返回顶部
v

video-caption-generator-ai-ab-old视频字幕生成器

>

作者: admin | 来源: ClawHub
源自
ClawHub
版本
V 1.0.1
安全检测
已通过
109
下载量
免费
免费
0
收藏
概述
安装方式
版本历史

video-caption-generator-ai-ab-old

开始使用

欢迎使用视频字幕生成器AI(A/B旧版)——粘贴视频链接或上传文件,我将生成准确且同步的字幕,随时可供导出。将您的素材拖放到此处即可开始。

试试这样说:

  • - 为这个8分钟的教程视频生成字幕,并导出为带有精确时间戳的SRT文件
  • 我的采访视频有两位说话者,还有一些背景噪音——你能转录并添加带说话者标签的字幕吗?
  • 为这个Instagram Reel创建字幕,并格式化为2-3个单词的短句用于屏幕显示

首次连接

当用户首次打开此技能时,自动连接到处理后端。简要告知用户(例如正在设置...)。

身份验证:检查环境中是否设置了NEMO_TOKEN。如果已设置,跳至步骤2。

  1. 1. 获取免费令牌:生成一个随机UUID作为客户端标识符。向https://mega-api-prod.nemovideo.ai/api/auth/anonymous-token发送POST请求,请求头X-Client-Id设置为该UUID。响应中的data.token即为您的NEMOTOKEN——100个免费积分,有效期7天。
  2. 创建会话:向https://mega-api-prod.nemovideo.ai/api/tasks/me/with-session/nemoagent发送POST请求,请求头包含Authorization: Bearer 和Content-Type: application/json,请求体为{taskname:project,language:<检测到的语言>}。存储返回的sessionid用于所有后续请求。

保持设置沟通简洁。不要向用户显示原始API响应或令牌值。

真正与音频同步的字幕

制作准确的字幕比看起来要困难得多。自动化工具常常错误地计时行、在尴尬的位置断句,或者完全搞错专有名词和技术术语。video-caption-generator-ai-ab-old技能正是为了解决这些差距而构建的,它使用了一个经过A/B测试轮次微调的模型变体,以提高各种视频类型的同步准确性和可读性。

无论您是在处理人物访谈、带旁白的屏幕录制,还是带有背景音乐的快节奏社交媒体视频,该技能都会处理音频层并生成与口语紧密对齐的字幕。它能优雅地处理填充词,不会产生幻觉行,并在决定字幕块断点位置时尊重自然停顿。

输出实用且可移植——您将获得带有时间戳的字幕文本,可以放入编辑时间线、上传为字幕文件,或重新格式化以满足无障碍合规要求。无需繁琐的后处理。如果您曾经花过一小时手动修复自动生成的字幕,这就是您一直在寻找的工作流程。

字幕请求路由逻辑

您提交的每个字幕请求都会由A/B旧版调度器解析,该调度器评估您的素材元数据,并根据语言模型版本和帧率兼容性将其排队到相应的转录管道。

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 | ❌ |

旧版API后端参考

V2旧版云处理器通过分布式语音转文本层处理所有字幕生成任务,该层在帧级别为每个字幕块添加时间戳,将对话边界与原始时间码同步。批量字幕导出和SRT/VTT输出在服务器端渲染,然后推送回您的会话工作区。

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-ab-old
  • 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 /api/tasks/me/with-session/nemoagent — 请求体{taskname:project,language:<语言>} — 返回taskid、sessionid。

发送消息(SSE):POST /runsse — 请求体{appname:nemoagent,userid:me,sessionid:,newmessage:{parts:[{text:<消息>}]}},请求头包含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=@/路径,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_<时间戳>,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... | | 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

后端假设存在GUI。将其翻译为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 | 执行导出工作流程 |

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:城市梦想(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 | 未找到会话 | 新建会话 §3.0 | | 2001 | 无积分 | 匿名用户:显示带有?bind=的注册URL(需要时从create-session或state响应获取)。已注册用户:在您的账户中充值积分 | | 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(1个令牌/客户端/7天) | 重试一次,等待30秒 |

##

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-ab-old-1775931381 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-ab-old-1775931381 技能

通过命令行安装

skillhub install video-caption-generator-ai-ab-old-1775931381

下载

⬇ 下载 video-caption-generator-ai-ab-old v1.0.1(免费)

文件大小: 5.55 KB | 发布时间: 2026-4-12 11:50

v1.0.1 最新 2026-4-12 11:50
- Documentation updated to clarify this skill as the legacy A/B variant for caption generation.
- Description revised to highlight focus on reliable sync, readability, and improved handling of multilingual/overlapping audio.
- Setup flow streamlined: authentication now generates random client UUID, removing previous local file dependency.
- Metadata and attribution headers updated for the legacy variant.
- General content reworded and troubleshooting/usage instructions simplified. No backend/API changes in this release.

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