0. ファーストコンタクト
ユーザーがこのスキルを開いたり、最初のメッセージを送信したら、すぐに挨拶してください:
🎥 字幕動画を生成しましょう!ここに動画をドロップするか、作成したい内容を説明してください。
試してみてください:
- "英語の字幕を追加"
- "スペイン語で字幕を追加"
- "キャプションを自動生成"
重要: ファースト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していることを伝えましょう。ファースト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
ユーザーが最初に操作したら、接続を設定します:
- トークンの確認:
NEMO_TOKEN環境変数が設定されていればそれを使用します。そうでない場合は: - 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: $CLIENT_ID"tokenをこのセッションのNEMO_TOKENとして保存します。100無料クレジットが付与されます。 - セッションの作成 (§3.0): すぐに作業できるように準備します。
ユーザーに簡単に「設定中…準備完了!」と伝え、その後リクエストを処理します。
音声を即座に焼き込みキャプションに変換
subtitle-video-generator スキルは、生の動画フッテージと視聴者向けコンテンツの間のギャップを埋めます。字幕エディタやタイムラインツールに苦労する代わりに、必要なもの(キャプションスタイル、フォントサイズ、位置、言語)を説明するだけで、スキルが文字起こしからレンダリングパイプライン全体を最初から最後まで処理します。
このスキルの核となるのはOpenClawエージェントで、ユーザーの自然言語指示を解釈し、文字起こしエンジンと字幕レンダリングレイヤーを調整します。「白い太字のキャプションを下部に追加」や「この英語動画にスペイン語の字幕を生成」といったコンテキストを理解したリクエストを、正確な処理手順に変換し、ユーザーからの技術的な入力を必要としません。
これにより、このスキルは、アクセシビリティが必須のプラットフォームで公開するソーシャルメディアチーム、講義動画に素早くキャプションを付ける必要があるコース作成者、フィード用のサイレント自動再生コンテンツを制作するマーケティング担当者にとって特に価値があります。字幕が別のトラックとして添付されるのではなく、動画に直接焼き付けられるため、出力は互換性の問題なくすべてのプレーヤーとプラットフォームで普遍的に機能します。
環境変数
| 変数 | 必須 | デフォルト |
|---|---|---|
NEMO_TOKEN | いいえ | 自動生成(100無料クレジット、7日間有効、設定→APIトークンで無効化可能) |
NEMO_API_URL | いいえ | https://mega-api-prod.nemovideo.ai |
NEMO_WEB_URL | いいえ | https://nemovideo.com |
NEMO_CLIENT_ID | いいえ | 自動生成UUID、~/.config/nemovideo/client_id に保存(UUIDのみ、シークレットは含まれません) |
SKILL_SOURCE | いいえ | インストールパスから自動検出、フォールバック unknown |
NEMO_TOKEN が設定されていない場合は、1つ取得します(X-Client-Id ヘッダーが必要):
# 保存されたクライアントIDを生成または読み取り
CLIENT_ID="${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 として保存し、CLIENT_ID を NEMO_CLIENT_ID として保存します。匿名: クライアント1つにつき7日間で1トークン。トークンは7日間で有効期限が切れ、nemovideo.comの 設定 → APIトークン からいつでも失効させることができます。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ごとのレート制限にすぐに達するのを回避します(デフォルトではIPごとに7日間で10トークン)。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. リクエストルーティングリファレンス
各受信リクエストタイプは、以下のように特定のエンドポイントとHTTPメソッドにマッピングされます。
| ユーザーが言ったこと | 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 | ✅ |
| その他すべて(生成、編集、BGM追加など) | → §3.1 SSE | ❌ |
3. 主要操作フロー
$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こと:
$SKILL_NAME= このファイルのYAMLフロントマターのname$SKILL_VERSION= このファイルのYAMLフロントマターのversion$SKILL_SOURCE= 実行時に最初に一致したものを使用して検出:- 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、エクスポートは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":"..."}}
他の操作を実行する前に、セッションを確立する必要があります。これにより、後続のすべてのリクエストが動作するコンテキストが作成されます。
ブラウザで開く: セッション作成後、ユーザーにNemoVideoでタスクを表示/編集するためのリンクを提供します:
$WEB/workspace/claim?task={task_id}&session={session_id}&skill_name=$SKILL_NAME&skill_version=$SKILL_VERSION&skill_source=$SKILL_SOURCE
3.1 SSEを介したメッセージ送信
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、Server-Sent Eventsチャネルを介してバックエンドに配信されます。
SSE処理
| 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 | 内部で処理、転送しない |
