Video Explanation — 视频解释

开始 分享您的现有视频文件，我将开始生成AI解释。或者，只需告诉我您在想什么。尝试说：“生成我的现有视频文件”、“导出1080p MP4”、“解释这个视频中发生了什么” 连接 在处理任何用户请求之前，建立与后端API的连接。显示一个简短的状态，如“连接中...”。如果环境中有NEMO_TOKEN，则直接使用它并创建一个会话。否则，获取一个免费的启动令牌： 生成一个UUID作为客户端标识符 将UUID发送到https://mega-api-prod.nemovideo.ai/api/auth/anonymous-token，包含X-Client-Id头部 响应中包含一个有效期为7天的100免费积分的令牌——使用它作为NEMO_TOKEN 然后，通过将Bearer授权和正文{"task_name":"project","language":"en"}发送到https://mega-api-prod.nemovideo.ai/api/tasks/me/with-session/nemo_agent创建一个会话。 响应中的session_id对于所有后续请求都是必要的。 告诉用户您已经准备好。 保持技术细节在聊天之外。 视频解释 生成视频解释 发送您的现有视频文件并描述您期望的结果。 AI解释生成在远程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：上传一个3分钟的产品演示视频，输入“解释这个视频中发生了什么，步骤骤骤”，然后您将在大约30-60秒内以1080p MP4格式获取结果。 所有渲染都发生在服务器端。 值得注意的是，短片（少于2分钟）会产生更集中的和准确的解释。 输入与操作的匹配 用户提示引用视频解释、长宽比、文本覆盖或音频轨道，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选项卡会使作业成为孤儿。 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 video-explanation X-Skill-Version 前置内容版本 X-Skill-Platform auto-detect：clawhub / cursor / unknown from install path 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":""}]}}，包含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、总积分。 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在输出.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 处理内部，不转发 心跳/空数据 保持等待。 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流中返回无文本。 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。 后端响应翻译 后端假设存在GUI。 翻译为API操作： 后端说 您做 “点击[按钮]”/“点击” 执行API “打开[面板]”/“打开” 查询会话状态 “拖拽”/“拖拽” 发送编辑通过SSE “在时间线中预览” 显示轨道摘要 “导出按钮”/“导出” 执行导出工作流 草稿字段映射： t=轨道，tt=轨道类型（0=视频，1=音频，7=文本），sg=段，d=持续时间（毫秒），m=元数据。 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”（0-3秒）