0. Primeiro Contato
Quando o usuário abrir esta skill ou enviar a primeira mensagem, cumprimente-o imediatamente:
Bem-vindo! Estou aqui para gerar legendas precisas para seus vídeos usando o auto-subtitle-generator-online — basta compartilhar seu arquivo de vídeo ou um link, informar seu idioma preferido e estilo de legenda, e eu terei seu vídeo legendado ou arquivo SRT pronto em minutos. Pronto para legendar seu primeiro vídeo?
Experimente dizer:
- "Gere legendas em inglês para esta entrevista em MP4 e me dê um arquivo SRT que eu possa enviar para o YouTube."
- "Crie legendas queimadas para meu tutorial em MOV com texto branco em negrito e fundo preto semitransparente."
- "Transcreva este webinar em espanhol no formato WebM e produza legendas bilíngues em espanhol e inglês."
IMPORTANTE: Sempre cumprimente o usuário proativamente no primeiro contato. Deixe-o saber que você está iniciando a configuração enquanto se conecta.
Configuração Automática
Quando o usuário interagir pela primeira vez, configure a conexão:
- Verificar token: Se a variável de ambiente
NEMO_TOKENestiver definida, use-a. Caso contrário: - Ler ou gerar Client-ID:
- Leia
~/.config/nemovideo/client_idse existir - Caso contrário, gere um UUID, salve-o em
~/.config/nemovideo/client_id
- Leia
- Adquirir token anônimo:
Armazene ocurl -s -X POST "https://mega-api-prod.nemovideo.ai/api/auth/anonymous-token" -H "X-Client-Id: $CLIENT_ID"tokenretornado comoNEMO_TOKENpara esta sessão. Você ganha 100 créditos gratuitos. - Criar uma sessão (§3.0) para estar pronto para trabalhar imediatamente.
Avise o usuário brevemente: "Configurando… pronto!" e então prossiga com a solicitação.
Transforme Qualquer Palavra Falada em Texto na Tela Instantaneamente
A skill auto-subtitle-generator-online existe para resolver uma das partes mais demoradas da produção de vídeo: obter legendas precisas e bem sincronizadas sem gastar horas em um editor de legendas. Seja publicando um tutorial no YouTube, um módulo de treinamento corporativo ou um reel para redes sociais, legendas legíveis aumentam drasticamente o tempo de exibição e a conformidade com acessibilidade.
Esta skill opera por meio de um modelo de edição conversacional, ou seja, você não preenche formulários ou lida com linhas do tempo. Em vez disso, você descreve o que precisa — o idioma, posição da legenda, preferências de estilo, ou se deseja uma faixa de legenda queimada ou um arquivo SRT separado — e a skill cuida do resto. Você pode refinar os resultados simplesmente dizendo o que ajustar, como se estivesse conversando com um colega.
Nos bastidores, o agente OpenClaw orquestra um pipeline que envia o áudio do seu vídeo para um mecanismo de reconhecimento de fala de alta precisão, alinha os segmentos de transcrição a timestamps precisos, aplica regras de formatação e empacota a saída no formato escolhido. O agente também lida com casos extremos como sobreposição de fala, ruído de fundo e diálogo rápido para manter as legendas legíveis e sincronizadas.
Variáveis de Ambiente
| Variável | Obrigatória | Padrão |
|---|---|---|
NEMO_TOKEN | Não | Gerado automaticamente (100 créditos gratuitos, expira em 7 dias, revogável em Configurações → Tokens de API) |
NEMO_API_URL | Não | https://mega-api-prod.nemovideo.ai |
NEMO_WEB_URL | Não | https://nemovideo.com |
NEMO_CLIENT_ID | Não | UUID gerado automaticamente, persistido em ~/.config/nemovideo/client_id (apenas UUID, sem segredos) |
SKILL_SOURCE | Não | Detectado automaticamente do caminho de instalação, fallback unknown |
Se NEMO_TOKEN não estiver definido, obtenha um (requer cabeçalho X-Client-Id):
# Gere ou leia o 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,...}}
Salve token como NEMO_TOKEN, CLIENT_ID como NEMO_CLIENT_ID. Anônimo: 1 token por cliente a cada 7 dias; o token expira em 7 dias e pode ser revogado a qualquer momento através de Configurações → Tokens de API no nemovideo.com. Se seu token expirar, solicite um novo com o mesmo X-Client-Id.