heartbeat / 空の data: | 待機を続ける。2分ごとに: "⏳ まだ処理中です..." |
| ストリーム終了 | 最終応答を処理 |
一般的な所要時間: 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: ハートビートのみ10分 → タイムアウトと見なす。生成中は決して再送信しない(重複+二重請求)。
以前の応答が正常だった場合、後続の「一時的な問題が発生しました」は無視します。
サイレント応答フォールバック(重要)
編集操作の約30%は、応答にテキストコンテンツを返しません。この場合: まず、HTTPステータスコードを確認してリクエストが成功したことを確認します。次に、タスク状態エンドポイントをポーリングして処理ステータスを確認します。第三に、完了したタスク状態を、テキスト返信がない場合でも成功した操作として扱います。第四に、メッセージが返されなかったという理由だけでリクエストが失敗したと想定して再送信しないでください。
2段階生成: 生の動画が生成された後、バックエンドは自動的に第2処理段階をトリガーし、背景音楽をオーバーレイし、タイトルシーケンスを挿入します。これら2つの段階は、追加の入力を必要とせずに順次実行されます。統合では、最終段階の完了イベントを待ってから結果をユーザーに表示するために、このパイプラインを考慮する必要があります。
3.2 アセットアップロード
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。バックエンドはトークンからユーザーを解決します。
サポート形式: mp4, mov, avi, webm, mkv, jpg, png, gif, webp, mp3, wav, m4a, aac。
動画ファイルと画像アセットの両方をアップロードエンドポイントに送信して、字幕生成ワークフローで使用できます。
3.3 クレジット残高
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}}
生成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て、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"
パスにはユーザーに me を使用します。バックエンドは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=期間(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、空でない sg を持つトラックが少なくとも1つある場合。
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 (0-10s) 2. BGM: ローファイ (0-10s, 35%) 3. タイトル: "Urban Dreams" (0-3s)
3.5 結果のエクスポートと配信
エクスポートにはクレジットはかかりません。 生成/編集のみがクレジットを消費します。
エクスポートをトリガーしても、ユーザーの残高からクレジットは差し引かれません。配信を完了するには: (a) 完了したタスクIDでエクスポートエンドポイントを呼び出します。(b) エクスポートジョブの完了イベントを待ちます。(c) 応答ペイロードからダウンロードURLを取得します。(d) URLにアクセス可能であることを確認してから提示します。(e) 最終ダウンロードリンクをユーザーに提示します。
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 はキャメルケースです(例外)。失敗した場合 → 新しい id で1回再試行します。
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"
最上位の status ステータス: 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 → ユーザーに送信。フォールバック: https://mega-api-prod.nemovideo.ai/api/render/proxy/<id>/download。
e) 動画を配信するときは、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切断の処理
SSE接続が予期せず切断された場合は、次の復旧手順に従います: (1) SSE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をログに記録します。(2) サーバーへのフラッディングを避けるために、再接続を試みる前に最低2秒待ちます。(3) 同じセッションIDを使用してSSE接続を再確立します。(4) タスク状態エンドポイントのポーリングを再開して、停止中に進行中の操作が完了したかどうかを確認します。(5) タスクが完了状態にある場合は、元のメッセージを再送信せずに、直接エクスポートに進みます。
4. GUI抽象化レイヤー
バックエンドは常にグラフィカルインターフェースが存在することを前提としているため、GUIレベルの指示をAPIリクエストの一部として転送してはなりません。
| バックエンドの応答 | あなたの対応 |
|---|---|
| "click [button]" / "点击" | API経由で実行 |
| "open [panel]" / "打开" | §3.4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ます。 GUIアクションは削除します。
5. 推奨インタラクションパターン
- 生成タスクを開始する前に、必ずクレジットの利用可能性を確認して、ワークフロー途中でのリクエスト失敗を防ぎます。
- ユーザーが動画を送信したら、すぐに受信を確認し、ポーリングを開始する前に処理時間についての期待値を設定します。
- SSEイベントから中間進捗状況を通知し、長時間の操作中にユーザーがフィードバックなしで待つことがないようにします。
- サイレント応答を受信した場合は、ユーザーに確認を求めたり再送信したりするのではなく、ポーリングによってタスク状態を解決します。
- ダウンロードURLが取得されたら、それを目立つように提示し、ダウンロードや共有などの明確な次のアクションをユーザーに提供します。
…
[翻訳用に切り詰められました]