0. 最初の接触
ユーザーがこのスキルを開いたり、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:
🎵 Ai Text To Video Generator がサービスを提供します!動画をアップロードするか、何を探しているか教えてください。
試してみてください:
- 「このクリップにエフェクトを追加して」
- 「短い動画を作成するのを手伝って」
- 「動画を編集して」
重要: 黙って待たないでください。最初の接触では常にプロアクティブに挨拶してください。
自動セットアップ
ユーザーが最初に操作したら、接続を設定します:
- トークンを確認:
NEMO_TOKEN環境変数が設定されている場合はそれを使用します。そうでない場合は: - Client-IDを読み取りまたは生成:
~/.config/nemovideo/client_idが存在すれば読み取る- そうでなければUUIDを生成し、
~/.config/nemovideo/client_idに保存する
- 匿名トークンを取得:
返されたcurl -s -X POST "$API/api/auth/anonymous-token" -H "X-Client-Id: $CLIENT_ID"tokenをこのセッションのNEMO_TOKENとして保存します。100の無料クレジットが与えられます。 - セッションを作成する (§3.0) ので、すぐに作業できる状態にします。
ユーザーに簡単に「設定中...準備完了!」と伝え、その後リクエストを処理します。
一文から完成動画へ
ほとんどの動画作成ツールは、タイムライン、キーフレーム、エクスポート設定を要求し、1フレームも表示される前に完了します。ai-text-to-video-generatorスキルはそれを完全に覆します — 欲しいものを平易な会話言語で説明するだけで、スキルが言葉から動画への変換を処理します。シネマティックな商品披露、温かい照明、スローモーションが欲しいですか?そう言うだけで済みます。
舞台裏では、OpenClawエージェントが自然言語の指示と動画レンダリングパイプラインの間のオーケストレーションレイヤーとして機能します。ユーザーの意図を解析し、必要に応じて明確化のフォローアップ質問を行い、構造化された指示を生成バックエンドに渡します。つまり、プロンプトは単なるキーワードマッチではなく、ムード、ペース、複数シーンにわたるナラティブアークなどのニュアンスを保持しながら、文脈に基づいて真に理解されます。
このスキルは反復的なワークフローに特に適しています。生成されたクリップを会話を続けることで調整できます — 長さの変更、ビジュアルスタイルの交換、キャプションの追加など — 最初からやり直す必要はありません。各やり取りは以前のコンテキストに基づいて構築されるため、ツールを操作するというよりは、話し合ったすべてを覚えているディレクターと協力するように感じられます。
環境変数
| 変数 | 必須 | デフォルト |
|---|---|---|
NEMO_TOKEN | いいえ | 自動生成(100無料クレジット、7日間有効、Settings → API Tokensで取り消し可能) |
NEMO_API_URL | いいえ | https://mega-api-prod.nemovideo.ai |
NEMO_WEB_URL | いいえ | https://nemovideo.com |
NEMO_CLIENT_ID | いいえ | 自動生成UUID、~/.config/nemovideo/client_id に永続化(UUIDのみ、秘密情報なし) |
SKILL_SOURCE | いいえ | インストールパスから自動検出、フォールバック unknown |
NEMO_TOKEN が設定されていない場合は、取得します(X-Client-Id ヘッダーが必要):
# Client-Idを生成または読み取り
CLIENT_ID="${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、CLIENT_ID を NEMO_CLIENT_ID として保存します。匿名: クライアントごとに7日間で1トークン。トークンは7日で期限切れとなり、nemovideo.comの Settings → API Tokens からいつでも取り消し可能です。トークンの期限が切れた場合は、同じ X-Client-Id を使用して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、Client-Idをセッション間で永続化します。これにより、リクエストのたびに新しいIDが生成されるのを防ぎ、IP単位のレート制限(デフォルトでIPあたり7日間に10トークン)にすぐに達するのを回避します。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. 受信リクエストを正しいエンドポイントにルーティングする
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APIエンドポイントを決定します。
| ユーザーが言う... | アクション | SSEをスキップ? |
|---|---|---|
| "export" / "导出" / "download" / "send me the video" | → §3.5 Export | ✅ |
| "credits" / "积分" / "balance" / "余额" | → §3.3 Credits | ✅ |
| "status" / "状态" / "show tracks" | → §3.4 State | ✅ |
| "upload" / "上传" / ユーザーがファイルを送信 | → §3.2 Upload | ✅ |
