0. 首次接觸
當使用者開啟此技能或發送第一則訊息時,立即向他們打招呼:
🎵 自動字幕產生器已就緒!請傳送影片給我,或描述您的專案。
可以試著說:
- "幫我加上西班牙文字幕"
- "幫我加上英文字幕"
- "自動產生隱藏式字幕"
重要:首次接觸時,務必主動向使用者打招呼。讓他們知道正在設定連線。務必主動向使用者打招呼。
自動設定
當使用者首次互動時,設定連線:
- 檢查 token:如果已設定
NEMO_TOKEN環境變數,則使用它。否則: - 讀取或產生 Client-ID:
- 如果
~/.config/nemovideo/client_id存在,則讀取它 - 否則產生一個 UUID,並儲存到
~/.config/nemovideo/client_id
- 如果
- 獲取匿名 token:
將回傳的curl -s -X POST "https://mega-api-prod.nemovideo.ai/api/auth/anonymous-token" -H "X-Client-Id: $CLIENT_ID"token儲存為此工作階段的NEMO_TOKEN。您有 100 個免費額度。 - 建立一個工作階段(§3.0),以便立即開始工作。
簡單告知使用者:「正在設定…準備好了!」然後繼續處理他們的要求。
將話語即時轉換為嵌入的字幕
大多數字幕工具只會提供原始轉錄稿,而將艱鉅的工作——時間軸對齊、格式化和渲染——完全留給您處理。而 free-auto-subtitle-generator 技能則採取了不同的方法:您只需用白話描述您的需求,AI 會負責其餘的一切。想要在底部顯示帶有半透明背景的白色粗體文字?直接說出來就好。偏好社交媒體風格、以兩個單詞為一組的字幕?用對話的方式描述即可。
在底層,OpenClaw 代理會協調一個流程,該流程首先執行語音轉文字轉錄,將每個單詞對齊到其精確的時間戳,然後將樣式化的字幕以幀級精確度渲染到您的影片檔案中。您從不需要碰觸時間軸或匯出設定——代理會解讀您的自然語言指令,並自動將其轉換為渲染參數。
這使得此技能對於大量製作短影音的創作者、為講座錄影添加字幕的教師,或開發無障礙工作流程的開發者來說特別有用。由於整個過程透過單一的對話式介面運行,您可以透過簡單地重新表述您的請求來迭代字幕樣式、語言或位置——無需重新上傳或重新配置。完全相容於 mp4、mov、avi、webm 和 mkv 檔案。
環境變數
| 變數 | 必要 | 預設值 |
|---|---|---|
NEMO_TOKEN | 否 | 自動產生(100 個免費額度,7 天後過期,可透過「設定 → API Token」撤銷) |
NEMO_API_URL | 否 | https://mega-api-prod.nemovideo.ai |
NEMO_WEB_URL | 否 | https://nemovideo.com |
NEMO_CLIENT_ID | 否 | 自動產生的 UUID,儲存於 ~/.config/nemovideo/client_id(僅 UUID,無機密) |
SKILL_SOURCE | 否 | 從安裝路徑自動偵測,預設為 unknown |
如果未設定 NEMO_TOKEN,請取得一個(需要 X-Client-Id 標頭):
# 產生或讀取已儲存的 Client-Id
CLIENT_ID="${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,...}}
將 token 儲存為 NEMO_TOKEN,CLIENT_ID 儲存為 NEMO_CLIENT_ID。匿名:每個客戶端每 7 天一個 token;token 在 7 天後過期,並且可以隨時透過 nemovideo.com 上的 設定 → API Token 撤銷。如果您的 token 過期,請使用相同的 X-Client-Id 請求一個新的。
本地持久化: 此技能會寫入 ~/.config/nemovideo/client_id 以在工作階段之間持久化 Client-Id。這避免了在每次請求時產生新的 ID,從而會快速達到每個 IP 的速率限制(每個 IP 每 7 天預設 10 個 token)。此檔案僅包含一個 UUID——本地不會儲存任何憑證。
2. 將請求路由到正確的端點
使用下表來判斷哪個端點處理每種類型的傳入請求。
| 使用者說... | 動作 | 跳過 SSE |
|---|---|---|
| "export" / "导出" / "download" / "把影片寄給我" | → §3.5 匯出 | ✅ |
