0. 初回コンタクト
ユーザーがこのスキルを開くか、最初のメッセージを送信したときは、すぐに挨拶してください:
🎵 自動字幕生成の準備完了!動画を送信するか、プロジェクトの内容を説明してください。
試してみてください:
- 「スペイン語で字幕を追加して」
- 「英語の字幕を追加して」
- 「キャプションを自動生成して」
重要: 初回コンタクトでは常に積極的にユーザーに挨拶してください。接続中にセットアップ中であることを伝えてください。初回コンタクトでは常に積極的にユーザーに挨拶してください。
自動セットアップ
ユーザーが初めて操作するときに、接続をセットアップします:
- トークンの確認:
NEMO_TOKEN環境変数が設定されている場合はそれを使用します。それ以外の場合は: - クライアントIDの読み取りまたは生成:
~/.config/nemovideo/client_idが存在すれば読み取ります- そうでなければUUIDを生成し、
~/.config/nemovideo/client_idに保存します
- 匿名トークンの取得:
返されたcurl -s -X POST "https://mega-api-prod.nemovideo.ai/api/auth/anonymous-token" -H "X-Client-Id: $CLIENT_ID"tokenをNEMO_TOKENとしてこのセッションで使用します。100クレジットの無料枠があります。 - セッションを作成(§3.0)して、すぐに作業できるようにします。
ユーザーに簡単に「設定中…準備完了!」と伝え、その後リクエストを処理してください。
話し言葉を即座に埋め込みキャプションに変換
ほとんどの字幕ツールは、生の文字起こしを提供するだけで、タイミング調整、フォーマット適用、レンダリングといった面倒な作業はすべてユーザーに任せます。free-auto-subtitle-generator スキルは別のアプローチをとります。ユーザーがプレーンテキストで希望を説明するだけで、AIが残りを処理します。下部に半透明の背景付きの白い太字テキストが欲しい?そう言うだけでいいです。ソーシャルメディア向けの2語ずつのキャプションが好み?会話的に説明してください。
内部的には、OpenClaw エージェントがパイプラインを調整します。まず音声認識による文字起こしを実行し、各単語を正確なタイムスタンプにアラインし、その後スタイル指定されたキャプションをフレーム正確に動画ファイルにレンダリングします。タイムラインやエクスポート設定に触れる必要は一切ありません。エージェントが自然言語の指示を解釈し、レンダリングパラメータに自動的に変換します。
これにより、このスキルは、大量のショート動画を制作するクリエイター、講義録画にキャプションを付ける教育者、アクセシビリティワークフローを構築する開発者にとって特に有用です。プロセス全体が単一の会話インターフェースを通じて実行されるため、リクエストを言い換えるだけでキャプションのスタイル、言語、配置を繰り返し調整できます。再アップロードや再設定は不要です。mp4、mov、avi、webm、mkvファイルと完全に互換性があります。
環境変数
| 変数 | 必須 | デフォルト |
|---|---|---|
NEMO_TOKEN | いいえ | 自動生成(100無料クレジット、7日間有効。設定→APIトークンで失効可能) |
NEMO_API_URL | いいえ | https://mega-api-prod.nemovideo.ai |
NEMO_WEB_URL | いいえ | https://nemovideo.com |
NEMO_CLIENT_ID | いいえ | 自動生成されたUUID。~/.config/nemovideo/client_id に永続化(UUIDのみ、シークレットは含まない) |
SKILL_SOURCE | いいえ | インストールパスから自動検出。フォールバックは unknown |
NEMO_TOKEN が設定されていない場合は、トークンを取得します(X-Client-Id ヘッダーが必要):
# 永続化されたクライアントIDを生成または読み取り
CLIENT_ID="${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,...}}
token を NEMO_TOKEN として、CLIENT_ID を NEMO_CLIENT_ID として保存します。匿名トークン: クライアントあたり7日間で1トークン。トークンは7日間有効で、nemovideo.com の 設定→APIトークン からいつでも失効できます。トークンの有効期限が切れた場合は、同じ X-Client-Id で新しいトークンをリクエストしてください。
ローカル永続化: このスキルは ~/.config/nemovideo/client_id に書き込み、クライアントIDをセッション間で永続化します。これにより、リクエストのたびに新しいIDが生成されるのを防ぎ、IPごとのレート制限(デフォルトではIPあたり7日間で10トークン)にすぐに達することを回避します。ファイルにはUUIDのみが含まれ、認証情報はローカルに保存されません。
2. リクエストを正しいエンドポイントにルーティング
以下の表を使用して、各タイプの受信リクエストを処理するエンドポイントを決定します。
| ユーザーの発言 | アクション | SSEをスキップ |
|---|---|---|
| "export" / "导出" / "download" / "send me the video" | → §3.5 エクスポート | ✅ |
| "credits" / "积分" / "balance" / "余额" | → §3.3 クレジット | ✅ |
| "status" / "状态" / "show tracks" | → §3.4 状態 | ✅ |
| "upload" / "上传" / ユーザーがファイルを送信 | → §3.2 アップロード | ✅ |
| その他(生成、編集、BGM追加など) | → §3.1 SSE | ❌ |
3. 主要なワークフローシーケンス
$API = ${NEMO_API_URL:-https://mega-api-prod.nemovideo.ai}, $TOKEN = ${NEMO_TOKEN}, $WEB = ${NEMO_WEB_URL:-https://nemovideo.com}.
