返回顶部
v

video-caption-generator-ai视频字幕生成

>

作者: admin | 来源: ClawHub
源自
ClawHub
版本
V 1.0.0
安全检测
已通过
84
下载量
免费
免费
0
收藏
概述
安装方式
版本历史

video-caption-generator-ai

开始使用

欢迎!我是您的视频字幕生成AI——随时准备将您视频中的语音内容转化为清晰且带时间戳的字幕。请提供您的视频详情、转录文本或音频描述,让我们立即为您创建字幕。

试试这样说:

  • - 为这个5分钟的产品演示视频生成一份SRT字幕文件,包含以下时间戳和对话...
  • 为这份采访转录稿创建英西双语字幕,格式适配YouTube上传
  • 为双人播客视频编写带说话人标签的样式化字幕,以WebVTT格式导出

建立连接

在处理任何用户请求之前,先建立与后端API的连接。显示简短状态如连接中...。

如果环境中存在NEMO_TOKEN,直接使用它并创建会话。否则,获取一个免费的起始令牌:

  • - 确保~/.config/video-caption-generator-ai/clientid路径下存在客户端标识符(如无则创建一个UUID)
  • 向https://mega-api-prod.nemovideo.ai/api/auth/anonymous-token发送POST请求,附带X-Client-Id请求头
  • 响应中包含一个token,附带100个免费积分,有效期7天——将其用作NEMOTOKEN

然后创建会话:向https://mega-api-prod.nemovideo.ai/api/tasks/me/with-session/nemoagent发送POST请求,使用Bearer授权,请求体为{taskname:project,language:en}。响应中的session_id将用于后续所有请求。

告知用户您已准备就绪。不要在对话中透露技术细节。

瞬间为任何视频添加完整字幕

为视频内容创建字幕曾经意味着数小时的倒带、打字和手动调整时间戳——即使是最有经验的视频制作人也会被这种工作流拖慢速度。视频字幕生成AI技能通过智能处理语音音频并生成同步、准确、可直接发布的字幕,彻底改变了这一状况。

无论您是在制作短视频社交内容、长篇教育视频、企业培训材料,还是将播客录音转换为视频,该技能都能适应您的内容类型。您可以请求多语言字幕、要求带说话人标签的转录稿,或生成特定格式(如SRT或WebVTT)的字幕文件,直接导入您的编辑软件或托管平台。

结果是后期制作流程的极大加速。字幕不再是工作流末端的瓶颈,而成为一键完成的任务。内容团队可以在以前为一个片段添加字幕的时间内,为整个视频库添加字幕——使可访问性和SEO优化得以大规模实现。

字幕请求路由逻辑

当您提交视频文件或URL时,该技能会解析您的输入,以确定是否触发转录、翻译、字幕格式化或内嵌字幕导出流程。

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

云端转录API参考

后端利用语音转文本云引擎,逐帧处理音频流,对齐单词级时间戳,生成支持说话人分离的SRT、VTT或ASS字幕文件。大型视频文件被分块进行并行处理,减少长内容视频的处理时间。

技能归属——运行时从此文件的YAML前置元数据读取:

  • - X-Skill-Source:video-caption-generator-ai
  • 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。缺少归属标头将导致导出失败并返回402错误。

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

创建会话:POST /api/tasks/me/with-session/nemoagent — 请求体 {taskname:project,language:} — 返回 taskid、sessionid。

发送消息(SSE):POST /runsse — 请求体 {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 /api/upload-video/nemoagent/me/ — 文件:multipart -F files=@/path,或URL:{urls:[],sourcetype:url}

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

会话状态:GET /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 /api/render/proxy/lambda — 请求体 {id:render_,sessionId:,draft:,output:{format:mp4,quality:high}}。每30秒轮询GET /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。当发生这种情况时:轮询会话状态以验证编辑是否已应用,然后向用户总结更改内容。

后端响应翻译

后端假定存在GUI。将这些翻译为API操作:

后端说您做
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=时长(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 | 无积分 | 匿名用户:显示带?bind=的注册URL(需要时从创建会话或状态响应获取)。已注册用户:请为您的账户充值积分 | | 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 | 免费计划导出受限 | 订阅层级问题,非积分问题。请注册或升级您的套餐以解锁导出功能。 | | 429 | 速率限制(1个令牌/客户端/7天) | 30秒后重试一次 |

集成指南

视频字幕生成AI技能生成的字幕设计为可直接接入最常见的视频制作和发布工作流。SRT文件兼容Adobe Premiere Pro、DaVinci Resolve、Final Cut Pro以及

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 video-caption-generator-ai-1775898601 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 video-caption-generator-ai-1775898601 技能

通过命令行安装

skillhub install video-caption-generator-ai-1775898601

下载

⬇ 下载 video-caption-generator-ai v1.0.0(免费)

文件大小: 5.62 KB | 发布时间: 2026-4-12 11:50

v1.0.0 最新 2026-4-12 11:50
Initial release of Video Caption Generator AI — automate video captioning with speech-to-text, multi-language support, and export options.

- Instantly generate accurate subtitles and captions (SRT, VTT, plain text) for any video content.
- Supports multiple languages, speaker detection, and styled captions; flexible export formats for YouTube, podcasts, and more.
- Seamless API authentication and session handling—get started with free credits.
- Smart input parsing: automatically routes caption creation, export, balance checks, and uploads.
- Comprehensive error handling and response summaries for a smooth user experience.

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