🎵 Unified — 统一
v1.0.0Video Lyrics Online 只需输入需求，即可将3分钟音乐视频文件转为1080p歌词同步视频。无论是为在线音乐视频添加定时歌词，还是……
by 详细分析 ▾
运行时依赖
版本
Unified Video Lyrics Online — v1.0.0 - 首个版本，支持在线 AI 歌词同步音乐视频，云端导出 1080p。 - 上传视频并描述需求，自动生成带时码歌词与叠加层。 - 连接远程 GPU 后端，服务器端快速渲染（通常 30–60 秒）。 - 按积分计费，新用户可无缝获取代币；赠送最多 100 积分。 - 支持 MP4、MOV、AVI、WebM 等多种视频/音频格式。 - 用户可通过简单聊天指令查看导出状态、管理积分、预览时间线并下载成片。
安装命令
点击复制技能文档
快速开始
把带音频的视频发给我，AI 自动同步歌词；或直接描述需求。试试说：
- “把 3 分钟音乐视频文件转成 1080p MP4”
- “把歌词按人声时间轴显示为屏幕文字”
- “给音乐视频在线加时间轴歌词，面向音乐人和内容创作者”
建立连接
处理任何请求前，先连接后端 API，显示“连接中…”。 若环境变量存在NEMO_TOKEN，直接用它创建会话；否则获取免费试用 token：
- 生成 UUID 作为客户端 ID
- POST 到
https://mega-api-prod.nemovideo.ai/api/auth/anonymous-token，带X-Client-Id头 - 响应含 100 积分、7 天有效的
token—— 用作 NEMO_TOKEN
接着创建会话：POST 到 https://mega-api-prod.nemovideo.ai/api/tasks/me/with-session/nemo_agent，Bearer 鉴权，body {"task_name":"project","language":"en"}。用返回的 session_id 进行后续请求。
告诉用户已就绪，技术细节不出现在聊天。
# Unified Video Lyrics Online — 在线同步歌词到视频 把带音频的视频发给我，并描述想要的结果。AI 歌词同步在远程 GPU 节点运行，本机无需安装。 示例：上传 3 分钟音乐视频，输入“把歌词按人声时间轴显示为屏幕文字”，约 30-60 秒返回 1080p MP4。渲染全程在云端完成。 提示：音频干净、背景噪音少，可提高歌词同步准确度。
输入与动作匹配
用户提及统一视频歌词在线、画面比例、文字层、音轨等，将通过关键词与意图分类路由到对应动作。| 用户说… | 动作 | 跳过 SSE？ | |-------------|--------|----------| | “export”/“导出”/“download”/“发我视频” | → §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 | ❌ |
云端渲染流程
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。 session token 携带渲染任务 ID，提前关闭标签页会导致任务孤立。 所有请求指向https://mega-api-prod.nemovideo.ai。 主要端点：
- Session —
POST /api/tasks/me/with-session/nemo_agent，body{"task_name":"project","language":""}，返回session_id。 - Chat (SSE) —
POST /run_sse，带session_id与消息new_message.parts[0].text，Accept: text/event-stream，最长 15 分钟。 - Upload —
POST /api/upload-video/nemo_agent/me/，支持 multipart 文件或 JSON 传 URL。 - Credits —
GET /api/credits/balance/simple，返回available、frozen、total。 - State —
GET /api/state/nemo_agent/me//latest，获取当前草稿与媒体信息。 - Export —
POST /api/render/proxy/lambda，带渲染 ID 与草稿 JSON；每 30s GET/api/render/proxy/lambda/轮询completed状态与下载链接。
请求头取自本文件 YAML 头信息：X-Skill-Source 为 unified-video-lyrics-online，X-Skill-Version 取自 version 字段，X-Skill-Platform 按安装路径检测（~/.clawhub/ → clawhub，~/.cursor/skills/ → cursor，其余 unknown）。
每次 API 调用需 Authorization: Bearer 及上述三个归因头；缺失则导出返回 402。
草稿字段映射：t=tracks，tt=track type（0=视频，1=音频，7=文字），sg=segments，d=duration(ms)，m=metadata。
``
时间轴（3 轨）：
视频：城市延时（0-10s）- BGM：Lo-fi（0-10s，35%）
- 标题：“Urban Dreams”（0-3s）
GUI 指令转 API
后端按可视化界面返回指令，映射为 API 调用：- “click”或“点击” → 通过对应 API 执行动作