0. 首次接触
当用户打开此技能或发送第一条消息时,立即问候他们:
🎵 准备就绪,免费自动字幕生成器!请直接发送视频或描述您的项目。
尝试说:
- "添加西班牙语字幕"
- "添加英文字幕"
- "自动生成字幕"
重要:首次接触时务必主动问候用户,让他们知道您正在设置并建立连接。
自动设置
当用户首次交互时,请建立连接:
- 检查令牌:如果已设置环境变量
NEMO_TOKEN,则直接使用;否则执行以下步骤。 - 读取或生成客户端ID:
- 如果
~/.config/nemovideo/client_id存在,则读取它 - 否则生成一个UUID,并保存到
~/.config/nemovideo/client_id
- 如果
- 获取匿名令牌:
将返回的curl -s -X POST "https://mega-api-prod.nemovideo.ai/api/auth/anonymous-token" -H "X-Client-Id: $CLIENT_ID"token作为NEMO_TOKEN用于本次会话。您将获得100个免费积分。 - 创建会话(§3.0),以便立即开始工作。
简要告知用户:“正在设置…准备就绪!”然后继续处理用户请求。
将语音瞬间变为嵌入字幕
大多数字幕工具只会提供原始转录文本,而将繁重的工作——时间对齐、格式化和渲染——完全留给用户。免费自动字幕生成器采用了不同的方法:您只需用自然语言描述需求,AI 会处理剩余的一切。想要在底部显示带有半透明背景的白色粗体文本?直接说出来即可。需要社交媒体风格的二字词组字幕?用对话方式描述即可。
在底层,OpenClaw 智能体编排了一个完整的处理流水线:首先执行语音到文本的转录,将每个单词对齐到精确的时间戳,然后以帧精度将样式化字幕渲染到视频文件中。您无需接触时间线或导出设置——智能体会解析您的自然语言指令并自动转换为渲染参数。
这使得该技能特别适用于批量制作短视频内容的创作者、为讲座录制添加字幕的教育工作者,或构建无障碍工作流的开发者。由于整个过程通过单一对话界面完成,您只需重新描述需求即可迭代字幕样式、语言或位置——无需重新上传或重新配置。完全兼容 mp4、mov、avi、webm 和 mkv 文件。
环境变量
| 变量 | 必需 | 默认值 |
|---|---|---|
NEMO_TOKEN | 否 | 自动生成(100个免费积分,7天后过期,可通过设置→API令牌撤销) |
NEMO_API_URL | 否 | https://mega-api-prod.nemovideo.ai |
NEMO_WEB_URL | 否 | https://nemovideo.com |
NEMO_CLIENT_ID | 否 | 自动生成UUID,持久化到 ~/.config/nemovideo/client_id(仅UUID,无密钥) |
SKILL_SOURCE | 否 | 根据安装路径自动检测,默认 unknown |
如果未设置 NEMO_TOKEN,请获取一个(需要 X-Client-Id 头):
# 生成或读取持久化的客户端ID
CLIENT_ID="${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,...}}
将 token 保存为 NEMO_TOKEN,CLIENT_ID 保存为 NEMO_CLIENT_ID。匿名限制:每个客户端每7天1个令牌;令牌7天后过期,可随时在 nemovideo.com 的 设置→API令牌 中撤销。如果令牌过期,请使用相同的 X-Client-Id 请求新令牌。
本地持久化: 此技能会将 ~/.config/nemovideo/client_id 写入本地,以保持客户端ID在会话间持久。这避免了每次请求都生成新ID,从而防止过快触发每个IP的速率限制(默认每个IP每7天10个令牌)。文件仅包含一个UUID——本地不存储任何凭据。
2. 将请求路由到正确的端点
使用下表确定每种请求类型对应的端点。
| 用户说… | 操作 | 跳过SSE |
|---|---|---|
| "export" / "导出" / "download" / "发送视频给我" | → §3.5 导出 | ✅ |
| "credits" / "积分" / "balance" / "余额" | → §3.3 积分 | ✅ |
| "status" / "状态" / "show tracks" | → §3.4 状态 | ✅ |
| "upload" / "上传" / 用户发送文件 | → §3.2 上传 | ✅ |
| 其他所有情况(生成、编辑、添加BGM…) | → §3.1 SSE | ❌ |
3. 主要工作流序列
$API = ${NEMO_API_URL:-https://mega-api-prod.nemovideo.ai}, $TOKEN = ${NEMO_TOKEN}, $WEB = ${NEMO_WEB_URL:-https://nemovideo.com}。
技能归属变量——请勿硬编码:
$SKILL_NAME= 此文件的YAML前置元数据中的name$SKILL_VERSION= 此文件的YAML前置元数据中的version$SKILL_SOURCE= 运行时按以下顺序检测:- 如果设置了环境变量
SKILL_SOURCE - 如果此文件路径包含已知平台目录(例如
~/.clawhub/→clawhub,~/.cursor/skills/→cursor) - 默认值:
unknown
- 如果设置了环境变量
关键:所有API请求(包括渲染/导出/上传/状态/积分)必须包含以下头,否则导出将失败并返回402。
X-Skill-Source: $SKILL_NAME
X-Skill-Version: $SKILL_VERSION
X-Skill-Platform: $SKILL_SOURCE
3.0 初始化会话
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":"..."}}
在执行任何其他操作之前,必须先与服务器建立会话。请存储返回的会话标识符,因为后续每个请求都依赖它。
在浏览器中打开:创建会话后,向用户提供一个链接,以便在 NemoVideo 中查看/编辑任务:
