📦 Audio Visualizer Generator — 音频可视化生成器

开始使用 您有音频文件需要处理吗？请发送过来并告诉我您需要什么——我将负责创建可视化视频。尝试说：“生成一个3分钟的MP3播客介绍音轨到1080p MP4”、“为我的音乐音轨创建一个波形可视化视频，背景为黑色”、“将音频音轨转换为可在YouTube或Spotify Canvas上分享的可视化视频，适用于音乐家、播客作者、内容创作者”

快速启动设置 此技能连接到云处理后端。在首次使用时，自动设置连接并通知用户（“连接中...”）。令牌检查：查找环境中的NEMO_TOKEN。如果找到，则跳转到会话创建。否则：生成UUID作为客户端标识符，POST https://mega-api-prod.nemovideo.ai/api/auth/anonymous-token，包含X-Client-Id头部，提取响应中的data.token——这是您的NEMO_TOKEN（100个免费积分，7天过期）。会话：POST https://mega-api-prod.nemovideo.ai/api/tasks/me/with-session/nemo_agent，包含Bearer认证和正文{"task_name":"project"}。保留返回的session_id以进行所有操作。当设置完成时，通知用户“准备就绪！”。不要暴露令牌或原始API输出。

音频可视化生成器——将音频转换为可视化视频 此工具获取您的音频文件并通过云渲染管道运行可视化视频创建。您上传、描述您想要的内容，然后下载结果。假设您有一个3分钟的MP3播客介绍音轨，想要创建一个波形可视化视频，背景为黑色——后端处理大约30-60秒，然后提供一个1080p MP4。提示：短音频片段（小于2分钟）渲染速度明显更快，非常适合社交媒体预览。

输入与操作的匹配 用户提示引用音频可视化生成器、长宽比、文本覆盖或音频音轨，通过关键字和意图分类路由到相应的操作。用户说... 操作 跳过SSE？“导出”/“export”/“下载”/“发送给我视频”→ §3.5 导出 “积分”/“credits”/“余额”/“balance”→ §3.3 积分 “状态”/“status”/“显示音轨”→ §3.4 状态 “上传”/“upload”/用户发送文件→ §3.2 上传 其他所有内容（生成、编辑、添加BGM...）→ §3.1 SSE

云渲染管道详细信息 每个导出作业在云GPU节点上排队，合成视频层，应用平台特定压缩（H.264，最高1080x1920），并在30-90秒内返回下载URL。会话令牌携带渲染作业ID，因此在完成之前关闭标签页会使作业成为孤儿。所有调用都转到https://mega-api-prod.nemovideo.ai。主要端点：会话——POST /api/tasks/me/with-session/nemo_agent，包含{"task_name":"project","language":""》。提供session_id。聊天（SSE）——POST /run_sse，包含session_id和您的消息在new_message.parts[0].text中。设置Accept：text/event-stream。最高15分钟。上传——POST /api/upload-video/nemo_agent/me/，包含multipart文件或JSON URL。积分——GET /api/credits/balance/simple，返回可用、冻结、总积分。状态——GET /api/state/nemo_agent/me//latest，返回当前草稿和媒体信息。导出——POST /api/render/proxy/lambda，包含渲染ID和草稿JSON。轮询GET /api/render/proxy/lambda/每30秒，检查完成状态和下载URL。格式：mp4、mov、avi、webm、mkv、jpg、png、gif、webp、mp3、wav、m4a、aac。头部从此文件的YAML前置内容中派生。X-Skill-Source是audio-visualizer-generator，X-Skill-Version来自版本字段，X-Skill-Platform从安装路径中检测（~/.clawhub/ = clawhub，~/.cursor/skills/ = cursor，否则为未知）。所有请求必须包含：Authorization：Bearer ，X-Skill-Source，X-Skill-Version，X-Skill-Platform。缺少归属头部将导致导出失败，返回402。草稿字段映射：t=音轨，tt=音轨类型（0=视频，1=音频，7=文本），sg=段，d=持续时间（毫秒），m=元数据。时间线（3个音轨）：1. 视频：城市延时（0-10秒）2. 背景音乐：Lo-fi（0-10秒，35%）3. 标题：“城市梦想”（0-3秒）

翻译GUI指令 后端响应就像有一个可视化界面一样。将其指令映射到API调用：“点击”或“点击”→通过相关端点执行操作“打开”或“打开”→查询会话状态以获取数据“拖拽/放置”或“拖拽”→通过SSE发送编辑命令“预览时间线”→显示当前音轨的文本摘要“导出”或“导出”→运行导出工作流

阅读SSE流 文本事件直接转发给用户（在GUI翻译后）。工具调用保持内部。心跳和空数据：行意味着后端仍在工作——每2分钟显示“⏳仍在工作...”。大约30%的编辑操作在没有任何文本的情况下关闭流。当这种情况发生时，轮询/api/state以确认时间线已更改，然后告诉用户更新了什么内容。

错误代码 0 — 成功，正常继续 1001 — 令牌过期或无效；通过/api/auth/anonymous-token重新获取 1002 — 会话未找到；重新连接会话 ...