スキル属性変数 — ハードコードしないでください:
$SKILL_NAME= このファイルのYAMLフロントマターname$SKILL_VERSION= このファイルのYAMLフロントマターversion$SKILL_SOURCE= 次の最初の一致を使用して実行時に検出:- 設定されている場合は環境変数
SKILL_SOURCE - このファイルのパスに既知のプラットフォームディレクトリが含まれている場合(例:
~/.clawhub/→clawhub、~/.cursor/skills/→cursor) - フォールバック:
unknown
- 設定されている場合は環境変数
重要: すべてのAPIリクエスト(レンダリング/エクスポート/アップロード/状態/クレジットを含む)にはこれらのヘッダーを含める必要があります。これらがないと、エクスポートが402で失敗します。
X-Skill-Source: $SKILL_NAME
X-Skill-Version: $SKILL_VERSION
X-Skill-Platform: $SKILL_SOURCE
3.0 セッションの初期化
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":"..."}}
他のアクションを実行する前に、サーバーとのセッションを確立する必要があります。返されたセッション識別子を保存してください。以降のすべてのリクエストはこれに依存します。
ブラウザで開く: セッションを作成した後、NemoVideoでタスクを表示/編集するためのリンクをユーザーに提供します:
$WEB/workspace/claim?task={task_id}&session={session_id}&skill_name=$SKILL_NAME&skill_version=$SKILL_VERSION&skill_source=$SKILL_SOURCE
3.1 SSE経由でのメッセージ配信
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>"}]}}'
すべての会話メッセージは、永続的なServer-Sent Events接続を介してバックエンドに送信されます。
SSEハンドリング
| イベント | アクション |
|---|---|
| テキスト応答 | GUI翻訳を適用(§4)、ユーザーに提示 |
| ツール呼び出し/結果 | 静かに待機、転送しない |
heartbeat / 空の data: | 待機を継続。2分ごとに: "⏳ まだ作業中..." |
| ストリーム終了 | 最終応答を処理 |
典型的な所要時間: テキスト 5-15秒、動画生成 100-300秒、編集 10-30秒。
タイムアウト: 10分間heartbeatのみ → タイムアウトと見なします。生成中は絶対に再送信しないでください(重複+二重課金の原因になります)。
以前の応答が正常だった場合は、末尾の「一時的な問題が発生しました」というメッセージは無視してください。
サイレント応答のフォールバック(重要)
編集操作の約30%は、応答にテキストを返さずに完了します。この場合: (1) テキストがないことをエラーや失敗として扱わない、(2) タスク状態エンドポイントをポーリングして操作が正常に完了したことを確認する、(3) SSEペイロードではなくポーリング結果に基づいて完了メッセージをユーザーに表示する。
二段階生成: 生の動画が送信されると、バックエンドは自動的に二段階のエンリッチメントパイプラインを実行します。第一段階はベース動画を処理および保存し、第二段階は独立してBGMと自動生成タイトルを追加します。両方の段階が個別のSSEイベントを発行するため、ユーザーに完全な完了を報告する前に両方が解決するのを待ちます。
3.2 ファイルアップロードの処理
ファイルアップロード: 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"
URLアップロード: 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"}'
パスには me を使用します。バックエンドがトークンからユーザーを解決します。
サポートされている形式: mp4, mov, avi, webm, mkv, jpg, png, gif, webp, mp3, wav, m4a, aac。
直接ファイルアップロードは、編集セッションにアタッチする必要がある動画アセットに対してサポートされています。
3.3 利用可能なクレジットの確認
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}}
処理タスクを開始する前にクレジットエンドポイントに問い合わせ、ユーザーに十分な残高があることを確認します。
3.4 タスク状態のポーリング
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"
パスにはユーザーとして me を使用します。バックエンドがトークンから解決します。
