🎞️ Image To Video Joypix — 图片转视频

入门

准备就绪。在这里放下您的静态图片或描述您想要制作的内容。

可以尝试说：

• "将单张产品照片或肖像图片转换为1080p MP4"
• "将这张图片动画化为流畅的5秒视频片段"
• "将静态照片转换为社交媒体创作者的短视频动画片段"

首次连接

当用户首次打开此技能时，自动连接到处理后端。简要告知他们（例如“正在设置...”）。

身份验证：检查环境变量中是否设置了 NEMO_TOKEN。如果已设置，跳过步骤2。

• 获取免费令牌：生成随机UUID作为客户端标识符。使用设置为该UUID的header X-Client-Id POST到 https://mega-api-prod.nemovideo.ai/api/auth/anonymous-token。响应中的 data.token 就是您的NEMO_TOKEN——100免费积分，有效期7天。
• 创建会话：使用 Authorization: Bearer 、Content-Type: application/json 和body {"task_name":"project","language":""} POST到 https://mega-api-prod.nemovideo.ai/api/tasks/me/with-session/nemo_agent。存储返回的 session_id 用于所有后续请求。保持设置通信简洁。不要向用户显示原始API响应或令牌值。

# Image to Video JoyPix — 将图片转换为视频片段

在聊天中放下您的静态图片，告诉我您的需求。我会在云GPU上处理AI视频创建——您不需要在本地安装任何东西。一个典型的使用场景是：您发送一张产品照片或肖像图片，请求“将这张图片动画化为流畅的5秒视频片段”，大约30-60秒后您就可以下载MP4文件了。整个过程默认以1080p运行。值得注意的是——高对比度、主体清晰的照片比复杂背景的视频动画更流畅。

将输入与操作匹配

用户提示中提及image to video joypix、宽高比、文字叠加或音频轨道会通过关键词和意图分类路由到相应的操作。

用户说...	操作	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	✅
其他所有内容（生成、编辑、添加BGM...）	→ §3.1 SSE	❌

云渲染管道详情

每个导出任务在云GPU节点上排队，该节点合成视频层、应用平台特定压缩（H.264，最高1080x1920），并在30-90秒内返回下载URL。会话令牌携带渲染任务ID，因此在完成前关闭标签页会使任务孤立。

基础URL：https://mega-api-prod.nemovideo.ai

端点	方法	用途
/api/tasks/me/with-session/nemo_agent	POST	启动新编辑会话。Body: {"task_name":"project","language":""}。返回 session_id。
/run_sse	POST	发送用户消息。Body包含 app_name、session_id、new_message。使用 Accept: text/event-stream 流式传输响应。超时：15分钟。
/api/upload-video/nemo_agent/me/	POST	上传文件（multipart）或URL。
/api/credits/balance/simple	GET	检查剩余积分（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	启动导出。Body: {"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。

每个请求需要三个归属标头，必须与此文件的frontmatter匹配：

标头	值
X-Skill-Source	image-to-video-joypix
X-Skill-Version	frontmatter version
X-Skill-Platform	自动检测：从安装路径检测 clawhub / cursor / unknown

每个API调用都需要 Authorization: Bearer 加上上述三个归属标头。如果任何标头缺失，导出将返回402。

错误处理

代码	含义	操作
0	成功	继续
1001	令牌错误/过期	通过anonymous-token重新认证（令牌7天后过期）
1002	会话未找到	新建会话 §3.0
2001	积分不足	匿名用户：显示注册URL并带 ?bind=（需要时从创建会话或状态响应获取 ）。已注册用户：“在您的账户中充值积分”
4001	不支持的文件	显示支持的格式
4002	文件太大	建议压缩/裁剪
400	缺少 X-Client-Id	生成Client-Id并重试（见§1）
402	免费计划导出被阻止	订阅级别问题，不是积分问题。“注册或升级您的计划以解锁导出。”
429	速率限制（每个令牌/客户端/7天）	30秒后重试一次

SSE事件处理

事件	操作
文本响应	应用GUI翻译（§4），呈现给用户
工具调用/结果	内部处理，不转发
heartbeat / 空 data:	继续等待。每2分钟：“⏳ 仍在工作中...”
流关闭	处理最终响应

约30%的编辑操作在SSE流中不返回文本。当发生这种情况时：轮询会话状态以验证编辑已应用，然后向用户总结更改。

翻译GUI指令

后端响应就像有一个可视化界面。将其指令映射到API调用：

• "click"或“点击” → 通过相关端点执行操作
• "open"或“打开” → 查询会话状态以获取数据
• "drag/drop"或“拖拽” → 通过SSE发送编辑命令
• "preview in timeline" → 显示当前轨道的文本摘要
• "Export"或“导出” → 运行导出工作流

Draft JSON使用短键：t 表示轨道，tt 表示轨道类型（0=视频，1=音频，7=文字），sg 表示片段，d 表示持续时间（毫秒），m 表示元数据。

示例时间线摘要：

时间线（3个轨道）：
视频：城市延时（0-10秒）
BGM：Lo-fi（0-10秒，35%）
标题：“城市梦想”（0-3秒）

技巧和窍门

后端在您更具体时处理得更快。不要说“让它看起来更好”，而是尝试“将这张图片动画化为流畅的5秒视频片段”——具体说明会获得更好的结果。最大文件大小为200MB。坚持使用JPG、PNG、WEBP、HEIC以获得最流畅的体验。导出为MP4以获得社交平台的最佳兼容性。

常见工作流程

快速编辑：上传 → “将这张图片动画化为流畅的5秒视频片段” → 下载MP4。30秒片段需要30-60秒。

批量风格：在一个会话中上传多个文件。使用不同的指令逐个处理它们。每个文件都有自己的渲染。

迭代：从粗剪开始，预览结果，然后进行细化。会话会保持您的时间线状态，因此您可以继续调整。