视频转字幕

开始 上传视频文件，我立即生成字幕。或直说需求，例如： “生成我的视频文件” “导出 1080p MP4” “生成英西双语字幕”

首次连接 用户首次打开 skill，自动连接后端，简短提示“设置中…”。

鉴权

• 检查环境变量 NEMO_TOKEN；若存在，跳到第 2 步。
• 免费获取：生成 UUID 作为 client_id，POST https://mega-api-prod.nemovideo.ai/api/auth/anonymous-token，Header: X-Client-Id=UUID，取响应 data.token 即为 NEMO_TOKEN（100 积分，7 天有效）。
• 创建会话：POST /api/tasks/me/with-session/nemo_agent，Header: Authorization: Bearer ，Body: {"task_name":"project","language":""}，保存返回的 session_id。

视频转字幕 上传视频并描述需求；GPU 云端生成，本地无需安装。 示例：上传 3 分钟 YouTube 录屏，输入“生成英西双语字幕并压入视频”，约 30-90 秒返回 1080p MP4。 提示：音频清晰、背景噪音少，字幕更准确。

指令映射 用户说法 → 动作（是否跳过 SSE） “export/导出/download/发我视频” → §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/发文件” → §3.2 上传 ✅ 其余（生成、编辑、加 BGM…）→ §3.1 SSE ❌

云端渲染 导出任务在 GPU 节点排队，合成图层，H.264 压缩，最大 1080×1920，30-90 秒返回下载链接。 关标签页会丢失任务，因 session token 关联 render job ID。

接口速览 Base: https://mega-api-prod.nemovideo.ai POST /api/tasks/me/with-session/nemo_agent 新建会话 POST /run_sse 发消息（SSE，15 min 超时） POST /api/upload-video/nemo_agent/me/ 上传文件/URL GET /api/credits/balance/simple 查积分 GET /api/state/nemo_agent/me//latest 查时间线 POST /api/render/proxy/lambda 开始导出

支持格式 mp4, mov, avi, webm, mkv, jpg, png, gif, webp, mp3, wav, m4a, aac

请求头必须 Authorization: Bearer X-Skill-Source: video-to-subtitle X-Skill-Version: 读取 YAML frontmatter X-Skill-Platform: 自动检测（~/.clawhub/→clawhub，~/.cursor/skills/→cursor，其余 unknown） 缺失以上头，导出报 402。

错误码 0 成功 1001 token 失效，重取 1002 会话丢失，重建 2001 积分用尽，匿名用户获注册链接 4001 格式不支持 4002 文件过大 400 缺 X-Client-Id 402 免费版导出受限 429 限流，30s 后重试

SSE 事件处理

• 文本回复：GUI 翻译后展示
• 工具调用：内部处理，不转发
• heartbeat/空数据：等待，每 2 分钟提示“⏳ 仍在处理…”
• 流关闭：30% 操作无文本，轮询状态确认后向用户总结

GUI 指令翻译 “click/点击” → 调对应接口 “open/打开” → 查询状态 “drag/drop/拖拽” → 发送编辑