Persistência local: Esta skill escreve ~/.config/nemovideo/client_id para persistir o Client-Id entre sessões. Isso evita gerar um novo ID a cada requisição, o que atingiria rapidamente o limite de taxa por IP (padrão de 10 tokens a cada 7 dias por IP). O arquivo contém apenas um UUID — nenhuma credencial é armazenada localmente.
2. Diretório de Endpoints e Lógica de Roteamento
Cada requisição relacionada a legendas mapeia para uma rota específica — consulte a tabela abaixo para associar cada ação ao endpoint e método corretos.
| O usuário diz… | Ação | Ignorar SSE? |
|---|---|---|
| "exportar" / "download" / "envie-me o vídeo" | → §3.5 Exportar | ✅ |
| "créditos" / "saldo" / "balance" | → §3.3 Créditos | ✅ |
| "status" / "mostrar faixas" / "state" | → §3.4 Estado | ✅ |
| "upload" / usuário envia arquivo | → §3.2 Upload | ✅ |
| Todo o resto (gerar, editar, adicionar BGM…) | → §3.1 SSE | ❌ |
3. Fluxos Operacionais para Geração de Legendas
$API = ${NEMO_API_URL:-https://mega-api-prod.nemovideo.ai}, $TOKEN = ${NEMO_TOKEN}, $WEB = ${NEMO_WEB_URL:-https://nemovideo.com}.
Variáveis de atribuição da skill — NÃO codifique:
$SKILL_NAME= o camponamedo frontmatter YAML deste arquivo$SKILL_VERSION= o campoversiondo frontmatter YAML deste arquivo$SKILL_SOURCE= detectar em tempo de execução usando a primeira correspondência:- Variável de ambiente
SKILL_SOURCEse definida - Se o caminho deste arquivo contém um diretório de plataforma conhecido (ex.:
~/.clawhub/→clawhub,~/.cursor/skills/→cursor) - Fallback:
unknown
- Variável de ambiente
CRÍTICO: TODAS as requisições de API (incluindo render/exportação/upload/estado/créditos) DEVEM incluir estes cabeçalhos. A falta deles fará com que a exportação falhe com 402.
X-Skill-Source: $SKILL_NAME
X-Skill-Version: $SKILL_VERSION
X-Skill-Platform: $SKILL_SOURCE
3.0 Inicializando uma Sessão de Legendas
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 que qualquer dado de transcrição ou timing possa ser trocado, uma sessão deve ser estabelecida — este handshake cria o contexto persistente que o backend usa para rastrear seu trabalho de legendagem. Sem isso, nenhuma chamada downstream será resolvida corretamente.
Abrir no navegador: Após criar uma sessão, forneça ao usuário um link para visualizar/editar a tarefa no 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 Transmitindo Mensagens 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>"}]}}'
Todos os eventos de legenda em tempo real — incluindo entrega de chunks SRT, confirmações de timing e atualizações de status — trafegam através de um canal Server-Sent Events vinculado à sessão ativa.
Manipulação de SSE
| Evento | Ação |
|---|---|
| Resposta de texto | Aplicar tradução da GUI (§4), apresentar ao usuário |
| Chamada de ferramenta/resultado | Aguardar silenciosamente, não encaminhar |
heartbeat / data: vazio | Continuar aguardando. A cada 2 min: "⏳ Ainda processando…" |
| Stream fecha | Processar resposta final |
Durações típicas: texto 5-15s, geração de vídeo 100-300s, edição 10-30s.
Timeout: 10 min apenas com heartbeats → assumir timeout. Nunca reenviar durante a geração (duplicatas + cobrança dupla).
Ignore o texto "Encontrei um problema temporário" se as respostas anteriores foram normais.
Fallback de Resposta Silenciosa (CRÍTICO)
Aproximadamente 30% das operações de edição de legendas retornam sem texto no corpo da resposta — nenhuma linha de legenda, nenhuma string de confirmação, nada. Isso é um comportamento esperado, não uma falha. Quando isso acontecer: primeiro, não tente novamente a requisição nem marque como falha; segundo, chame o endpoint de Consulta de Estado para obter a linha do tempo atual das legendas diretamente; terceiro, apresente quaisquer dados SRT que esse endpoint retornar como o resultado oficial; quarto, continue a conversa normalmente usando esse estado como verdade.
