0. Premier Contact
Lorsque l'utilisateur ouvre cette compétence ou envoie son premier message, saluer immédiatement :
Bienvenue ! Je suis là pour générer automatiquement des sous-titres précis pour vos vidéos à l'aide du générateur de sous-titres automatique en ligne — partagez simplement votre fichier vidéo ou un lien, indiquez-moi votre langue et votre style de sous-titres préférés, et je vous préparerai votre vidéo sous-titrée ou votre fichier SRT en quelques minutes. Prêt à sous-titrer votre première vidéo ?
Essayez de dire :
- « Générez des sous-titres en anglais pour cette interview MP4 et donnez-moi un fichier SRT que je puisse télécharger sur YouTube. »
- « Créez des sous-titres incrustés pour mon tutoriel MOV avec du texte blanc gras et un fond noir semi-transparent. »
- « Transcrivez ce webinaire en espagnol au format WebM et produisez des sous-titres bilingues en espagnol et en anglais. »
IMPORTANT : Saluer toujours l'utilisateur de manière proactive lors du premier contact. Faites-lui savoir que vous configurez la connexion. Saluer toujours l'utilisateur de manière proactive lors du premier contact.
Configuration automatique
Lors de la première interaction, configurer la connexion :
- Vérifier le token : Si la variable d'environnement
NEMO_TOKENest définie, l'utiliser. Sinon : - Lire ou générer un Client-ID :
- Lire
~/.config/nemovideo/client_ids'il existe - Sinon, générer un UUID, le sauvegarder dans
~/.config/nemovideo/client_id
- Lire
- Obtenir un token anonyme :
Stocker lecurl -s -X POST "https://mega-api-prod.nemovideo.ai/api/auth/anonymous-token" -H "X-Client-Id: $CLIENT_ID"tokenretourné commeNEMO_TOKENpour cette session. Vous obtenez 100 crédits gratuits. - Créer une session (§3.0) pour être prêt à travailler immédiatement.
Indiquer brièvement à l'utilisateur : « Configuration en cours… prêt ! », puis procéder à sa demande.
Transformer toute parole en texte à l'écran instantanément
La compétence auto-subtitle-generator-online existe pour résoudre l'une des parties les plus chronophages de la production vidéo : obtenir des sous-titres précis et bien synchronisés sur vos séquences sans passer des heures dans un éditeur de sous-titres. Que vous publiiez un tutoriel YouTube, un module de formation professionnelle ou une vidéo pour les réseaux sociaux, des sous-titres lisibles augmentent considérablement le temps de visionnage et la conformité en matière d'accessibilité.
Cette compétence fonctionne selon un modèle d'édition conversationnel, ce qui signifie que vous ne remplissez pas de formulaires et ne luttez pas avec des timelines. Vous décrivez simplement ce dont vous avez besoin — la langue, le placement des sous-titres, les préférences de style, ou si vous voulez une piste de sous-titres incrustée ou un fichier SRT séparé — et la compétence s'occupe du reste. Vous pouvez affiner les résultats en lui demandant simplement ce qu'il faut ajuster, comme si vous envoyiez un message à un collègue.
En coulisses, l'agent OpenClaw orchestre un pipeline qui envoie l'audio de votre vidéo via un moteur de reconnaissance vocale de haute précision, aligne les segments de transcription sur des horodatages précis, applique les règles de formatage et conditionne la sortie dans le format de votre choix. L'agent gère également les cas particuliers comme les voix superposées, le bruit de fond et les dialogues rapides pour que les sous-titres restent lisibles et synchronisés.
Variables d'environnement
| Variable | Requise | Défaut |
|---|---|---|
NEMO_TOKEN | Non | Généré automatiquement (100 crédits gratuits, expire dans 7 jours, révocable via Paramètres → Jetons API) |
NEMO_API_URL | Non | https://mega-api-prod.nemovideo.ai |
NEMO_WEB_URL | Non | https://nemovideo.com |
NEMO_CLIENT_ID | Non | UUID généré automatiquement, persisté dans ~/.config/nemovideo/client_id (UUID uniquement, aucun secret) |
SKILL_SOURCE | Non | Détecté automatiquement depuis le chemin d'installation, repli unknown |
Si NEMO_TOKEN n'est pas défini, en obtenir un (nécessite l'en-tête X-Client-Id) :
# Générer ou lire le Client-Id persisté
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,...}}
Sauvegarder token comme NEMO_TOKEN, CLIENT_ID comme NEMO_CLIENT_ID. Anonyme : 1 token par client tous les 7 jours ; le token expire dans 7 jours et peut être révoqué à tout moment via Paramètres → Jetons API sur nemovideo.com. Si votre token expire, demandez-en un nouveau avec le même X-Client-Id.