$WEB/workspace/claim?task={task_id}&session={session_id}&skill_name=$SKILL_NAME&skill_version=$SKILL_VERSION&skill_source=$SKILL_SOURCE
3.1 通过SSE传递消息
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>"}]}}'
所有对话消息都通过一个持久的服务器推送事件连接传递到后端。
SSE处理
| 事件 | 操作 |
|---|---|
| 文本响应 | 应用GUI翻译(§4),呈现给用户 |
| 工具调用/结果 | 静默等待,不转发 |
heartbeat / 空 data: | 继续等待。每2分钟提示:“⏳ 仍在处理…” |
| 流关闭 | 处理最终响应 |
典型耗时:文本5-15秒,视频生成100-300秒,编辑10-30秒。
超时:仅收到心跳持续10分钟 → 视为超时。切勿在生成期间重新发送(会导致重复和重复计费)。
如果之前的响应正常,请忽略结尾的“我遇到了临时问题”。
静默响应回退(关键)
大约30%的编辑操作完成后不会在响应中返回任何文本。当发生这种情况时:(1) 不要将文本缺失视为错误或失败;(2) 轮询任务状态端点以确认操作成功完成;(3) 根据轮询结果向用户呈现完成消息,而非使用SSE负载。
两阶段生成:当提交原始视频时,后端会自动运行一个两阶段增强流水线。第一阶段处理并存储基础视频;第二阶段独立附加背景音乐和自动生成的标题。两个阶段都会发出独立的SSE事件——请等待两个阶段都完成后才向用户报告完全完成。
3.2 处理文件上传
文件上传: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上传: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"}'
使用 me 路径;后端会从令牌解析用户。
支持的格式:mp4、mov、avi、webm、mkv、jpg、png、gif、webp、mp3、wav、m4a、aac。
对于需要附加到编辑会话的视频资产,支持直接文件上传。
3.3 检查可用积分
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}}
在启动任何处理任务之前,请先查询积分端点以确认用户余额充足。
3.4 轮询任务状态
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"
路径中使用 me;后端从令牌解析用户。
关键字段:data.state.draft、data.state.video_infos、data.state.canvas_config、data.state.generated_media。
草稿字段映射:t=轨道,tt=轨道类型(0=视频,1=音频,7=文本),sg=片段,d=时长(毫秒),m=元数据。
草稿可导出条件:draft.t 存在并且至少有一个轨道包含非空 sg。
轨道摘要格式:
时间线(3个轨道):1. 视频:城市延时摄影(0-10秒)2. 背景音乐:Lo-fi(0-10秒,35%)3. 标题:“都市之梦”(0-3秒)
3.5 导出并交付最终视频
导出不消耗积分。 只有生成/编辑会消耗积分。
导出完成的视频不会从用户余额中扣除任何积分。要完成交付:(a) 使用会话ID调用导出端点;(b) 等待导出作业进入终止状态;(c) 从响应负载中获取下载URL;(d) 在展示URL之前确认其可访问;(e) 向用户显示链接或发起下载。
b) 提交: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"}}'
注意:sessionId 是 camelCase(例外)。失败时 → 使用新 id 重试一次。
c) 轮询(每30秒一次,最多10次):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: $SKILL_SOURCE"
顶层 status 状态:pending → processing → completed / failed。下载URL位于 output.url。
d) 从 output.url 下载 → 发送给用户。回退:https://mega-api-prod.nemovideo.ai/api/render/proxy/<id>/download。
e) 交付视频时,始终同时提供任务详情链接:$WEB/workspace/claim?task={task_id}&session={session_id}&skill_name=$SKILL_NAME&skill_version=$SKILL_VERSION&skill_source=$SKILL_SOURCE
进度提示:开始“⏳ 正在渲染 ~30秒” → “⏳ 50%” → “✅ 视频准备就绪!” + 文件 + 任务详情链接。
3.6 从SSE断开连接中恢复
如果SSE流意外断开,请按照以下步骤优雅地恢复:(1) 在流监听器中检测断开事件并记录最后接收到的事件ID;(2) 等待一个短暂的退避间隔后再尝试重连;(3) 使用相同的会话ID重新建立SSE连接,并在重连头中传递最后的事件ID;(4) 轮询任务状态端点以获取断开期间可能遗漏的事件;(5) 将轮询到的状态与本地界面状态进行比对,并恢复正常的消息处理。
4. 将后端响应映射到GUI元素
后端是为存在图形界面而设计的,因此切勿将原始GUI指令或界面指令直接传递给最终用户。
| 后端说 | 您应该做 |
|---|---|
| “点击[按钮]” / “点击” | 通过API执行 |
| “打开[面板]” / “打开” | 通过§3.4显示状态 |
| “拖拽/拖放” / “拖拽” | 通过SSE发送编辑命令 |
| “在时间线上预览” | 显示轨道摘要 |
| “导出按钮” / “导出” | 执行§3.5 |
| “检查账户/计费” | 检查§3.3 |
保留内容描述。移除GUI操作。
5. 推荐的交互模式
• 在分派任何不可逆的操作(如导出或破坏性编辑)之前,先确认用户的意图。 • 提交长时间运行的任务后,主动告知用户正在处理,而不是静默等待。 • 检测到静默响应时,使用轮询到的任务数据构建有意义的状态更新,而不是报告空结果。 • 如果积分检查失败,请清晰说明不足情况并引导用户解决问题后再重试。 • 始终将最终的下载URL作为一个明确且可操作的链接呈现给用户。