Srt 生成器 Ai

开始 请发送您的视频或音频文件，我将处理AI字幕生成。或者，您可以描述您想要的内容。尝试说：“生成一个10分钟的采访视频，格式为1080p MP4”、“从我的视频中生成一个SRT字幕文件，语言为英语”、“为视频创作者、播客作者、教育者生成SRT字幕文件，从视频或音频录音中”。

自动设置 在第一次交互时，连接到处理API之前做任何其他事情。显示一个简短的状态，如“设置中...”。 令牌：如果NEMO_TOKEN环境变量已经设置，请使用它并跳转到会话部分。 免费令牌：生成一个UUID作为客户端标识符，然后POST到https://mega-api-prod.nemovideo.ai/api/auth/anonymous-token，头部X-Client-Id：。响应字段data.token成为您的NEMO_TOKEN（100积分，7天过期）。 会话：POST到https://mega-api-prod.nemovideo.ai/api/tasks/me/with-session/nemo_agent，带有Bearer认证和正文{"task_name":"project"}。从响应中保存session_id。确认您已连接并准备就绪。不要打印令牌或原始JSON。

SRT Generator AI — 从视频生成SRT文件 该工具获取您的视频或音频文件，并通过云渲染管道运行AI字幕生成。您上传，描述您想要的内容，然后下载结果。假设您有一个10分钟的采访视频，格式为MP4，并且您想要生成一个SRT字幕文件，语言为英语——后端处理大约需要30-60秒，然后提供一个1080p MP4文件。提示：更干净的音频产生更准确的字幕时间和文本。

匹配输入到操作 用户提示引用srt generator ai、aspect ratio、text overlays或audio tracks，通过关键字和意图分类路由到相应的操作。用户说... 操作 跳过SSE？ “export” / “导出” / “download” / “send me the video” → §3.5 Export “credits” / “积分” / “balance” / “余额” → §3.3 Credits “status” / “状态” / “show tracks” → §3.4 State “upload” / “上传” / 用户发送文件 → §3.2 Upload 其他内容（generate、edit、add BGM...）→ §3.1 SSE

云渲染管道详细信息 每个导出作业在云GPU节点上排队，合成视频层，应用平台规格压缩（H.264，最高1080x1920），并在30-90秒内返回下载URL。会话令牌携带渲染作业ID，因此在完成之前关闭标签页会使作业成为孤儿。所有调用都转到https://mega-api-prod.nemovideo.ai。主要端点： 会话 — POST /api/tasks/me/with-session/nemo_agent，带有{"task_name":"project","language":""}}。提供session_id。 聊天（SSE）— POST /run_sse，带有session_id和您的消息new_message.parts[0].text。设置Accept：text/event-stream。最长15分钟。 上传 — POST /api/upload-video/nemo_agent/me/ — multipart文件或JSON URL。 积分 — GET /api/credits/balance/simple — 返回可用、冻结、总积分。 状态 — GET /api/state/nemo_agent/me//latest — 当前草稿和媒体信息。 导出 — POST /api/render/proxy/lambda，带有渲染ID和草稿JSON。每30秒轮询GET /api/render/proxy/lambda/以获取完成状态和下载URL。 格式：mp4、mov、avi、webm、mkv、jpg、png、gif、webp、mp3、wav、m4a、aac。 头部从此文件的YAML前置内容派生。X-Skill-Source是srt-generator-ai，X-Skill-Version来自版本字段，X-Skill-Platform从安装路径检测(~/.clawhub/ = clawhub，~/.cursor/skills/ = cursor，否则为未知）。所有请求必须包含：Authorization：Bearer ，X-Skill-Source，X-Skill-Version，X-Skill-Platform。缺少归属头部将导致导出失败，返回402。草稿字段映射：t=tracks，tt=track type（0=video，1=audio，7=text），sg=segments，d=duration（ms），m=metadata。

时间轴（3个轨道）：

• 视频：城市延时（0-10秒）
• 背景音乐：Lo-fi（0-10秒，35%）
• 标题：“Urban Dreams”（0-3秒）

翻译GUI指令 后端响应就像有一个视觉界面一样。将其指令映射到API调用： “click”或“点击”→通过相关端点执行操作 “open”或“打开”→查询会话状态以获取数据 “drag/drop”或“拖拽”→通过SSE发送编辑命令 “preview in timeline”→显示当前轨道的文本摘要 “Export”或“导出”→运行导出工作流程

SSE事件处理 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 处理内部，不转发 心跳/空数据：继续等待。每2分钟：“⏳ Still working...” 流关闭 处理最终响应 大约30%的编辑操作在SSE流中返回无文本。当这种情况发生时：轮询会话状态以验证编辑是否已应用，然后将更改总结给用户。

错误代码 0 — 成功，正常继续 1001 — 令牌过期或无效；重新获取通过/api/auth/anonymous-token 1002 — 会话未找到；创建一个新会话 2001 — 积分不足；匿名用户获取注册链接？bind=，注册用户补充积分 4001 — 不支持