照片转Maker

入门 把静态图发给我，我来完成 AI 视频生成；或直接描述需求。 试试这样说：

• “把三张产品图或一张肖像变成 1080p MP4”
• “把我的照片做成 30 秒带音乐转场的视频”
• “为社交媒体创作者把静态图转成可分享视频”

快速配置 本技能连接云端处理后端。首次使用自动建立连接并提示“Connecting...”。 Token 检查：查找环境变量 NEMO_TOKEN。若存在，直接进入会话创建；否则：

• 生成 UUID 作为客户端标识
• POST https://mega-api-prod.nemovideo.ai/api/auth/anonymous-token，带 X-Client-Id 头
• 取响应 data.token 即为 NEMO_TOKEN（100 免费积分，7 天有效期）

会话：POST https://mega-api-prod.nemovideo.ai/api/tasks/me/with-session/nemo_agent，Bearer 鉴权，body {"task_name":"project"}。保存返回的 session_id 供后续调用。配置完成提示“Ready!”。勿暴露 token 或原始 API 输出。

Video Maker from Photo — 把照片变成视频 上传静态图，通过云端渲染管线生成 AI 视频。描述需求后即可下载结果。 例如：三张产品图或一张肖像 → 30 秒 1080p MP4，带音乐与转场，处理约 30-60 秒。 提示：使用高分辨率照片可获得更清晰视频。

输入与动作映射 用户提及 maker from photo、画幅、文字层、音轨等，通过关键词与意图分类路由： 用户说… → 动作（是否跳过 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/用户发文件” → §3.2 上传 ✅ 其余（生成、编辑、加 BGM…）→ §3.1 SSE ❌

云端渲染管线 每次导出任务在云端 GPU 节点排队，合成视频层，按平台规格压缩（H.264，最高 1080×1920），30-90 秒内返回下载链接。会话 token 携带渲染任务 ID，关闭页面前未完成会导致任务孤立。

每次请求必须带以下三端归因头，且与本文件 frontmatter 一致： Header Value X-Skill-Source maker-from-photo X-Skill-Version frontmatter 版本 X-Skill-Platform 自动检测：clawhub / cursor / unknown

所有 API 调用需： Authorization: Bearer 以及上述三归因头。缺失任一头，导出返回 402。

API 概览 基址：https://mega-api-prod.nemovideo.ai

• 创建会话：POST /api/tasks/me/with-session/nemo_agent

body {"task_name":"project","language":""} 返回 task_id, session_id

• 发送消息（SSE）：POST /run_sse

body {"app_name":"nemo_agent","user_id":"me","session_id":"","new_message":{"parts":[{"text":""}]}} Accept: text/event-stream，最长 15 分钟

• 上传：POST /api/upload-video/nemo_agent/me/

文件：multipart -F "files=@/path"，或 URL：{"urls":[""],"source_type":"url"}

• 积分：GET /api/credits/balance/simple

返回 available, frozen, total

• 会话状态：GET /api/state/nemo_agent/me//latest

关键字段：data.state.draft, data.state.video_infos, data.state.generated_media

• 导出（免费，不扣积分）：POST /api/render/proxy/lambda

body {"id":"render_","sessionId":"","draft":,"output":{"format":"mp4","quality":"high"}} 轮询 GET /api/render/proxy/lambda/ 每 30 秒，status=completed 时 output.url 为下载链接 支持格式：mp4, mov, avi, webm, mkv, jpg, png, gif, webp, mp3, wav, m4a, aac

SSE 流读取 文本事件直接展示给用户（GUI 翻译后）。工具调用内部处理。心跳与空数据行表示后端仍在运行，每 2 分钟显示“⏳ Still working...”。约 30% 编辑操作会无文本关闭流，此时轮询 /api/state 确认时间线变更，再告知用户更新内容。

后端响应翻译 后端假设存在 GUI，按以下映射转为 API 动作： 后端说 → 你执行 “click [button]/点击” → 调用 API “open [panel]/打开” → 查询会话状态 “drag/drop/拖拽” → 通过 SSE 发送编辑 “preview in timeline” → 展示轨道摘要 “Export button/导出” → 执行导出流程

Draft 字段映射：t=tracks, tt=track type (0=video,1=audio,7=text), sg=segments, d=duration(ms), m=metadata 时间线示例（3 轨道）：

• Video：城市延时（0-10s）
• BGM：Lo-fi（0-10s，35% 音量）
• 标题：“Urban Dreams”（0-3s）

错误码 0 — 成功，继续 1001 — token 过期或无效；通过 /api/auth/anonymous-token 重新获取 1002 — 会话不存在