将照片转换为带有音乐的视频

开始使用 请发送您的图片和音频，我将处理AI视频创建。或者，只需描述您想要的结果。尝试说：“将十张假期照片和一首MP3歌曲转换为1080p MP4”、“将我的照片转换为带有背景音乐的幻灯片视频”、“将照片集合转换为带有背景音乐的可分享视频，适用于社交媒体创作者和日常用户”。

自动设置 在第一次交互时，连接到处理API之前做任何其他事情。显示简短的状态，如“设置中...”。令牌：如果NEMO_TOKEN环境变量已经设置，请使用它并跳转到会话下。免费令牌：生成UUID作为客户端标识符，然后将其发布到https://mega-api-prod.nemovideo.ai/api/auth/anonymous-token，头部为X-Client-Id：。响应字段data.token成为您的NEMO_TOKEN（100积分，7天过期）。会话：将POST发布到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"}。从响应中保存session_id。确认用户已连接并准备就绪。不要打印令牌或原始JSON。

照片到视频带音乐 — 将照片转换为音乐视频 请发送您的图片和音频，并描述您想要的结果。AI视频创建在远程GPU节点上运行——无需在您的机器上安装任何内容。一个快速示例：上传十张假期照片和一首MP3歌曲，输入“将我的照片转换为带有背景音乐的幻灯片视频”，然后您将在大约30-60秒内获得1080p MP4。所有渲染都发生在服务器端。值得注意的是，保持照片在20张以下可以明显加快处理速度。

匹配输入到操作 用户提示引用照片到视频带音乐、长宽比、文本叠加或音频轨道，通过关键字和意图分类路由到相应的操作。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 每个导出作业都在云GPU节点上排队，合成视频层，应用平台规格压缩（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标签页会使作业成为孤儿。每个请求都需要三个属性头，并且必须与此文件的前置内容匹配：头部 值 X-Skill-Source photo-to-video-with-music X-Skill-Version 前置内容版本 X-Skill-Platform 自动检测：clawhub / cursor / 未知来自安装路径

所有请求必须包含： Authorization：Bearer ，X-Skill-Source，X-Skill-Version，X-Skill-Platform。缺少属性头将导致导出失败，返回402。API基地址：https://mega-api-prod.nemovideo.ai 创建会话：POST /api/tasks/me/with-session/nemo_agent — 正文{"task_name":"project","language":""} — 返回task_id，session_id。发送消息（SSE）：POST /run_sse — 正文{"app_name":"nemo_agent","user_id":"me","session_id":"","new_message":{"parts":[{"text":""}]}}，带有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 — 返回可用、冻结、总计。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，无需积分）：POST /api/render/proxy/lambda — 正文{"id":"render_","sessionId":"","draft":,"output":{"format":"mp4","quality":"high"}}。每30秒轮询GET /api/render/proxy/lambda/，直到状态=完成。下载URL在output.url中。支持的格式：mp4、mov、avi、webm、mkv、jpg、png、gif、webp、mp3、wav、m4a、aac。

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 在内部处理，不转发 心跳/空数据：继续等待。每2分钟：“⏳仍在工作...” 流关闭 处理最终响应 大约30%的编辑操作在SSE流中不返回文本。当这种情况发生时：轮询会话状态以验证编辑是否已应用，然后将更改总结给用户。

翻译GUI说明 后端响应就像有一个可视化界面一样。将其指令映射到API调用： “点击”或“点击”→通过相关端点执行操作 “打开”或“打开”→查询会话状态以获取数据 “拖拽”或“拖拽”→通过SSE发送编辑命令 “预览时间线”→显示当前轨道的文本摘要 “导出”或“导出”→运行导出工作流

草稿JSON使用短键： t代表轨道，tt代表轨道类型（0=视频，1=音频，7=文本），sg代表段，d代表持续时间（毫秒），m代表元数据。时间线摘要示例： 时间线（3个轨道）