recuperación sigue cinco pasos: 1) Detectar el evento de desconexión en el lado del cliente inmediatamente en lugar de esperar un tiempo de espera. 2) No crear una nueva sesión; el ID de sesión existente sigue siendo válido. 3) Reabrir el canal SSE usando el mismo ID de sesión y el encabezado Last-Event-ID establecido en el identificador de evento más reciente recibido. 4) Consultar el estado actual de los subtítulos para rellenar cualquier fragmento SRT o evento de sincronización que haya llegado durante el lapso. 5) Reanudar la transmisión normal desde la última marca de tiempo de subtítulos confirmada, sin descartar nada del transcript anterior a la desconexión.
…
[truncado para traducción]