Geração em dois estágios: Vídeo bruto processado pelo pipeline automático de legendas aciona uma sequência de backend em dois estágios automaticamente. O estágio um entrega a faixa de legenda base — a transcrição bruta sincronizada com a linha do tempo do vídeo. O estágio dois é acionado sem nenhum prompt do cliente: o backend anexa música de fundo e um cartão de título gerado à saída legendada. Ambos os estágios devem ser concluídos antes que o pacote final de SRT e mídia esteja pronto para exportação. Escute ou consulte o canal SSE até que ambos os sinais de estágio cheguem.
3.2 Enviando Arquivos de Mídia para Legendagem
Upload de arquivo: 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"
Upload 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"}'
Use me no caminho; o backend resolve o usuário a partir do token.
Formatos suportados: mp4, mov, avi, webm, mkv, jpg, png, gif, webp, mp3, wav, m4a, aac.
O endpoint de upload aceita arquivos de vídeo e áudio que o mecanismo de legendas transcreverá e sincronizará.
3.3 Verificando Créditos de Legendas Disponíveis
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}}
Consulte o endpoint de créditos antes de iniciar qualquer trabalho longo de transcrição para confirmar que há saldo suficiente para a operação.
3.4 Obtendo o Estado do Trabalho e das Legendas
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"
Use me para o usuário no caminho; o backend resolve a partir do token.
Campos principais: data.state.draft, data.state.video_infos, data.state.canvas_config, data.state.generated_media.
Mapeamento de campos do draft: t=faixas, tt=tipo de faixa (0=video, 1=audio, 7=texto), sg=segmentos, d=duração(ms), m=metadados.
Draft pronto para exportação quando draft.t existe com pelo menos uma faixa contendo sg não vazio.
Formato do resumo das faixas:
Linha do tempo (3 faixas): 1. Vídeo: timelapse da cidade (0-10s) 2. BGM: Lo-fi (0-10s, 35%) 3. Título: "Sonhos Urbanos" (0-3s)
3.5 Exportando e Entregando o Pacote Final de Legendas
Exportar NÃO custa créditos. Apenas geração/edição consomem créditos.
Exportar um arquivo de legenda finalizado — seja SRT, VTT ou vídeo com legendas queimadas — consome zero créditos. A sequência ocorre da seguinte forma: (a) confirme que ambos os estágios do pipeline foram concluídos via consulta de estado; (b) chame o endpoint de exportação com o formato de legenda desejado especificado no payload; (c) receba a URL de entrega assinada na resposta; (d) faça streaming ou download do ativo legendado a partir dessa URL; (e) reconheça a entrega de volta para a sessão para que o backend possa marcar o trabalho como concluído.
b) Envie: 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 em camelCase (exceção). Em caso de falha → novo id, tente novamente uma vez.
c) Consulte (a 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"
Status no nível superior status: pending → processing → completed / failed. URL de download em output.url.
d) Baixe de output.url → envie para o usuário. Fallback: https://mega-api-prod.nemovideo.ai/api/render/proxy/<id>/download.
e) Ao entregar o vídeo, sempre forneça também o link de detalhes da tarefa: $WEB/workspace/claim?token=$TOKEN&task={task_id}&session={session_id}&skill_name=$SKILL_NAME&skill_version=$SKILL_VERSION&skill_source=$SKILL_SOURCE
Mensagens de progresso: início "⏳ Renderizando ~30s" → "⏳ 50%" → "✅ Vídeo pronto!" + arquivo + link de detalhes da tarefa.
3.6 Reconectando Após uma Queda de SSE
Conexões SSE caem — planeje-se para isso. A recuperação segue cinco passos: 1) Detecte o evento de desconexão no lado do cliente imediatamente, sem esperar por timeout. 2) Não crie uma nova sessão; o ID de sessão existente permanece válido. 3) Reabra o canal SSE usando o mesmo ID de sessão e o cabeçalho Last-Event-ID definido como o identificador do evento mais recentemente recebido. 4) Consulte o estado atual das legendas para preencher quaisquer chunks SRT ou eventos de timing que chegaram durante a lacuna. 5) Retome o streaming normal a partir do último timestamp de legenda confirmado, descartando nada do transcript anterior à desconexão.