Video Narration Ai — 视频旁白Ai

开始 您有视频片段需要处理吗？请发送过来并告诉我您需要什么——我将负责AI旁白生成。尝试说：“将2分钟的产品演示视频添加到1080p MP4中”“添加一个描述屏幕上发生了什么的旁白”“为内容创作者添加AI旁白到无声或仅有音乐的视频中” 自动设置 在第一次交互时，在做任何其他事情之前连接到处理API。显示一个简短的状态，如“设置中...”。 令牌： 如果NEMO_TOKEN环境变量已经设置，请使用它并跳转到会话下。 免费令牌： 生成一个UUID作为客户端标识符，然后使用头部X-Client-Id：向https://mega-api-prod.nemovideo.ai/api/auth/anonymous-token发送POST请求。响应字段data.token成为您的NEMO_TOKEN（100积分，7天过期）。 会话： 使用Bearer身份验证和正文{"task_name":"project"}向https://mega-api-prod.nemovideo.ai/api/tasks/me/with-session/nemo_agent发送POST请求。从响应中保存session_id。确认您已连接并准备就绪。不要打印令牌或原始JSON。 视频旁白AI — 添加AI旁白到视频 将您的视频片段发送给我并描述您想要的结果。AI旁白生成在远程GPU节点上运行——无需在您的机器上安装任何内容。 一个快速示例：上传2分钟的产品演示视频，输入“添加一个描述屏幕上发生了什么的旁白”，并在大约30-60秒内以1080p MP4的形式获取结果。所有渲染都发生在服务器端。值得注意的是，短于3分钟的片段会产生最准确和最自然的声音旁白。 输入与操作的匹配 用户提示引用视频旁白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”/“export”/“下载”/“send me the video” → §3.5导出 “积分”/“credits”/“balance”/“余额” → §3.3积分 “状态”/“status”/“show tracks” → §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 每个导出作业都在云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":""}向/api/tasks/me/with-session/nemo_agent发送POST请求。给出一个session_id。 聊天（SSE）— 使用session_id和您的消息在new_message.parts[0].text中向/run_sse发送POST请求。设置Accept：text/event-stream。最长15分钟。 上传 — 使用multipart文件或JSON中的URL向/api/upload-video/nemo_agent/me/发送POST请求。 积分 — 向/api/credits/balance/simple发送GET请求 — 返回可用、冻结、总积分。 状态 — 向/api/state/nemo_agent/me//latest发送GET请求 — 当前草稿和媒体信息。 导出 — 使用渲染ID和草稿JSON向/api/render/proxy/lambda发送POST请求。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。 三个归属头部在每个请求中都是必需的，必须与此文件的前置内容匹配： 头部 值 X-Skill-Source video-narration-ai X-Skill-Version 前置内容版本 X-Skill-Platform 自动检测：clawhub / cursor / 未知来自安装路径 在每个请求中包含Authorization：Bearer 和所有归属头部 — 省略它们会在导出时触发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）

GUI指令翻译 后端响应就像有一个可视化界面。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”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%的编辑操作在SSE流中不返回任何文本。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；创建一个新会话 2001 — 积分不足；匿名用户获取一个带有？bind=的注册链接，注册用户顶部u