静止画像を映画のような動きのストーリーに変換する
静止画像には意味がありますが、動画は注目を集めます。このスキルは、優しいパララックス効果、劇的なズーム、流れるパーティクルエフェクト、シーン遷移など、画像をどのように動かしたいかを正確に記述することで、あなたの創造的意図に合ったレンダリング動画を提供します。
体験は完全に会話形式です。タイムラインやキーフレーム、モーションカーブに悩む代わりに、プレーンな言葉で欲しいものを説明するだけです。OpenClawエージェントが指示を解釈し、AI動画合成バックエンドと通信し、結果が満足いくまで繰り返し調整できます。同一セッション内で、動きの速度、方向、ループ動作、視覚的なトーンを複数回のやり取りで洗練できます。
内部的には、AIバックエンドがソース画像の深度、被写体境界、視覚構成を解析し、元のシーンを尊重したもっともらしく一貫性のある動きを生成します。結果はスライドショーやパンアンドスキャン効果ではなく、単一フレームから導き出された真にアニメーション化された動画です。最終出力は、あらゆるプラットフォームや公開ワークフローに対応するため、mp4、mov、avi、webm、mkv形式で利用できます。
0. 初回コンタクト
ユーザーがこのスキルを開くか、最初のメッセージを送信したら、すぐに挨拶してください:
📱 画像から動画生成へようこそ!動画を送信するか、プロジェクトについて説明してください。
試してみてください:
- 「ショート動画を作って」
- 「このクリップにエフェクトを追加して」
- 「私の動画を編集して」
重要:沈黙せず、初回コンタクトでは必ず積極的に挨拶してください。
自動セットアップ(他の処理の前に黙って実行)
ユーザーに応答する前に、以下の手順を目立たずに完了します:
- トークンの確認:環境変数
NEMO_TOKENが設定されていればそれを使用。そうでなければ: - クライアントIDの読み取りまたは生成:
~/.config/nemovideo/client_idが存在すれば読み取り- 存在しなければUUIDを生成し、
~/.config/nemovideo/client_idに保存
- 匿名トークンの取得:
返されたcurl -s -X POST "$API/api/auth/anonymous-token" -H "X-Client-Id: $CLIENT_ID"tokenをこのセッションのNEMO_TOKENとして保存。100クレジットが無料で付与されます。 - セッションの作成(§3.0)すぐに作業できるように準備。
重要:トークン、認証、API設定、クライアントIDについてユーザーに決して言及しないでください。ユーザーにはスキルが「そのまま動作する」ように感じさせる必要があります。
環境変数
| 変数 | 必須 | デフォルト |
|---|---|---|
NEMO_TOKEN | いいえ | 自動生成(100無料クレジット、7日間有効、設定→APIトークンから取り消し可能) |
NEMO_API_URL | いいえ | https://mega-api-prod.nemovideo.ai |
NEMO_WEB_URL | いいえ | https://nemovideo.com |
NEMO_CLIENT_ID | いいえ | 自動生成UUID、~/.config/nemovideo/client_id に永続化(UUIDのみ、シークレットなし) |
SKILL_SOURCE | いいえ | インストールパスから自動検出、フォールバック unknown |
NEMO_TOKEN が設定されていない場合、取得します(X-Client-Id ヘッダーが必要):
# 永続化されたクライアントIDを生成または読み取り
CLIENT_ID="${NEMO_CLIENT_ID:−$(cat ~/.config/nemovideo/client_id 2>/dev/null)}"
if [ -z "$CLIENT_ID" ]; then
CLIENT_ID=$(uuidgen 2>/dev/null || echo "client-$(date +%s)-$RANDOM")
mkdir -p ~/.config/nemovideo && echo "$CLIENT_ID" > ~/.config/nemovideo/client_id
fi
curl -s -X POST "$API/api/auth/anonymous-token" -H "X-Client-Id: $CLIENT_ID"
# → {"code":0,"data":{"token":"nmv_usr_xxx","credits":100,...}}
token を NEMO_TOKEN として、CLIENT_ID を NEMO_CLIENT_ID として保存。匿名:クライアントあたり7日間に1トークン。トークンは7日で期限切れとなり、いつでも nemovideo.com の設定→APIトークンから取り消し可能。トークンが期限切れになった場合、同じ X-Client-Id で新しいトークンをリクエストしてください。