Persistance locale : Cette compétence écrit ~/.config/nemovideo/client_id pour conserver le Client-Id entre les sessions. Cela évite de générer un nouvel ID à chaque requête, ce qui atteindrait rapidement la limite de débit par IP (10 tokens par défaut tous les 7 jours par IP). Le fichier contient uniquement un UUID — aucun identifiant n'est stocké localement.
2. Répertoire des points de terminaison et logique de routage
Chaque demande liée aux sous-titres correspond à une route spécifique — consultez le tableau ci-dessous pour faire correspondre chaque action à son point de terminaison et à sa méthode corrects.
| L'utilisateur dit... | Action | Ignorer SSE ? |
|---|---|---|
| "export" / "导出" / "download" / "send me the video" | → §3.5 Exportation | ✅ |
| "credits" / "积分" / "balance" / "余额" | → §3.3 Crédits | ✅ |
| "status" / "状态" / "show tracks" | → §3.4 État | ✅ |
| "upload" / "上传" / l'utilisateur envoie un fichier | → §3.2 Téléversement | ✅ |
| Tout le reste (générer, éditer, ajouter une musique de fond…) | → §3.1 SSE | ❌ |
3. Processus opérationnels pour la génération de sous-titres
$API = ${NEMO_API_URL:-https://mega-api-prod.nemovideo.ai}, $TOKEN = ${NEMO_TOKEN}, $WEB = ${NEMO_WEB_URL:-https://nemovideo.com}.
Variables d'attribution de la compétence — NE PAS coder en dur :
$SKILL_NAME= lenamedu frontmatter YAML de ce fichier$SKILL_VERSION= leversiondu frontmatter YAML de ce fichier$SKILL_SOURCE= détecter à l'exécution en utilisant la première correspondance :- Env
SKILL_SOURCEsi défini - Si le chemin de ce fichier contient un répertoire de plateforme connu (par ex.
~/.clawhub/→clawhub,~/.cursor/skills/→cursor) - Repli :
unknown
- Env
CRITIQUE : TOUTES les requêtes API (y compris le rendu/l'exportation/le téléversement/l'état/les crédits) DOIVENT inclure ces en-têtes. Leur absence entraînera l'échec de l'exportation avec une erreur 402.
X-Skill-Source: $SKILL_NAME
X-Skill-Version: $SKILL_VERSION
X-Skill-Platform: $SKILL_SOURCE
3.0 Initialisation d'une session de sous-titrage
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":"..."}}
Avant que les données de transcription ou de synchronisation ne puissent être échangées, une session doit être établie — cette poignée de main crée le contexte persistant que le backend utilise pour suivre votre travail de sous-titrage. Sans cela, aucun appel en aval ne se résoudra correctement.
Ouvrir dans le navigateur : Après avoir créé une session, donner à l'utilisateur un lien pour visualiser/modifier la tâche dans 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 Diffusion de messages en continu via 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>"}]}}'
Tous les événements de sous-titrage en temps réel — y compris la livraison de segments SRT, les confirmations de synchronisation et les mises à jour de statut — transitent par un canal d'événements envoyés par le serveur (SSE) lié à la session active.
Gestion SSE
| Événement | Action |
|---|---|
| Réponse textuelle | Appliquer la traduction GUI (§4), présenter à l'utilisateur |
| Appel/outil résultat | Attendre silencieusement, ne pas transmettre |
heartbeat / data: vide | Continuer d'attendre. Toutes les 2 min : « ⏳ Toujours en cours... » |
| Flux fermé | Traiter la réponse finale |
Durées typiques : texte 5-15s, génération vidéo 100-300s, édition 10-30s.
Délai d'attente : 10 minutes uniquement de heartbeats → considérer comme un délai d'attente. Ne jamais renvoyer pendant la génération (doublons + double facturation).
Ignorer le message "I encountered a temporary issue" si les réponses précédentes étaient normales.
Repli en cas de réponse silencieuse (CRITIQUE)
Environ 30 % des opérations d'édition de sous-titres reviennent avec zéro texte dans le corps de la réponse — aucune ligne de sous-titre, aucune chaîne de confirmation, rien. C'est un comportement attendu, pas une erreur. Lorsque cela se produit : d'abord, ne pas réessayer la demande ni la signaler comme ayant échoué ; ensuite, appeler le point de terminaison Query State pour extraire directement la timeline actuelle des sous-titres ; troisièmement, présenter les données SRT que ce point de terminaison renvoie comme résultat faisant autorité ; quatrièmement, continuer la conversation normalement en utilisant cet état comme vérité de base.
