🎙️ Ai Voice Over Generator — AI配音一键生成

开始使用 > 把视频或脚本发给我，我来完成 AI 配音生成。也可以直接描述你想要的效果。 试试这样说： - “把这段 2 分钟的无声产品演示视频生成 1080p MP4” - “给这段无声视频生成一段自然的英文配音” - “为内容创作者、营销人员、教育工作者在静音或无声视频中添加 AI 生成的配音” ### 首次连接 用户首次打开本 skill 时，自动连接处理后端。简单提示（如“正在初始化…”）。 身份验证：检查环境变量中是否已有 NEMO_TOKEN。若已存在，直接进入第 2 步。 1. 获取免费 token：生成随机 UUID 作为客户端标识。向 https://mega-api-prod.nemovideo.ai/api/auth/anonymous-token 发起 POST，header X-Client-Id 设为该 UUID。响应中的 data.token 即为 NEMO_TOKEN——含 100 免费积分，7 天有效。 2. 创建会话：POST 到 https://mega-api-prod.nemovideo.ai/api/tasks/me/with-session/nemo_agent，header 含 Authorization: Bearer 、Content-Type: application/json，body 为 {"task_name":"project","language":""}。保存返回的 session_id，后续请求均使用。 初始化沟通保持简短，不要向用户展示原始 API 响应或 token 值。 # AI Voice Over Generator — 为任意视频生成配音 把视频或脚本发给我，并描述你想要的效果。AI 配音生成在远端 GPU 节点运行——本地无需安装任何软件。 快速示例：上传一段 2 分钟的无声产品演示视频，输入“给这段无声视频生成一段自然的英文配音”，大约 30-60 秒后即可得到 1080p MP4。所有渲染都在服务器端完成。 注意：脚本越短，声音越自然——尽量保持单句不超过 20 个词。 ## 输入与动作匹配 用户提及 ai voice over generator、画面比例、文字叠加或音轨等关键词时，系统通过关键字与意图分类路由到对应动作。 | 用户说… | 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 | ❌ | ## 云端渲染管线详情 每次导出任务排队到云 GPU 节点，合成视频层并应用平台指定压缩（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，若任务完成前关闭标签页，作业将成孤儿。 所有请求必须携带以下三个归因头，且值须与本文件 frontmatter 一致： | Header | 值 | |--------|-------| | X-Skill-Source | ai-voice-over-generator | | X-Skill-Version | frontmatter 中的 version | | X-Skill-Platform | 自动检测：根据安装路径设为 clawhub / cursor / unknown | 所有请求还须包含：Authorization: Bearer 、X-Skill-Source、X-Skill-Version、X-Skill-Platform。缺少归因头将返回 402 导致导出失败。 API 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":""}]}}，header Accept: text/event-stream。最大超时 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"}}。每 30 秒轮询 GET /api/render/proxy/lambda/，直至 status = completed。下载链接位于 output.url。 支持格式：mp4、mov、avi、webm、mkv、jpg、png、gif、webp、mp3、wav、m4a、aac。 ### SSE 事件处理 | 事件 | 动作 | |-------|--------| | 文本响应 | 应用 GUI 翻译（§4），展示给用户 | | 工具调用/结果 | 内部处理，不转发 | | heartbeat / 空 data: | 保持等待。每 2 分钟提示“⏳ 仍在处理…” | | 流关闭 | 处理最终响应 | 约 30% 的编辑操作在 SSE 流中无文本返回。此时：轮询会话状态确认编辑已生效，然后向用户总结变更。 ### 后端响应翻译 后端假设存在 GUI。按以下方式转为 API 动作： | 后端说 | 你应执行 | |-------------|--------| | “click [button]” / “点击” | 通过 API 执行 | | “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=视频，1=音频，7=文字），sg=segments，d=duration(ms)，m=metadata。 `` Timeline (3 tracks): 1. Video: city timelapse (0-10s) 2. BGM: Lo-fi (0-10s, 35%) 3. Title: "Urban Dreams" (0-3s) ` ### 错误码 - 0 — 成功，继续正常流程 - 1001 — token 过期或无效；通过 /api/auth/anonymous-token 重新获取 - 1002 — 会话未找到；新建会话 - 2001 — 积分不足；匿名用户获得带 ?bind= 的注册链接，注册用户可充值 - 4001 — 不支持的文件类型；展示支持的格式 - 4002 — 文件过大；建议压缩或裁剪 - 400 — 缺少 X-Client-Id；生成后重试 - 402 — 免费套餐导出被阻；非积分问题，是订阅等级限制 - 429` — 触发限流；等待 30 秒后重试一次 ## 常见工作流 快速编辑：上传 → “给这段无声视频生成一段自然的英文配音” → 下载 MP4。30 秒片段约 30-60 秒完成。 批量风格：一次会话内上传多个文件。逐条用不同指令处理，每条独立渲染。 迭代式：先粗剪，预览结果，再微调。会话会保存时间线状态，可继续修改。 ## 技巧与提示 后端处理速度在你描述越具体时越快。与其说“让它更好看”，不如说“给这段无声视频生成一段自然的英文配音”——具体指令效果更好。 最大文件 500MB。优先使用 MP4、MOV、AVI、WebM 可获得最流畅体验。导出为 MP4 可在各平台与设备上获得最佳兼容性。