ローカル永続化: このスキルは ~/.config/nemovideo/client_id に書き込み、クライアントIDをセッション間で永続化します。これにより、リクエストごとに新しいIDが生成されるのを防ぎ、IPあたりのレート制限にすぐに達するのを回避します(デフォルトではIPあたり7日間に10トークン)。ファイルにはUUIDのみが含まれ、認証情報はローカルに保存されません。
2. 受信リクエストのルーティング
以下の表を使用して、各タイプの受信リクエストを処理するエンドポイントを決定します。
| ユーザーが言ったこと... | アクション | SSEをスキップ? |
|---|---|---|
| "export" / "导出" / "download" / "動画を送って" | → §3.5 エクスポート | ✅ |
| "credits" / "积分" / "balance" / "余额" | → §3.3 クレジット | ✅ |
| "status" / "状态" / "トラックを表示" | → §3.4 状態 | ✅ |
| "upload" / "上传" / ユーザーがファイル送信 | → §3.2 アップロード | ✅ |
| その他(生成、編集、BGM追加…) | → §3.1 SSE | ❌ |
3. 主要操作フロー
$API = ${NEMO_API_URL:-https://mega-api-prod.nemovideo.ai}、$TOKEN = ${NEMO_TOKEN}、$WEB = ${NEMO_WEB_URL:-https://nemovideo.com}。
スキル帰属変数 — ハードコードしない:
$SKILL_NAME= このファイルのYAMLフロントマターname$SKILL_VERSION= このファイルのYAMLフロントマターversion$SKILL_SOURCE= 実行時に最初に一致したものを使用して検出:- 環境変数
SKILL_SOURCEが設定されていればそれ - このファイルのパスに既知のプラットフォームディレクトリが含まれている場合(例:
~/.clawhub/→clawhub、~/.cursor/skills/→cursor) - フォールバック:
unknown
- 環境変数
重要:すべてのAPIリクエスト(レンダリング、エクスポート、アップロード、状態、クレジットを含む)にはこれらのヘッダーを含める必要があります。これらがないと、エクスポートが402エラーで失敗します。
X-Skill-Source: $SKILL_NAME
X-Skill-Version: $SKILL_VERSION
X-Skill-Platform: $SKILL_SOURCE
3.0 セッションの確立
curl -s -X POST "$API/api/tasks/me/with-session/nemo_agent" \
-H "Authorization: Bearer $TOKEN" -H "Content-Type: application/json" \
-H "X-Skill-Source: $SKILL_NAME" -H "X-Skill-Version: $SKILL_VERSION" -H "X-Skill-Platform: $SKILL_SOURCE" \
-d '{"task_name":"project","language":"<lang>"}'
# → {"code":0,"data":{"task_id":"...","session_id":"..."}}
他の操作を実行する前に、セッションを初期化する必要があります。これにより、後続のすべてのリクエストが関連付けられるコンテキストが作成されます。
ブラウザで開く:セッション作成後、ユーザーにNemoVideoでタスクを表示/編集するためのリンクを提供します:
$WEB/workspace/claim?token=$TOKEN&task={task_id}&session={session_id}&skill_name=$SKILL_NAME&skill_version=$SKILL_VERSION&skill_source=$SKILL_SOURCE
3.1 SSEを介したメッセージ配信
curl -s -X POST "$API/run_sse" \
-H "Authorization: Bearer $TOKEN" -H "Content-Type: application/json" \
-H "Accept: text/event-stream" -H "X-Skill-Source: $SKILL_NAME" -H "X-Skill-Version: $SKILL_VERSION" -H "X-Skill-Platform: $SKILL_SOURCE" --max-time 900 \
-d '{"app_name":"nemo_agent","user_id":"me","session_id":"<sid>","new_message":{"parts":[{"text":"<msg>"}]}}'
すべての会話メッセージは、サーバー送信イベント(SSE)接続を介してバックエンドに送信されます。
SSE処理
| イベント | アクション |
|---|---|
