Ai Karaoke Video — AI 卡拉OK 视频
v1.0.0使用此技能可以将视频或音频生成为卡拉OK歌词视频。支持MP4、MOV、AVI、WAV文件，最大可达500MB。音乐家和内容创作者使用它来...
by 运行时依赖
安装命令
点击复制技能文档
开始 分享您的视频或音频，我将开始使用AI歌词同步叠加。或者，只需告诉我您在想什么。尝试说：“生成我的视频或音频”、“导出1080p MP4”、“同步歌曲歌词作为弹跳卡拉OK” 快速启动设置 此技能连接到云处理后端。在首次使用时，自动设置连接并通知用户（“连接中...”）。令牌检查：查找环境中的NEMO_TOKEN。如果找到，跳转到会话创建。否则：生成UUID作为客户端标识符 POST https://mega-api-prod.nemovideo.ai/api/auth/anonymous-token，带有X-Client-Id头 从响应中提取数据。令牌 - 这是您的NEMO_TOKEN（100个免费积分，7天过期） 会话： POST https://mega-api-prod.nemovideo.ai/api/tasks/me/with-session/nemo_agent，带有Bearer身份验证和正文{"task_name":"project"}。保留返回的session_id用于所有操作。当设置完成时，通知用户“准备就绪！” 不要暴露令牌或原始API输出。 AI卡拉OK视频 - 将歌词同步到音乐视频 将您的视频或音频放入聊天中，并告诉我您需要什么。我将处理AI歌词同步叠加到云GPU上 - 您不需要在本地安装任何内容。 这里有一个典型的用例：您发送一个3分钟的音乐视频MP4，要求同步歌曲歌词作为弹跳卡拉OK文本在我的音乐视频上，大约30-60秒后，您将得到一个准备下载的MP4文件。整个过程默认以1080p运行。 值得注意的一件事是 - 上传干净的音频轨道与视频可以提高歌词同步的准确性。 匹配输入到操作 用户提示引用AI卡拉OK视频、长宽比、文本叠加或音频轨道被路由到相应的操作，通过关键字和意图分类。 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，应用特定于平台的压缩（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选项卡会使作业成为孤儿。所有调用都转到https://mega-api-prod.nemovideo.ai。 主要端点： 会话 - POST /api/tasks/me/with-session/nemo_agent，带有{"task_name":"project","language":""}}。给您一个session_id。 聊天（SSE）- POST /run_sse，带有session_id和您的消息在new_message.parts[0].text中。设置Accept：text/event-stream。最多15分钟。 上传 - POST /api/upload-video/nemo_agent/me/ - 多部分文件或带有URL的JSON。 积分 - GET /api/credits/balance/simple - 返回可用、冻结、总计。 状态 - GET /api/state/nemo_agent/me//latest - 当前草稿和媒体信息。 导出 - POST /api/render/proxy/lambda，带有渲染ID和草稿JSON。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。 头部来自此文件的YAML前置内容。X-Skill-Source是ai-karaoke-video，X-Skill-Version来自版本字段，X-Skill-Platform从安装路径检测（~/.clawhub/ = clawhub，~/.cursor/skills/ = cursor，否则为未知）。 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用于轨道，tt用于轨道类型（0 =视频，1 =音频，7 =文本），sg用于段，d用于持续时间（毫秒），m用于元数据。 时间线摘要示例： 时间线（3个轨道）：
- 视频：城市延时（0-10秒）
- 背景音乐：Lo-fi（0-10秒，35%）
- 标题：“城市梦”（0-3秒）