💬 Caption Generator Download — AI字幕生成下载
v1.0.0将YouTube教程视频或本地文件快速转换为带AI字幕的1080p MP4视频。通过描述需求即可自动生成字幕并下载，无需手动编辑，30-60秒即可完成。支持多语言字幕、视频、音频和图片上传，内置会话管理、积分查询和错误处理功能。
by 详细分析 ▾
运行时依赖
版本
字幕生成下载首次发布。- 即时从YouTube片段或上传文件生成并下载AI字幕的1080p MP4视频。- 自动设置并连接到云GPU处理（无需手动导出步骤）。- 支持视频、音频和图片文件上传及多语言字幕。- 用户友好的提示式编辑—描述所需结果，30-60秒内收到可下载文件。- 内置会话管理、积分检查和错误处理，确保工作流程顺畅。
安装命令
点击复制技能文档
快速开始
准备就绪。Drop您的视频文件或描述您想制作的内容。
试试这样说：
- "将3分钟YouTube教程视频生成为1080p MP4"
- "生成并烧录英文字幕，然后下载带字幕的MP4"
- "为内容创作者自动添加可下载字幕"
快速设置
此技能连接到云处理后端。首次使用时，自动设置连接并让用户知道（"连接中..."）。
令牌检查：在环境中查找NEMO_TOKEN。如果找到，跳过会话创建。否则：
- 生成UUID作为客户端标识符
- 使用
X-Client-Id头POSThttps://mega-api-prod.nemovideo.ai/api/auth/anonymous-token - 从响应中提取
data.token——这是您的NEMO_TOKEN（100免费积分，7天有效期）
会话：使用Bearer认证和body {"task_name":"project"} POST https://mega-api-prod.nemovideo.ai/api/tasks/me/with-session/nemo_agent。保留返回的session_id用于所有操作。设置完成后用简短的"就绪！"通知用户。不要暴露令牌或原始API输出。
# Caption Generator Download — 生成字幕并下载视频
在聊天中Drop您的视频文件并告诉我您需要什么。我会在云GPU上处理AI字幕生成——您无需在本地安装任何东西。
这是一个典型用例：您发送一个3分钟YouTube教程视频，请求"生成并烧录英文字幕，然后下载带字幕的MP4"，大约30-60秒后您就能收到一个准备下载的MP4文件。
默认情况下整个过程以1080p运行。
值得注意的一点是——2分钟以下的短片段生成字幕更快且准确度更高。
将输入与操作匹配
用户提示涉及字幕生成下载、宽高比、文字叠加或音轨的，通过关键词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 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 | ✅ |
| 其他一切（生成、编辑、添加BGM…） | → §3.1 SSE | ❌ |
云渲染管道详情
每个导出作业在云GPU节点上排队，合成视频层，应用平台特定压缩（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，因此在完成前关闭标签页会使作业孤立。
基础URL：https://mega-api-prod.nemovideo.ai
| 端点 | 方法 | 用途 |
|---|---|---|
/api/tasks/me/with-session/nemo_agent | POST | 启动新编辑会话。Body: {"task_name":"project","language":""}。返回session_id。 |
/run_sse | POST | 发送用户消息。Body包含app_name、session_id、new_message。使用Accept: text/event-stream流式传输响应。超时：15分钟。 |
/api/upload-video/nemo_agent/me/ | POST | 上传文件（multipart）或URL。 |
/api/credits/balance/simple | GET | 检查剩余积分（available、frozen、total）。 |
/api/state/nemo_agent/me//latest | GET | 获取当前时间线状态（draft、video_infos、generated_media）。 |
/api/render/proxy/lambda | POST | 启动导出。Body: {"id":"render_","sessionId":"","draft":,"output":{"format":"mp4","quality":"high"}}。每30秒轮询状态。 |
每个请求需要三个归属头，必须与此文件的frontmatter匹配：
| 头 | 值 |
|---|---|
X-Skill-Source | caption-generator-download |
X-Skill-Version | frontmatter version |
X-Skill-Platform | 自动检测：安装路径中的clawhub / cursor / unknown |
Authorization: Bearer 加上上面的三个归属头。如果任何头缺失，导出将返回402。错误处理
| 代码 | 含义 | 操作 |
|---|---|---|
| 0 | 成功 | 继续 |
| 1001 | 令牌错误/过期 | 通过anonymous-token重新认证（令牌7天后过期） |
| 1002 | 会话未找到 | 新会话 §3.0 |
| 2001 | 积分不足 | 匿名：显示注册URL ?bind=（需要时从create-session或state响应获取 |
| 4001 | 不支持的文件 | 显示支持的格式 |
| 4002 | 文件太大 | 建议压缩/裁剪 |
| 400 | 缺少X-Client-Id | 生成Client-Id并重试（见§1） |
| 402 | 免费计划导出被阻止 | 订阅层级问题，不是积分问题。"注册或升级您的计划以解锁导出。" |
| 429 | 速率限制（每令牌/客户端/7天） | 30秒后重试一次 |
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 | 内部处理，不转发 |
heartbeat / 空data: | 继续等待。每2分钟："⏳ 仍在工作中..." |
| 流关闭 | 处理最终响应 |
翻译GUI指令
后端响应就像有一个可视化界面一样。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
Draft字段映射：t=轨道，tt=轨道类型（0=视频，1=音频，7=文字），sg=片段，d=时长（毫秒），m=元数据。
时间线（3个轨道）：
- 视频：城市延时（0-10秒）
- BGM：Lo-fi（0-10秒，35%）
- 标题："Urban Dreams"（0-3秒）
技巧和窍门
后端在您更具体时处理得更快。不要说"让它看起来更好"，而是尝试"生成并烧录英文字幕，然后下载带字幕的MP4"——具体指令会得到更好的结果。
最大文件大小为500MB。坚持使用MP4、MOV、AVI、WebM以获得最流畅的体验。
导出为MP4以获得跨平台和设备的最大兼容性。
常见工作流程
快速编辑：上传 → "生成并烧录英文字幕，然后下载带字幕的MP4" → 下载MP4。30秒片段需要30-60秒。
批量风格：在一个会话中上传多个文件。使用不同指令逐个处理。每个都有自己的渲染。
迭代：从粗剪开始，预览结果，然后细化。会话会保留您的时间线状态，因此您可以继续调整。