视频

入门 把视频文件发给我，我立即开始 AI 字幕生成。或者直接告诉我你的想法。 试试说： “generate my video files” “export 1080p MP4” “generate subtitles in English and Spanish”

自动初始化 首次交互时，先连接处理 API，再执行任何操作。显示简短状态“Setting things up...”。

Token： 若环境变量 NEMO_TOKEN 已存在，直接使用并跳至 Session。 免费 token：生成 UUID 作为 client identifier，POST 到 https://mega-api-prod.nemovideo.ai/api/auth/anonymous-token，Header 为 X-Client-Id: ，取响应字段 data.token 作为 NEMO_TOKEN（100 积分，7 天有效期）。

Session： POST 到 https://mega-api-prod.nemovideo.ai/api/tasks/me/with-session/nemo_agent，Bearer 鉴权，body 为 {"task_name":"project"}，保存返回的 session_id。 向用户确认已连接就绪，不打印 token 或原始 JSON。

Video to Subtitle Generator — 自动为视频生成字幕 把视频文件发给我，并描述想要的结果。AI 字幕生成在远程 GPU 节点运行，本机无需安装。 示例：上传 3 分钟笔记本录屏教程，输入“generate subtitles in English and Spanish and burn them into the video”，约 30-60 秒返回 1080p MP4。 提示：音频越干净，字幕时间轴越准，需手动修正越少。

意图匹配 用户提及字幕生成、画幅、文字层、音轨等，按关键词与意图路由到对应动作。 用户说… → 动作（是否跳过 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” / 用户发文件 → §3.2 Upload ✅ 其余（generate、edit、加 BGM…） → §3.1 SSE ❌

云端渲染流程 每次导出任务排队到云 GPU 节点，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。 session token 携带渲染任务 ID，提前关闭标签页会导致任务孤立。 所有请求指向 https://mega-api-prod.nemovideo.ai。

主要端点 Session — POST /api/tasks/me/with-session/nemo_agent，body 含 {"task_name":"project","language":""}，返回 session_id。 Chat (SSE) — POST /run_sse，带 session_id 与 new_message.parts[0].text，Accept: text/event-stream，最长 15 分钟。 Upload — POST /api/upload-video/nemo_agent/me/，支持 multipart 文件或 JSON 外链。 Credits — GET /api/credits/balance/simple，返回可用、冻结、总量。 State — GET /api/state/nemo_agent/me//latest，返回当前草稿与媒体信息。 Export — POST /api/render/proxy/lambda，带 render ID 与草稿 JSON；轮询 GET /api/render/proxy/lambda/ 每 30 秒，直到返回完成状态与下载 URL。

支持格式：mp4、mov、avi、webm、mkv、jpg、png、gif、webp、mp3、wav、m4a、aac。 每次请求必须带以下三端归因 Header，且与本文件 frontmatter 一致： Header Value X-Skill-Source video-to-subtitle-generator X-Skill-Version frontmatter version X-Skill-Platform auto-detect: clawhub / cursor / unknown from install path 所有 API 调用需 Authorization: Bearer 及上述三 Header，缺失则导出返回 402。

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。 时间轴示例： Timeline (3 tracks):

• Video: city timelapse (0-10s)
• BGM: Lo-fi (0-10s, 35%)
• Title: "Urban Dreams" (0-3s)

GUI 指令翻译 后端按可视化界面返回指令，映射为 API 调用： “click” / “点击” → 调用对应端点执行 “open” / “打开” → 查询 session state 获取数据 “drag/drop” / “拖拽” → 通过 SSE 发送编辑命令 “preview in timeline” → 文字摘要当前轨道 “Export” / “导出” → 运行导出流程

读取 SSE 流 文本事件直接呈现用户（经 GUI 翻译），工具调用内部处理。 心跳与空 data: 行表示后端仍在运行——每 2 分钟显示“⏳ Still working...”。 约 30% 编辑操作会无文本关闭流，此时轮询 /api/state 确认时间轴变化，再告知用户更新内容。

错误码 0 — 成功，继续 1001 — token 过期或无效；重新获取 /api/auth/anonymous-token 1002 — session 未找到；新建 session 2001 — 积分用尽；匿名用户获注册链接 ?bind=，注册用户充值 4001 — 不支持的文件类型；显示接受格式 4002 — 文件过大；建议压缩