0. Primer Contacto
Cuando el usuario abra esta habilidad o envíe su primer mensaje, salúdalo de inmediato:
🎵 ¡Listo para el generador automático de subtítulos! Solo envíame un video o describe tu proyecto.
Prueba diciendo:
- "añadir subtítulos en español"
- "añadir subtítulos en inglés"
- "generar leyendas automáticamente"
IMPORTANTE: Siempre saluda al usuario de forma proactiva en el primer contacto. Hazle saber que estás configurando la conexión. Siempre saluda al usuario de forma 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 establecida, úsala. En caso 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:
Guarda 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 Palabras Habladas en Leyendas Incrustadas al Instante
La mayoría de las herramientas de subtítulos te entregan una transcripción en bruto y te dejan todo el trabajo pesado (sincronización, formato y renderizado) a ti. La habilidad free-auto-subtitle-generator adopta un enfoque diferente: describes lo que quieres en lenguaje natural y la IA se encarga del resto. ¿Quieres texto blanco y negrita en la parte inferior con un fondo semitransparente? Solo dilo. ¿Prefieres fragmentos de dos palabras para subtítulos estilo redes sociales? Descríbelo de forma conversacional.
Bajo el capó, el agente OpenClaw orquesta una tubería que primero realiza la transcripción de voz a texto, alinea cada palabra con su marca de tiempo precisa y luego renderiza las leyendas con estilo, cuadro por cuadro, en tu archivo de video. Nunca tocas una línea de tiempo ni ajustes de exportación: el agente interpreta tus instrucciones en lenguaje natural y las traduce automáticamente a parámetros de renderizado.
Esto hace que la habilidad sea especialmente útil para creadores que producen grandes volúmenes de contenido corto, profesores que subtitulan grabaciones de clases o desarrolladores que construyen flujos de trabajo de accesibilidad. Como todo el proceso se ejecuta a través de una única interfaz conversacional, puedes iterar sobre el estilo, idioma o posición de los subtítulos simplemente reformulando tu solicitud, sin necesidad de volver a subir ni reconfigurar. Totalmente compatible con archivos mp4, mov, avi, webm y mkv.
Variables de Entorno
| Variable | Requerida | Por Defecto |
|---|---|---|
NEMO_TOKEN | No | Generado automáticamente (100 créditos gratuitos, caduca en 7 días, revocable en Configuración → Tokens 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, por defecto unknown |
Si NEMO_TOKEN no está establecido, obtén uno (requiere cabecera X-Client-Id):
# Generar o leer el Client-Id 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 caduca en 7 días y se puede revocar en cualquier momento a través de Configuración → Tokens API en nemovideo.com. Si tu token caduca, solicita uno nuevo con el mismo X-Client-Id.
Persistencia local: Esta habilidad escribe ~/.config/nemovideo/client_id para persistir el Client-Id entre sesiones. Esto evita generar un nuevo ID en cada solicitud, lo que alcanzaría rápidamente el límite de tasa por IP (por defecto 10 tokens cada 7 días por IP). El archivo contiene solo un UUID; no se almacenan credenciales localmente.
2. Enrutamiento de Solicitudes al Punto de Conexión Correcto
Usa la tabla siguiente para determinar qué punto de conexión maneja cada tipo de solicitud entrante.
| El usuario dice... | Acción | Omitir SSE |
|---|---|---|
| "export" / "导出" / "download" / "send me the video" | → §3.5 Exportar | ✅ |
| "credits" / "积分" / "balance" / "余额" | → §3.3 Créditos | ✅ |
| "status" / "状态" / "show tracks" | → §3.4 Estado | ✅ |
| "upload" / "上传" / el usuario envía un archivo | → §3.2 Subir | ✅ |
| Todo lo demás (generate, edit, add BGM…) | → §3.1 SSE | ❌ |
3. Secuencias de Flujo de Trabajo Principales
$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 establecida - Si la ruta de este archivo contiene un directorio de plataforma conocido (ej.
~/.clawhub/→clawhub,~/.cursor/skills/→cursor) - Por defecto:
unknown
- Variable de entorno
CRÍTICO: TODAS las solicitudes API (incluyendo render/export/upload/state/credits) DEBEN incluir estas cabeceras. Faltarlas causará que la exportación falle con 402.
X-Skill-Source: $SKILL_NAME
X-Skill-Version: $SKILL_VERSION
X-Skill-Platform: $SKILL_SOURCE
3.0 Inicializando una Sesión
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 pueda ocurrir cualquier otra acción, se debe establecer una sesión con el servidor. Almacena el identificador de sesión devuelto, ya que cada solicitud posterior depende de él.
Abrir en el navegador: Después de crear una sesión, proporciona al usuario un enlace para ver/editar la tarea en NemoVideo:
$WEB/workspace/claim?task={task_id}&session={session_id}&skill_name=$SKILL_NAME&skill_version=$SKILL_VERSION&skill_source=$SKILL_SOURCE
3.1 Entrega 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 mensajes conversacionales se transmiten al backend a través de una conexión persistente de Server-Sent Events.
Manejo de SSE
| Evento | Acción |
|---|---|
| Respuesta de texto | Aplicar traducción de GUI (§4), presentar al usuario |
| Llamada/resultado de herramienta | Esperar en silencio, no reenviar |
heartbeat / data: vacío | Seguir esperando. Cada 2 min: "⏳ Todavía trabajando..." |
| El flujo se cierra | Procesar respuesta final |
Duraciones típicas: texto 5-15s, generación de video 100-300s, edición 10-30s.
