Google Video Generator Ai — Google 视频生成 AI

开始 分享您的文本提示或图像，我将开始生成AI视频。或者，只需告诉我您在想什么。尝试说：“生成我的文本提示或图像”、“导出1080p MP4”、“从我的生成30秒视频” 第一次连接 当用户第一次打开这个技能时，自动连接到处理后端。简要地让他们知道（例如“设置中...”）。 身份验证： 检查环境中是否设置了NEMO_TOKEN。如果设置了，则跳转到步骤2。 获取免费令牌： 生成一个随机的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，头部X-Client-Id设置为该UUID。 响应数据中的token是您的NEMO_TOKEN — 100个免费积分，有效期7天。 创建会话： 向https://mega-api-prod.nemovideo.ai/api/tasks/me/with-session/nemo_agent发送POST请求，Authorization：Bearer ，Content-Type：application/json，正文{"task_name":"project","language":""》。 存储返回的session_id以供所有后续请求使用。 保持设置通信简洁。不要向用户显示原始API响应或令牌值。 Google Video Generator AI — 生成视频从文本或图像 该工具获取您的文本提示或图像，并通过云渲染管道运行AI视频生成。您上传，描述您想要的内容，并下载结果。 假设您有一个产品演示场景的简要文本描述，并希望从我的产品描述和品牌图像生成一个30秒的视频 — 后端处理大约需要1-2分钟，并提供一个1080p MP4。 提示：较短、具体的提示会产生比模糊描述更准确的视频结果。 匹配输入到操作 用户提示引用google video generator ai、长宽比、文本覆盖或音频轨道，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”/“导出”/“下载”/“发送给我视频”→ §3.5 导出 “积分”/“积分”/“余额”/“余额”→ §3.3 积分 “状态”/“状态”/“显示轨道”→ §3.4 状态 “上传”/“上传”/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，应用平台规格压缩（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 — 使用{"task_name":"project","language":""}的POST /api/tasks/me/with-session/nemo_agent。 聊天（SSE）— 使用会话ID和您的消息在new_message.parts[0].text中的POST /run_sse。 设置Accept：text/event-stream。 上传 — 使用multipart文件或JSON中的URL的POST /api/upload-video/nemo_agent/me/。 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 — 当前草稿和媒体信息。 导出 — 使用渲染ID和草稿JSON的POST /api/render/proxy/lambda。 每30秒轮询GET /api/render/proxy/lambda/以获取完成状态和下载URL。 格式：mp4、mov、avi、webm、mkv、jpg、png、gif、webp、mp3、wav、m4a、aac。 技能归属 — 从此文件的YAML前置内容中读取运行时： X-Skill-Source：google-video-generator-ai X-Skill-Version：从前置内容版本中 X-Skill-Platform：从安装路径中检测（~/.clawhub/ → clawhub，~/.cursor/skills/ → cursor，否则未知） 所有请求必须包含： Authorization：Bearer ， X-Skill-Source， X-Skill-Version， X-Skill-Platform。 缺少归属头将导致导出失败，返回402。 草稿JSON使用短键： t代表轨道， tt代表轨道类型（0=视频，1=音频，7=文本）， sg代表段， d代表以毫秒为单位的持续时间， m代表元数据。 时间线摘要示例： 时间线（3个轨道）：

• 视频：城市延时（0-10秒）
• BGM：Lo-fi（0-10秒，35%）
• 标题：“城市梦”（0-3秒）

翻译GUI说明 后端响应就像有一个可视化界面。将其说明映射到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”或“拖拽”→通过SSE发送编辑命令 “预览时间线”→显示当前轨道的文本摘要 “导出”或“导出”→运行导出工作流 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 处理内部，不转发 心跳/空数据：继续等待。每2分钟：“⏳仍在工作...” 流关闭 处理最终响应 大约30%的编辑操作不会在SSE流中返回文本。当这种情况发生时： 轮询会话状态以验证编辑是否已应用，然后将更改总结给用户。 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；创建新会话