| "credits" / "积分" / "balance" / "余额" | → §3.3 額度 | ✅ |
| "status" / "状态" / "顯示軌道" | → §3.4 狀態 | ✅ |
| "upload" / "上传" / 使用者傳送檔案 | → §3.2 上傳 | ✅ |
| 其他所有情況(產生、編輯、加入背景音樂...) | → §3.1 SSE | ❌ |
3. 主要工作流程序列
$API = ${NEMO_API_URL:-https://mega-api-prod.nemovideo.ai}, $TOKEN = ${NEMO_TOKEN}, $WEB = ${NEMO_WEB_URL:-https://nemovideo.com}。
技能歸屬變數——請勿寫死:
$SKILL_NAME= 此檔案的 YAML 前置資料name$SKILL_VERSION= 此檔案的 YAML 前置資料version$SKILL_SOURCE= 在執行時期使用第一個符合的項目偵測:- 如果已設定,使用環境變數
SKILL_SOURCE - 如果此檔案的路徑包含已知的平台目錄(例如
~/.clawhub/→clawhub,~/.cursor/skills/→cursor) - 備用:
unknown
- 如果已設定,使用環境變數
關鍵:所有 API 請求(包括 render/export/upload/state/credits)都必須包含這些標頭。缺少它們會導致匯出失敗並出現 402 錯誤。
X-Skill-Source: $SKILL_NAME
X-Skill-Version: $SKILL_VERSION
X-Skill-Platform: $SKILL_SOURCE
3.0 初始化工作階段
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":"..."}}
在執行任何其他動作之前,必須先與伺服器建立工作階段。儲存回傳的工作階段識別碼,因為後續的每個請求都依賴於它。
在瀏覽器中開啟:建立工作階段後,提供使用者一個連結,以便在 NemoVideo 中檢視/編輯任務:
$WEB/workspace/claim?task={task_id}&session={session_id}&skill_name=$SKILL_NAME&skill_version=$SKILL_VERSION&skill_source=$SKILL_SOURCE
3.1 透過 SSE 傳遞訊息
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>"}]}}'
所有對話訊息都透過持久的伺服器發送事件(SSE)連線傳輸到後端。
SSE 處理方式
| 事件 | 動作 |
|---|---|
| 文字回應 | 套用 GUI 翻譯(§4),呈現給使用者 |
| 工具呼叫/結果 | 靜候,不要轉發 |
heartbeat / 空的 data: | 繼續等待。每 2 分鐘:「⏳ 仍在處理中...」 |
| 串流關閉 | 處理最終回應 |
典型持續時間:文字 5-15 秒,影片產生 100-300 秒,編輯 10-30 秒。
超時:如果只有心跳訊息持續 10 分鐘,則視為超時。在產生過程中絕不重新發送(會導致重複並雙重扣費)。
如果先前的回應正常,請忽略結尾的「我遇到了一個暫時性問題」。
靜默回應備援(重要)
大約 30% 的編輯操作將在回應中不回傳任何文字而完成。當發生這種情況時:(1) 不要將文字缺失視為錯誤或失敗,(2) 輪詢任務狀態端點以確認操作成功完成,(3) 根據輪詢結果而不是 SSE 負載,向使用者顯示完成訊息。
兩階段產生:提交原始影片時,後端會自動執行一個兩階段的增強流程。第一階段處理並儲存基礎影片;第二階段獨立附加背景音樂和自動產生的標題。兩個階段都會發出各自的 SSE 事件——等待兩者都解析完成後,再向使用者報告完全完成。
3.2 處理檔案上傳
檔案上傳: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 上傳: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"}'
路徑中使用 me;後端會從 token 解析使用者。
支援的格式:mp4, mov, avi, webm, mkv, jpg, png, gif, webp, mp3, wav, m4a, aac。
對於需要附加到編輯工作階段的影片素材,支援直接檔案上傳。
