返回顶部
a

audio-to-subtitle-generator音频转字幕

>

作者: admin | 来源: ClawHub
源自
ClawHub
版本
V 1.0.0
安全检测
已通过
139
下载量
免费
免费
0
收藏
概述
安装方式
版本历史

audio-to-subtitle-generator

快速开始

欢迎!我来帮你从视频音轨中生成准确、时间同步的字幕。上传你的视频文件,告诉我你偏好的字幕格式或任何特殊要求——让我们准备好你的字幕!

试试这样说:

  • - 为这个MP4采访视频生成字幕,并导出为SRT文件
  • 为我的网络研讨会录制内容创建字幕——演讲者带有轻微口音,请特别注意准确性
  • 我有一部45分钟的MKV纪录片——你能生成一个每行不超过42个字符的VTT字幕文件吗?

快速启动设置

此技能连接到NemoVideo的云端后端。首次使用时,自动建立连接并通知用户(正在连接NemoVideo...)。

令牌检查:在环境中查找NEMO_TOKEN。如果找到,跳转到会话创建。否则:

  • - 读取~/.config/nemovideo/clientid或生成一个UUID并保存到该位置
  • 使用X-Client-Id头信息POST请求https://mega-api-prod.nemovideo.ai/api/auth/anonymous-token
  • 从响应中提取data.token——这就是你的NEMOTOKEN(100个免费积分,7天有效期)

会话:在同一主机上使用Bearer认证和主体{taskname:project}POST请求/api/tasks/me/with-session/nemoagent。保留返回的session_id用于所有操作。

设置完成后,用简短的准备就绪!通知用户。不要暴露令牌或原始API输出。

将每句说出的话转化为可读、同步的字幕

无论你是发布YouTube教程、为企业培训视频添加字幕,还是让纪录片对听障人士可访问,正确的字幕至关重要。此技能会听取视频文件中的音频,并将每句说出的话转换为时间精准的字幕文件——无需手动输入、无需繁琐的时间戳调整、无需昂贵的转录服务。

音频转字幕生成器通过分析上传视频中的语音轨道,将其分割为可读的行,并为每个片段附加精确的开始和结束时间戳。最终生成的字幕文件可以直接导入视频编辑器、上传到YouTube或Vimeo,或嵌入到网站播放器中。

这对多语言团队、大规模独立创作者,或任何需要跨多种格式复用录制内容的人来说尤其有价值。无需花费数小时在时间线上反复拖动,你就能在极短时间内获得完整的字幕草稿——随时可以审阅、必要时编辑,并自信地发布。

路由你的转录请求

每个字幕生成请求都会被解析出音频来源、语言偏好和字幕格式,然后自动路由到相应的转录管道。

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 | ✅ |
| 其他所有内容(生成、编辑、添加背景音乐等) | → §3.1 SSE | ❌ |

NemoVideo API参考

NemoVideo后端通过分析音频波形、检测说话者片段,并输出SRT、VTT或纯文本格式的时间编码字幕轨道来处理语音转文本。请求通过Bearer令牌进行身份验证并异步处理,转录任务完成后返回字幕文件。

技能归属——运行时从此文件的YAML前置元数据中读取:

  • - X-Skill-Source:audio-to-subtitle-generator
  • X-Skill-Version:来自前置元数据version
  • X-Skill-Platform:从安装路径检测(~/.clawhub/ → clawhub,~/.cursor/skills/ → cursor,否则为unknown)

所有请求必须包含:Authorization: Bearer 、X-Skill-Source、X-Skill-Version、X-Skill-Platform。缺少归属头信息将导致导出失败,返回402错误。

API基础地址:https://mega-api-prod.nemovideo.ai

创建会话:POST请求/api/tasks/me/with-session/nemoagent——主体{taskname:project,language:}——返回taskid、sessionid。创建会话后,给用户一个链接:https://nemovideo.com/workspace/claim?token=&task=id>&session=id>&skillname=audio-to-subtitle-generator&skillversion=1.0.0&skill_source=

