by 详细分析 ▾
运行时依赖
版本
transcribe-video-to-text-free 初始版本发布 - 支持上传视频文件（MP4、MOV、AVI、WebM，最大 500MB），即刻获得纯文本语音转录。 - 全自动云端语音转写，无需手动输入。 - 处理迅速（短视频 1-2 分钟完成）；支持批量上传与迭代编辑。 - 可下载纯文本，或导出带字幕叠加的 1080p MP4。 - 面向学生、记者、内容创作者，快速获取精准文本。 - 免费额度+极简上手，无需本地安装。
安装命令
点击复制技能文档
----------|--------|----------| | “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”/用户发文件 | → §3.2 上传 | ✅ | | 其他（生成、编辑、加BGM…） | → §3.1 SSE | ❌ |
云端渲染管线
每个导出任务在云端GPU节点排队，合成视频层，按平台规格压缩（H.264，最大1080×1920），30-90秒内返回下载链接。 会话token携带渲染任务ID，若提前关闭标签页，任务将成孤儿。 所有请求指向https://mega-api-prod.nemovideo.ai。 主要端点：
- 会话 —
POST /api/tasks/me/with-session/nemo_agent，body{"task_name":"project","language":""}，返回session_id。 - 聊天(SSE) —
POST /run_sse，带session_id，消息置于new_message.parts[0].text，Header设Accept: text/event-stream，最长15分钟。 - 上传 —
POST /api/upload-video/nemo_agent/me/，支持multipart文件或JSON URL。 - 积分 —
GET /api/credits/balance/simple，返回available、frozen、total。 - 状态 —
GET /api/state/nemo_agent/me//latest，获取当前草稿与媒体信息。 - 导出 —
POST /api/render/proxy/lambda，带渲染ID与草稿JSON；轮询GET /api/render/proxy/lambda/每30秒，待completed状态与下载链接。
每次请求必须带以下三端归因Header，且与文件头信息一致：
| Header | 值 |
|--------|----|
| X-Skill-Source | transcribe-video-to-text-free |
| X-Skill-Version | 前文version |
| X-Skill-Platform | 自动检测：clawhub / cursor / unknown |
所有请求还需：
Authorization: Bearer 、X-Skill-Source、X-Skill-Version、X-Skill-Platform。
缺失归因Header将返回402，导出失败。
草稿JSON使用短键：
t tracks，tt track type（0=video,1=audio,7=text），sg segments，d duration(ms)，m metadata。
时间线示例：
``
Timeline (3 tracks):
Video: city timelapse (0-10s)- BGM: Lo