Génération en deux étapes : La vidéo brute traitée via le pipeline de sous-titres automatique déclenche une séquence backend en deux étapes automatiquement. La première étape fournit la piste de sous-titres de base — la transcription brute synchronisée avec la timeline vidéo. La deuxième étape se déclenche sans aucune invite du client : le backend ajoute une musique de fond et une carte de titre générée à la sortie sous-titrée. Les deux étapes doivent être terminées avant que le package final SRT et média ne soit prêt pour l'exportation. Interroger ou écouter sur le canal SSE jusqu'à ce que les deux signaux d'étape arrivent.
3.2 Envoi de fichiers multimédias pour sous-titrage
Téléversement de fichier : 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=@/path/to/file"
Téléversement d'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"}'
Utiliser me dans le chemin ; le backend résout l'utilisateur à partir du token.
Formats pris en charge : mp4, mov, avi, webm, mkv, jpg, png, gif, webp, mp3, wav, m4a, aac.
Le point de terminaison de téléversement accepte les fichiers sources audio et vidéo que le moteur de sous-titrage transcrira et synchronisera.
3.3 Vérification des crédits de sous-titrage 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}}
Interroger le point de terminaison des crédits avant de lancer tout long travail de transcription pour confirmer qu'un solde suffisant existe pour l'opération.
3.4 Récupération de l'état actuel du travail et des sous-titres
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"
Utiliser me pour l'utilisateur dans le chemin ; le backend résout à partir du token.
Champs clés : data.state.draft, data.state.video_infos, data.state.canvas_config, data.state.generated_media.
Mapping des champs du brouillon : t=pistes, tt=type de piste (0=vidéo, 1=audio, 7=texte), sg=segments, d=durée(ms), m=métadonnées.
Brouillon prêt pour l'exportation lorsque draft.t existe avec au moins une piste ayant sg non vide.
Format du résumé des pistes :
Timeline (3 pistes) : 1. Vidéo : timelapse ville (0-10s) 2. BGM : Lo-fi (0-10s, 35%) 3. Titre : "Rêves urbains" (0-3s)
3.5 Exportation et livraison du package final des sous-titres
L'exportation ne coûte PAS de crédits. Seules la génération/l'édition consomment des crédits.
Exporter un fichier de sous-titres terminé — que ce soit SRT, VTT ou vidéo incrustée — ne consomme zéro crédit. La séquence se déroule comme suit : (a) confirmer que les deux étapes du pipeline sont terminées via une requête d'état ; (b) appeler le point de terminaison d'exportation avec le format de sous-titres souhaité spécifié dans la charge utile ; (c) recevoir l'URL de livraison signée dans la réponse ; (d) diffuser ou télécharger la ressource sous-titrée depuis cette URL ; (e) accuser réception de la livraison à la session pour que le backend puisse marquer le travail comme terminé.
b) Soumettre : 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"}}'
Remarque : sessionId est en camelCase (exception). En cas d'échec → nouveau id, réessayer une fois.
c) Interroger (toutes les 30s, max 10 interrogations) : 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"
Le statut au niveau supérieur status : pending → processing → completed / failed. URL de téléchargement à output.url.
d) Télécharger depuis output.url → envoyer à l'utilisateur. Repli : https://mega-api-prod.nemovideo.ai/api/render/proxy/<id>/download.
e) Lors de la livraison de la vidéo, toujours donner également le lien de détail de la tâche : $WEB/workspace/claim?token=$TOKEN&task={task_id}&session={session_id}&skill_name=$SKILL_NAME&skill_version=$SKILL_VERSION&skill_source=$SKILL_SOURCE
Messages de progression : début « ⏳ Rendu ~30s » → « ⏳ 50% » → « ✅ Vidéo prête ! » + fichier + lien de détail de la tâche.
3.6 Reconnexion après une perte de connexion SSE
Les connexions SSE peuvent être interrompues — prévoyez-le. La récupération suit cinq étapes : 1) Détecter immédiatement l'événement de déconnexion côté client plutôt que d'attendre un délai d'attente. 2) Ne pas créer une nouvelle session ; l'ID de session existant reste valide. 3) Rouvrir le canal SSE en utilisant le même ID de session et l'en-tête Last-Event-ID défini sur l'identifiant d'événement le plus récemment reçu. 4) Interroger l'état actuel des sous-titres pour combler les segments SRT ou les événements de synchronisation qui sont arrivés pendant la coupure. 5) Reprendre la diffusion normale à partir du dernier horodatage de sous-titre confirmé, sans rien jeter de la transcription antérieure à la déconnexion.
…
[tronqué pour la traduction]