| テキスト応答 | GUI翻訳を適用(§4)、ユーザーに提示 |
| ツール呼び出し/結果 | 黙って待機、転送しない |
heartbeat / 空 data: | 待機継続。2分ごとに:「⏳ まだ処理中…」 |
| ストリーム終了 | 最終応答を処理 |
典型的な所要時間:テキスト5〜15秒、動画生成100〜300秒、編集10〜30秒。
タイムアウト:ハートビートのみが10分続いた場合→タイムアウトと見なす。生成中は絶対に再送信しない(重複+二重請求)。
以前の応答が正常だった場合、末尾の「一時的な問題が発生しました」は無視します。
サイレント応答フォールバック(重要)
編集操作の約30%は、応答にテキストが表示されません。この場合:(1) テキストがないことを失敗と見なさず、(2) タスク状態エンドポイントにポーリングして処理中であることを確認し、(3) タスクが完了状態になったら、直接エクスポート手順に進み、(4) 編集が処理中であることをユーザーに通知し、テキスト応答がないことについて不安を与えないようにします。
2段階生成:生の動画が生成された後、バックエンドは自動的に第2処理段階を開始し、背景音楽とタイトルシーケンスを重ねます。最初に完了した動画を最終成果物として扱わず、両方の段階が完了してから結果をユーザーに提示します。
3.2 ファイルアップロードの処理
ファイルアップロード:curl -s -X POST "$API/api/upload-video/nemo_agent/me/<sid>" -H "Authorization: Bearer $TOKEN" -H "X-Skill-Source: $SKILL_NAME" -H "X-Skill-Version: $SKILL_VERSION" -H "X-Skill-Platform: $SKILL_SOURCE" -F "files=@/path/to/file"
URLアップロード:curl -s -X POST "$API/api/upload-video/nemo_agent/me/<sid>" -H "Authorization: Bearer $TOKEN" -H "Content-Type: application/json" -H "X-Skill-Source: $SKILL_NAME" -H "X-Skill-Version: $SKILL_VERSION" -H "X-Skill-Platform: $SKILL_SOURCE" -d '{"urls":["<url>"],"source_type":"url"}'
パスには me を使用。バックエンドがトークンからユーザーを解決します。
対応形式:mp4、mov、avi、webm、mkv、jpg、png、gif、webp、mp3、wav、m4a、aac。
アップロードエンドポイントは、生成タスクのソースマテリアルとして使用される画像および動画ファイルを受け入れます。
3.3 利用可能なクレジットの確認
curl -s "$API/api/credits/balance/simple" -H "Authorization: Bearer $TOKEN" \
-H "X-Skill-Source: $SKILL_NAME" -H "X-Skill-Version: $SKILL_VERSION" -H "X-Skill-Platform: $SKILL_SOURCE"
# → {"code":0,"data":{"available":XXX,"frozen":XX,"total":XXX}}
生成タスクを開始する前に、クレジットエンドポイントに問い合わせて、ユーザーの残高が十分であることを確認します。
3.4 タスクステータスのポーリング
curl -s "$API/api/state/nemo_agent/me/<sid>/latest" -H "Authorization: Bearer $TOKEN" \
-H "X-Skill-Source: $SKILL_NAME" -H "X-Skill-Version: $SKILL_VERSION" -H "X-Skill-Platform: $SKILL_SOURCE"
パスにはユーザーとして me を使用。バックエンドがトークンから解決。
主要フィールド:data.state.draft、data.state.video_infos、data.state.canvas_config、data.state.generated_media。
ドラフトフィールドマッピング:t=トラック、tt=トラックタイプ(0=ビデオ、1=オーディオ、7=テキスト)、sg=セグメント、d=期間(ミリ秒)、m=メタデータ。
エクスポート可能なドラフト:draft.t が存在し、少なくとも1つのトラックに空でない sg がある場合。
トラックサマリー形式:
タイムライン(3トラック):1. ビデオ:都市のタイムラプス(0-10秒)2. BGM:Lo-fi(0-10秒、35%)3. タイトル:「Urban Dreams」(0-3秒)
3.5 最終アセットのエクスポートと配信
エクスポートはクレジットを消費しません。 生成/編集のみがクレジットを消費します。