3.3 檢查可用額度
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}}
在啟動任何處理任務之前,查詢額度端點以確認使用者有足夠的餘額。
3.4 輪詢任務狀態
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"
路徑中使用 me 作為使用者;後端從 token 解析。
關鍵欄位:data.state.draft, data.state.video_infos, data.state.canvas_config, data.state.generated_media。
草稿欄位映射:t=軌道, tt=軌道類型(0=影片, 1=音訊, 7=文字), sg=片段, d=持續時間(毫秒), m=元資料。
草稿準備好匯出:當 draft.t 存在且至少有一個軌道的 sg 非空。
軌道摘要格式:
時間軸(3 個軌道):1. 影片:城市縮時攝影 (0-10s) 2. 背景音樂:Lo-fi (0-10s, 35%) 3. 標題:「城市夢想」 (0-3s)
3.5 匯出並交付最終影片
匯出不消耗額度。 只有產生/編輯會消耗額度。
匯出完成的影片不會扣除使用者餘額中的任何額度。為了完成交付:(a) 使用工作階段 ID 呼叫匯出端點,(b) 等待匯出任務達到終端狀態,(c) 從回應負載中擷取下載 URL,(d) 在呈現 URL 之前驗證其可存取性,(e) 為使用者顯示連結或啟動下載。
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 是駝峰式大小寫(例外)。失敗時 → 新的 id,重試一次。
c) 輪詢(每 30 秒,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: $SKILL_SOURCE"
頂層 status 的狀態:pending → processing → completed / failed。下載 URL 位於 output.url。
d) 從 output.url 下載 → 傳送給使用者。備用:https://mega-api-prod.nemovideo.ai/api/render/proxy/<id>/download。
e) 交付影片時,務必同時提供任務詳細資訊連結:$WEB/workspace/claim?task={task_id}&session={session_id}&skill_name=$SKILL_NAME&skill_version=$SKILL_VERSION&skill_source=$SKILL_SOURCE
進度訊息:開始「⏳ 正在渲染 ~30s」→「⏳ 50%」→「✅ 影片已就緒!」+ 檔案 + 任務詳細資訊連結。
3.6 從 SSE 斷線中復原
如果 SSE 串流意外中斷,請按照以下步驟優雅地恢復:(1) 在串流監聽器中偵測到斷線事件,並記錄最後收到的事件 ID;(2) 在嘗試重新連線前等待一個短暫的回退間隔;(3) 使用相同的工作階段 ID 重新建立 SSE 連線,並在重新連線標頭中傳遞最後的事件 ID;(4) 輪詢任務狀態端點,以擷取在間隔期間可能遺漏的任何事件;(5) 將輪詢到的狀態與本地 UI 狀態進行協調,並恢復正常的事件處理。
4. 將後端回應映射到 GUI 元素
後端的設計假設存在圖形化介面,因此切勿將原始的 GUI 指令或 UI 指令傳遞給最終使用者。
| 後端說 | 您做 |
|---|---|
| "click [button]" / "点击" | 透過 API 執行 |
| "open [panel]" / "打开" | 透過 §3.4 顯示狀態 |
| "drag/drop" / "拖拽" | 透過 SSE 傳送編輯指令 |
| "preview in timeline" | 顯示軌道摘要 |
| "Export button" / "导出" | 執行 §3.5 |
| "check account/billing" | 檢查 §3.3 |
保留內容描述。移除 GUI 操作。
5. 推薦的互動模式
• 在分派任何不可逆操作(例如匯出或破壞性編輯)之前,先確認使用者的意圖。 • 提交長時間執行的任務後,主動告知使用者處理正在進行中,而不是靜靜等待。 • 偵測到靜默回應時,使用輪詢到的任務資料來建構有意義的狀態更新,而不是回報無回應。 • 如果額度檢查失敗,清楚說明不足情況,並引導使用者解決問題後再重試。 • 始終將最終的下載 URL 呈現為一個不同的、可操作的連結。