by 详细分析 ▾
运行时依赖
版本
- text-to-video-ki 首发，支持通过文本提示生成 1080p AI 视频。 - 自动配置云后端，可匿名创建会话并赠送免费试用额度。 - 极简聊天式流程，将产品发布或社媒文案一键转为可下载 MP4。 - 支持视频、音频、文本轨道，直观处理导出、额度、状态、上传等提示。 - 内置健壮错误处理、会话管理及优化建议。
安装命令
点击复制技能文档
快速开始
把文本提示发给我，我立即开始 AI 视频创作。或直接告诉我你的想法。试试说：
- “convert my text prompt”
- “export 1080p MP4”
- “convert this text description into a”
一键配置
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 - 提取响应中的
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 用于后续操作。配置完成后提示“Ready!”。不暴露 token 或原始 API 输出。
# Text to Video KI — 文本生成视频 在聊天框输入文本提示并告诉我需求。我将在云端 GPU 完成 AI 视频创作，本地无需安装任何软件。典型流程：发送一段产品发布场景描述 → 要求生成 30 秒带画面与背景乐的视频 → 1-2 分钟后获得可下载的 MP4，默认 1080p。提示越短越具体，视频效果越精准。
输入与动作映射
用户提及 text to video ki、画面比例、文字层、音轨等关键词时，通过意图分类路由到对应动作。| 用户说法 | 动作 | 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” / 用户发送文件 | → §3.2 上传 | ✅ | | 其他（生成、编辑、加 BGM…） | → §3.1 SSE | ❌ |
云端渲染流程
每个导出任务在云端 GPU 节点排队，合成视频层并按平台规格压缩（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，提前关闭标签页会导致任务孤立。所有请求发往https://mega-api-prod.nemovideo.ai。 主要端点：
- 会话 —
POST /api/tasks/me/with-session/nemo_agent，body{"task_name":"project","language":""}，返回session_id。 - 聊天（SSE） —
POST /run_sse，带session_id与new_message.parts[0].text，头Accept: text/event-stream，最长 15 分钟。 - 上传 —
POST /api/upload-video/nemo_agent/me/，支持 multipart 文件或 JSON 外链。 - 积分 —
GET /api/credits/balance/simple，返回available、frozen、total。 - 状态 —
GET /api/state/nemo_agent/me//latest，获取当前草稿与媒体信息。 - 导出 —
POST /api/render/proxy/lambda，提交渲染 ID 与草稿 JSON；轮询GET /api/render/proxy/lambda/每 30 秒，直到completed获得下载链接。支持格式：mp4、mov、avi、webm、mkv、jpg、png、gif、webp、mp3、wav、m4a、aac。
请求头取自 YAML 头信息：X-Skill-Source 为 text-to-video-ki，X-Skill-Version 取自 version，X-Skill-Platform 根据安装路径自动检测（~/.clawhub/ → clawhub，~/.cursor/skills/ → cursor，其余 unknown）。所有请求须带 Authorization: Bearer 及归因头，缺失将触发 402。
草稿 JSON 使用短键：t 轨道，tt 轨道类型（0=视频，1=音频，7=文字），sg 片段，d 时长（毫秒），m 元数据。时间线示例：
``
Timeline (3 tracks):
Video: city timelapse (0-10s)- BGM: Lo-fi (0-10s, 35%)
- Title: "Urban Dreams" (0-3s)
后端响应翻译
后端假设存在 GUI，按以下映射转为 API 动作：| 后端提示 | 你执行 | |-------------|--------| | “click [button]” / “点击” | 通过 API 执行 | | “op