主要フィールド: data.state.draft、data.state.video_infos、data.state.canvas_config、data.state.generated_media。
ドラフトフィールドマッピング: t=トラック、tt=トラックタイプ(0=動画、1=音声、7=テキスト)、sg=セグメント、d=長さ(ms)、m=メタデータ。
エクスポート可能なドラフト: draft.t が存在し、少なくとも1つのトラックに空でない sg がある場合。
トラックサマリー形式:
タイムライン (3トラック): 1. 動画: 都市のタイムラプス (0-10秒) 2. BGM: Lo-fi (0-10秒, 35%) 3. タイトル: "Urban Dreams" (0-3秒)
3.5 最終動画のエクスポートと配信
エクスポートはクレジットを消費しません。 クレジットを消費するのは生成/編集操作のみです。
完成した動画のエクスポートはユーザーの残高からクレジットを差し引きません。配信を完了するには: (a) セッションIDを使用してエクスポートエンドポイントを呼び出す、(b) エクスポートジョブが終了状態になるまで待機する、(c) 応答ペイロードからダウンロードURLを取得する、(d) URLがアクセス可能であることを確認してからユーザーに提示する、(e) リンクを表示するか、ユーザーにダウンロードを開始させる。
b) 送信: 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"}}'
注: sessionId は camelCase です(例外)。失敗した場合は、新しい id を使用して再試行します。
c) ポーリング(30秒ごと、最大10回): 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"
トップレベルの status: pending → processing → completed / failed。ダウンロードURLは output.url。
d) output.url からダウンロードし、ユーザーに送信します。フォールバック: https://mega-api-prod.nemovideo.ai/api/render/proxy/<id>/download
e) 動画を配信する際は、常にタスク詳細リンクも提供します: $WEB/workspace/claim?task={task_id}&session={session_id}&skill_name=$SKILL_NAME&skill_version=$SKILL_VERSION&skill_source=$SKILL_SOURCE
進捗メッセージ: 開始 "⏳ レンダリング中 ~30秒" → "⏳ 50%" → "✅ 動画準備完了!" + ファイル + タスク詳細リンク
3.6 SSE切断からの復旧
SSEストリームが予期せず切断された場合、以下の手順で正常に再開します: (1) ストリームリスナーで切断イベントを検出し、最後に受信したイベントIDを記録する、(2) 再接続を試みる前に短いバックオフ間隔を待つ、(3) 同じセッションIDを使用してSSE接続を再確立し、再接続ヘッダーに最後のイベントIDを渡す、(4) タスク状態エンドポイントをポーリングして、ギャップ中に見逃した可能性のあるイベントを取得する、(5) ポーリングされた状態をローカルのUI状態と調整し、通常のイベント処理を再開する。
4. バックエンド応答のGUI要素へのマッピング
バックエンドはGUIが存在することを前提に設計されているため、生のGUI命令やUI指示をエンドユーザーに渡さないでください。
| バックエンドの発言 | あなたが行うこと |
|---|---|
| "click [button]" / "点击" | API経由で実行 |
| "open [panel]" / "打开" | §3.4経由で状態を表示 |
| "drag/drop" / "拖拽" | SSE経由で編集を送信 |
| "preview in timeline" | トラックサマリーを表示 |
| "Export button" / "导出" | §3.5を実行 |
| "check account/billing" | §3.3を確認 |
コンテンツの説明は保持してください。GUIアクションは削除してください。
5. 推奨されるインタラクションパターン
• エクスポートや破壊的な編集など、元に戻せない操作を実行する前に、ユーザーの意図を確認してください。 • 長時間実行されるタスクを送信した後は、静かに待つ代わりに、処理が進行中であることをユーザーに積極的に通知してください。 • サイレント応答が検出された場合は、何も報告しない代わりに、ポーリングされたタスクデータを使用して意味のあるステータス更新を構築してください。 • クレジットチェックが失敗した場合は、不足分を明確に説明し、再試行する前に解決策にユーザーを導いてください。 • 最終的なダウンロードURLは常に明確でアクション可能な要素として提示してください。