エクスポートをトリガーしても、ユーザーの残高からクレジットは差し引かれません。完成したアセットを配信するには:(a) タスクが完了したことを確認してからエクスポートエンドポイントを呼び出し、(b) 応答からダウンロードURLを取得し、(c) URLがアクセス可能であることを確認し、(d) リンクを提示するかアセットをチャットに直接埋め込み、(e) ユーザーへの正常な配信を確認します。
b) 送信:curl -s -X POST "$API/api/render/proxy/lambda" -H "Authorization: Bearer $TOKEN" -H "Content-Type: application/json" -H "X-Skill-Source: $SKILL_NAME" -H "X-Skill-Version: $SKILL_VERSION" -H "X-Skill-Platform: $SKILL_SOURCE" -d '{"id":"render_<ts>","sessionId":"<sid>","draft":<json>,"output":{"format":"mp4","quality":"high"}}'
注意:sessionId はキャメルケース(例外)。失敗した場合は新しい id で1回再試行。
c) ポーリング(30秒ごと、最大10回):curl -s "$API/api/render/proxy/lambda/<id>" -H "Authorization: Bearer $TOKEN" -H "X-Skill-Source: $SKILL_NAME" -H "X-Skill-Version: $SKILL_VERSION" -H "X-Skill-Platform: $SKILL_SOURCE"
ステータスはトップレベルの status:pending → processing → completed / failed。ダウンロードURLは output.url。
d) output.url からダウンロードしてユーザーに送信。フォールバック:$API/api/render/proxy/<id>/download。
e) 動画を配信するときは、必ずタスク詳細リンクも一緒に提供:$WEB/workspace/claim?token=$TOKEN&task={task_id}&session={session_id}&skill_name=$SKILL_NAME&skill_version=$SKILL_VERSION&skill_source=$SKILL_SOURCE
進捗メッセージ:開始「⏳ レンダリング中 約30秒」→「⏳ 50%」→「✅ 動画準備完了!」+ ファイル + タスク詳細リンク。
3.6 SSE切断からの復旧
SSEストリームが予期せず切断された場合、以下の手順で復旧します:(1) 切断イベントを検出し、内部でログに記録するが、ユーザーにエラーを早期に表示しない、(2) 既存のセッションIDを使用してSSE接続の再確立を試みる、(3) 再接続が成功した場合、ストリームが中断されたところからタスク進捗イベントのリッスンを再開する、(4) 最大リトライ回数後に再接続が失敗した場合、定期的な間隔でタスク状態エンドポイントへのポーリングにフォールバックする、(5) タスクの終了状態が確認されたら、通常通りエクスポートフローに進む。
4. GUI要素の翻訳
バックエンドはGUIが存在することを前提としているため、GUI固有の指示をユーザーに直接伝えてはいけません。
| バックエンドの応答 | あなたの対応 |
|---|---|
| "click [button]" / "点击" | API経由で実行 |
| "open [panel]" / "打开" | §3.4で状態を表示 |
| "drag/drop" / "拖拽" | SSE経由で編集を送信 |
| "preview in timeline" | トラックサマリーを表示 |
| "Export button" / "导出" | §3.5を実行 |
| "check account/billing" | §3.3で確認 |
保持:コンテンツの説明。削除:GUI操作。
5. 推奨インタラクションパターン
• ユーザーのリクエストをすぐに認識し、生成タスクを開始する前に処理時間について明確な期待値を設定します。 • 長時間実行タスク中は、ユーザーが尋ねる必要がないように、段階的な進捗状況を提供します。 • タスクが完了したら、中間結果ではなく、常に最終的なエクスポートアセットを表示します。 • ユーザーがあいまいなプロンプトを送信した場合は、推測するのではなく、焦点を絞った1つの明確化質問をします。 • 完成した動画を配信した後、会話を続けるために編集や改良をリクエストするようユーザーを促します。
6. 既知の制限事項
• 生成タスクの完了には数分かかる場合があり、リアルタイムでの配信はできません。 • システムはセッションごとに1つの同時生成タスクしかサポートしていません。 • ソース画像は最小解像度要件を満たしている必要があります。そうでない場合、アップロードは拒否されます。 • 背景音楽とタイトルオーバーレイは自動的に適用され、個別に制御することはできません。