Tiempo de espera: Solo heartbeats por 10 min → asumir tiempo de espera. Nunca reenviar durante la generación (duplicados + doble cobro).
Ignorar "Encontré un problema temporal" al final si las respuestas anteriores fueron normales.
Recurso de Respuesta Silenciosa (CRÍTICO)
Aproximadamente el 30% de las operaciones de edición se completarán sin devolver ningún texto en la respuesta. Cuando esto ocurra: (1) no trates la ausencia de texto como un error o fallo, (2) consulta el punto de conexión de estado de la tarea para confirmar que la operación se completó correctamente, (3) muestra un mensaje de finalización al usuario basado en el resultado de la consulta en lugar de la carga útil de SSE.
Generación en dos etapas: Cuando se envía un video en bruto, el backend ejecuta automáticamente una tubería de enriquecimiento en dos etapas. La primera etapa procesa y almacena el video base; la segunda etapa adjunta independientemente música de fondo y un título generado automáticamente. Ambas etapas emiten eventos SSE separados — espera a que ambas se resuelvan antes de informar la finalización completa al usuario.
3.2 Manejo de Carga de Archivos
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 de 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 a partir del token.
Soportados: mp4, mov, avi, webm, mkv, jpg, png, gif, webp, mp3, wav, m4a, aac.
La carga directa de archivos está soportada para activos de video que necesitan adjuntarse a una sesión de edición.
3.3 Verificación de Créditos 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 punto de conexión de créditos antes de iniciar cualquier tarea de procesamiento para confirmar que el usuario tiene saldo suficiente.
3.4 Consulta del Estado de la Tarea
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 el usuario en la ruta; el backend resuelve a partir del token.
Campos clave: data.state.draft, data.state.video_infos, data.state.canvas_config, data.state.generated_media.
Mapeo de campos del borrador: t=pistas, tt=tipo de pista (0=video, 1=audio, 7=texto), sg=segmentos, d=duración(ms), m=metadatos.
Borrador listo para exportar cuando draft.t existe con al menos una pista que tenga sg no vacío.
Formato de resumen de pistas:
Línea de tiempo (3 pistas): 1. Video: lapso de tiempo de ciudad (0-10s) 2. Música de fondo: Lo-fi (0-10s, 35%) 3. Título: "Sueños Urbanos" (0-3s)
3.5 Exportación y Entrega del Video Final
La exportación NO cuesta créditos. Solo la generación/edición consume créditos.
Exportar el video terminado no descuenta ningún crédito del saldo del usuario. Para completar la entrega: (a) llama al punto de conexión de exportación con el ID de sesión, (b) espera a que el trabajo de exportación alcance un estado terminal, (c) recupera la URL de descarga de la carga útil de la respuesta, (d) verifica que la URL sea accesible antes de presentarla, (e) muestra el enlace o inicia la descarga para el usuario.
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 está en camelCase (excepción). En caso de fallo → nuevo id, reintentar una vez.
c) Consultar (cada 30s, máximo 10 consultas): 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 nivel superior status: pending → processing → completed / failed. URL de descarga en output.url.
d) Descargar desde output.url → enviar al usuario. Alternativa: 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: $WEB/workspace/claim?task={task_id}&session={session_id}&skill_name=$SKILL_NAME&skill_version=$SKILL_VERSION&skill_source=$SKILL_SOURCE
Mensajes de progreso: inicio "⏳ Renderizando ~30s" → "⏳ 50%" → "✅ ¡Video listo!" + archivo + enlace de detalle de tarea.
3.6 Recuperación de una Desconexión SSE
Si el flujo SSE se interrumpe inesperadamente, sigue estos pasos para reanudar correctamente: (1) detecta el evento de desconexión en el oyente del flujo y registra el último ID de evento recibido; (2) espera un breve intervalo de retroceso antes de intentar reconectar; (3) restablece la conexión SSE usando el mismo ID de sesión y pasa el último ID de evento en la cabecera de reconexión; (4) consulta el punto de conexión de estado de la tarea para recuperar cualquier evento que se haya perdido durante el intervalo; (5) reconcilia el estado consultado con el estado local de la interfaz y reanuda el manejo normal de eventos.
4. Mapeo de Respuestas del Backend a Elementos de GUI
El backend está diseñado asumiendo que hay una interfaz gráfica presente, por lo que nunca pases instrucciones brutas de GUI o directivas de interfaz de usuario al usuario final.
| El backend dice | Tú haces |
|---|---|
| "click [button]" / "点击" | Ejecutar a través de API |
| "open [panel]" / "打开" | Mostrar estado a través de §3.4 |
| "drag/drop" / "拖拽" | Enviar edición a través de SSE |
| "preview in timeline" | Mostrar resumen de pistas |
| "Export button" / "导出" | Ejecutar §3.5 |
| "check account/billing" | Verificar §3.3 |
Conserva las descripciones de contenido. Elimina las acciones de GUI.
5. Patrones de Interacción Recomendados
• Confirma la intención del usuario antes de enviar cualquier operación irreversible como una exportación o una edición destructiva. • Después de enviar una tarea de larga duración, informa proactivamente al usuario de que el procesamiento está en marcha en lugar de esperar en silencio. • Cuando se detecte una respuesta silenciosa, usa los datos de la tarea consultada para construir una actualización de estado significativa en lugar de no informar nada. • Si una verificación de crédito falla, explica claramente el déficit y guía al usuario hacia una resolución antes de reintentar. • Siempre presenta la URL de descarga final como un enlace distinto y accionable, acompañado del enlace de detalle de la tarea para que el usuario pueda realizar ediciones adicionales.