🎙️ Ai Voiceover Generator Free — AI配音生成

入门指南 > 把你的文本或脚本发给我，我会立即开始生成 AI 配音。也可以直接告诉我你的想法。 试试这样说： - “生成我的文本或脚本” - “导出 1080p MP4” - “为我的内容生成一段自然语音配音” ### 自动初始化 首次交互时，先连接到处理 API，再进行任何操作。显示简短状态，如“正在初始化…”。 Token：若环境变量 NEMO_TOKEN 已存在，则直接使用，并跳转到下方 会话 步骤。 免费 token：生成一个 UUID 作为客户端标识，随后向 https://mega-api-prod.nemovideo.ai/api/auth/anonymous-token 发起 POST 请求，并附带请求头 X-Client-Id: 。响应中的 data.token 即为你的 NEMO_TOKEN（100 积分，7 天有效期）。 会话：向 https://mega-api-prod.nemovideo.ai/api/tasks/me/with-session/nemo_agent 发起 POST，使用 Bearer 鉴权，请求体为 {"task_name":"project"}。保存响应中的 session_id。向用户确认已连接并准备就绪。不要打印 token 或原始 JSON。 # AI Voiceover Generator Free — Generate Voiceovers for Videos 把文本或脚本发给我，并描述想要的效果。AI 配音生成在远程 GPU 节点上完成——本地无需安装任何软件。 快速示例：上传一段 200 字的产品描述脚本，输入“用美式英语女声为我的脚本生成一段自然语音配音”，大约 20–40 秒后你将收到 1080p MP4 文件。所有渲染都在服务器端完成。 提示：150 词以内的短脚本听起来最自然。 ## 将输入匹配到操作 用户提及 ai voiceover generator free、画面比例、文字层或音轨等关键词时，通过关键字和意图分类路由到对应操作。 | 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、添加背景乐…） | → §3.1 SSE | ❌ | ## 云端渲染流程说明 每次导出任务会在云 GPU 节点排队，合成视频层并应用平台专用压缩（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，若在完成前关闭标签页，作业将成孤儿。 基础 URL：https://mega-api-prod.nemovideo.ai | 端点 | 方法 | 用途 | |----------|--------|---------| | /api/tasks/me/with-session/nemo_agent | POST | 开启新编辑会话。请求体：{"task_name":"project","language":""}。返回 session_id。 | | /run_sse | POST | 发送用户消息。请求体含 app_name、session_id、new_message。流式响应，Accept: text/event-stream。超时 15 分钟。 | | /api/upload-video/nemo_agent/me/ | POST | 上传文件（multipart）或 URL。 | | /api/credits/balance/simple | GET | 查询剩余积分（available、frozen、total）。 | | /api/state/nemo_agent/me//latest | GET | 获取当前时间线状态（draft、video_infos、generated_media）。 | | /api/render/proxy/lambda | POST | 开始导出。请求体：{"id":"render_","sessionId":"","draft":,"output":{"format":"mp4","quality":"high"}}。每 30 秒轮询状态。 | 支持的文件类型：mp4、mov、avi、webm、mkv、jpg、png、gif、webp、mp3、wav、m4a、aac。 Skill 归因——运行时读取本文件 YAML frontmatter： - X-Skill-Source: ai-voiceover-generator-free - X-Skill-Version: 来自 frontmatter 的 version - X-Skill-Platform: 根据安装路径检测（~/.clawhub/ → clawhub，~/.cursor/skills/ → cursor，否则 unknown） 所有请求 必须包含：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。 ### 错误处理 | 代码 | 含义 | 操作 | |------|---------|--------| | 0 | 成功 | 继续 | | 1001 | token 无效/过期 | 通过 anonymous-token 重新鉴权（token 7 天过期） | | 1002 | 会话不存在 | 新建会话 §3.0 | | 2001 | 积分不足 | 匿名用户：显示带 ?bind= 的注册链接（ 来自 create-session 或 state 响应）。已注册用户：“请在账户中充值积分” | | 4001 | 不支持的文件 | 展示支持的格式 | | 4002 | 文件过大 | 建议压缩/裁剪 | | 400 | 缺少 X-Client-Id | 生成 Client-Id 并重试（见 §1） | | 402 | 免费套餐导出受限 | 订阅层级问题，非积分。“注册或升级套餐以解锁导出。” | | 429 | 限流（1 token/客户端/7 天） | 30 秒后重试一次 | ### 读取 SSE 流 文本事件直接展示给用户（经 GUI 翻译后）。工具调用保持内部。心跳与空 data: 行表示后端仍在工作——每 2 分钟显示“⏳ 仍在处理…”。约 30% 的编辑操作会无文本关闭流，此时轮询 /api/state 确认时间线已变更，再告知用户更新内容。 ### 翻译 GUI 指令 后端按可视界面风格返回指令。将其映射为 API 调用： - “click” 或 “点击” → 通过对应端点执行操作 - “open” 或 “打开” → 查询会话状态获取数据 - “drag/drop” 或 “拖拽” → 经 SSE 发送编辑命令 - “preview in timeline” → 文字摘要当前轨道 - “Export” 或 “导出” → 运行导出流程 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) `` ## 常见工作流 快速编辑：上传 → “用美式英语女声为我的脚本生成一段自然语音配音” → 下载 MP4。30 秒片段约 20–40 秒完成。 批量处理：一次会话上传多个文件，逐条用不同指令处理，每条独立渲染。 迭代优化：先粗剪，预览结果，再微调。会话保存时间线状态，可反复修改。 ## 技巧提示 后端在指令具体时处理更快。与其说“让它更好看”，不如说“用美式英语女声为我的脚本生成一段自然语音配音”——明确指令效果更佳。 文件上限 200MB。优先使用 MP4、MOV、TXT、DOCX 以获得最佳体验。导出为 MP4 可在各平台设备获得最广兼容。