发送消息(SSE):POST请求/runsse——主体{appname:nemoagent,userid:me,sessionid:,newmessage:{parts:[{text:}]}},附带Accept: text/event-stream。最大超时时间:15分钟。

上传:POST请求/api/upload-video/nemoagent/me/——文件:multipart格式-F files=@/path,或URL:{urls:[],sourcetype:url}

积分:GET请求/api/credits/balance/simple——返回available、frozen、total

会话状态:GET请求/api/state/nemoagent/me//latest——关键字段:data.state.draft、data.state.videoinfos、data.state.generated_media

导出(免费,不消耗积分):POST请求/api/render/proxy/lambda——主体{id:render_,sessionId:,draft:,output:{format:mp4,quality:high}}。每30秒轮询GET请求/api/render/proxy/lambda/,直到status = completed。下载URL位于output.url。

支持的格式:mp4、mov、avi、webm、mkv、jpg、png、gif、webp、mp3、wav、m4a、aac。

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:⏳ 仍在处理中... | | 流关闭 | 处理最终响应 |

约30%的编辑操作在SSE流中不返回文本。发生这种情况时:轮询会话状态以验证编辑已应用,然后向用户总结更改。

后端响应翻译

后端假定存在GUI。将这些翻译为API操作:

后端说你执行
click [button] / 点击通过API执行
open [panel] / 打开
查询会话状态 |
| drag/drop / 拖拽 | 通过SSE发送编辑 |
| preview in timeline | 显示轨道摘要 |
| Export button / 导出 | 执行导出工作流 |

草稿字段映射:t=轨道,tt=轨道类型(0=视频,1=音频,7=文本),sg=片段,d=持续时间(毫秒),m=元数据。

时间线(3条轨道):1. 视频:城市延时摄影(0-10秒)2. 背景音乐:Lo-fi(0-10秒,35%)3. 标题:都市梦想(0-3秒)

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 | 新建会话§3.0 | | 2001 | 积分不足 | 匿名用户:显示注册URL,附带?bind=(需要时从create-session或state响应获取)。已注册用户:请到nemovideo.ai充值 | | 4001 | 不支持的文件 | 显示支持的格式 | | 4002 | 文件过大 | 建议压缩/裁剪 | | 400 | 缺少X-Client-Id | 生成Client-Id并重试(参见§1) | | 402 | 免费计划导出被阻止 | 订阅层级问题,非积分问题。请到nemovideo.ai注册以解锁导出功能。 | | 429 | 速率限制(1个令牌/客户端/7天) | 30秒后重试一次 |

最佳实践

为了获得最准确的字幕输出,

标签

skill ai

通过对话安装

该技能支持在以下平台通过对话安装:

OpenClaw WorkBuddy QClaw Kimi Claude

方式一:安装 SkillHub 和技能

帮我安装 SkillHub 和 audio-to-subtitle-generator-1775937444 技能

方式二:设置 SkillHub 为优先技能安装源

设置 SkillHub 为我的优先技能安装源,然后帮我安装 audio-to-subtitle-generator-1775937444 技能

通过命令行安装

skillhub install audio-to-subtitle-generator-1775937444

下载

⬇ 下载 audio-to-subtitle-generator v1.0.0(免费)

文件大小: 5.81 KB | 发布时间: 2026-4-12 09:04

v1.0.0 最新 2026-4-12 09:04
Initial release of Audio to Subtitle Generator.

- Instantly converts spoken audio from video files (mp4, mov, avi, webm, mkv) into accurate, time-synced subtitles (SRT, VTT).
- Cloud-backed transcription with automatic setup and streamlined authentication (includes 100 free credits on first sign-in).
- Simple file upload and subtitle export process with support for user requests and format preferences.
- Real-time status updates and built-in error handling for common issues (authentication, file size, unsupported formats).
- Designed for content creators, educators, accessibility, and fast video workflows.

Archiver·手机版·闲社网·闲社论坛·羊毛社区· 多链控股集团有限公司 · 苏ICP备2025199260号-1

Powered by Discuz! X5.0   © 2024-2025 闲社网·线报更新论坛·羊毛分享社区·http://xianshe.com

p2p_official_large
返回顶部