| その他(generate, edit, add BGM…) | → §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}。
スキル属性変数 — ハードコードしない:
$SKILL_NAME= このファイルのYAMLフロントマターのname$SKILL_VERSION= このファイルのYAMLフロントマターのversion$SKILL_SOURCE= 実行時に最初に一致するものを検出:- 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れば(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(render/export/upload/state/creditsを含む)にはこれらのヘッダーを含める必要があります。欠落すると、エクスポートが402で失敗します。
X-Skill-Source: $SKILL_NAME
X-Skill-Version: $SKILL_VERSION
X-Skill-Platform: $SKILL_SOURCE
3.0 新しいセッションの確立
curl -s -X POST "$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":"..."}}
他の操作を開始する前に、セッションを初期化する必要があります。このセッショントークンは、同じ作業コンテキスト内の後続のすべてのリクエストをアンカーします。
ブラウザで開く: セッションを作成した後、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=$SKILL_SOURCE
3.1 SSE経由でのメッセージ配信
curl -s -X POST "$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: $SKILL_SOURCE" --max-time 900 \
-d '{"app_name":"nemo_agent","user_id":"me","session_id":"<sid>","new_message":{"parts":[{"text":"<msg>"}]}}'
すべての会話メッセージは、永続的なServer-Sent Events接続を介してバックエンドに送信されます。
SSE処理
| イベント | アクション |
|---|---|
| テキスト応答 | GUI翻訳を適用 (§4)、ユーザーに提示 |
| ツール呼び出し/結果 | 静かに待機、転送しない |
heartbeat / 空の data: | 待機を続ける。2分ごとに: "⏳ まだ処理中..." |
| ストリーム終了 | 最終応答を処理 |
典型的な所要時間: テキスト5-15秒、動画生成100-300秒、編集10-30秒。
タイムアウト: 10分間ハートビートのみ → タイムアウトと見なす。生成中は決して再送信しない(重複+二重課金)。
通常の応答が以前にあった場合、後続の「一時的な問題が発生しました」は無視します。
サイレント応答フォールバック(重要)
約30%の編集操作では、応答ストリームに表示されるテキストが返されません。この場合: (1) テキストがないことを失敗として扱わないでください; (2) タスク状態エンドポイントをポーリングしてジョブが進行中であることを確認します; (3) タスクが完了状態に達したら、直接エクスポートフローに進みます; (4) エラーが発生したことを暗示するのではなく、処理中であることをユーザーに通知します。
2段階生成: バックエンドは自動的に生の動画出力を2回目のパスで強化します — AIからの追加指示なしに、BGMとタイトルオーバーレイが追加されます。2つの異なる完了イベントが期待されます: 最初のイベントは生の動画クリップが準備できたことを示し、2番目のイベントはBGMとタイトルが適用された完全に装飾されたバージョンが利用可能であることを示します。最終結果をユーザーに提示する前に、常に2番目のステージを待ちます。
3.2 ファイルアップロードの処理
ファイルアップロード: curl -s -X POST "$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: $SKILL_SOURCE" -d '{"urls":["<url>"],"source_type":"url"}'
パスに me を使用します。バックエンドはトークンからユーザーを解決します。
対応フォーマット: mp4、mov、avi、webm、mkv、jpg、png、gif、webp、mp3、wav、m4a、aac。
アップロードエンドポイントは、動画生成中にソースマテリアルとして参照できるユーザー提供のメディアアセットを受け入れます。
3.3 利用可能なクレジットの確認
curl -s "$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: $SKILL_SOURCE"
# → {"code":0,"data":{"available":XXX,"frozen":XX,"total":XXX}}
生成タスクを開始する前に、クレジットエンドポイントをクエリして、ユーザーが操作をカバーするのに十分な残高があることを確認します。
3.4 現在のタスク状態のポーリング
curl -s "$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: $SKILL_SOURCE"
パスに me を使用します。バックエンドはトークンから解決します。
キーフィールド: data.state.draft、data.state.video_infos、data.state.canvas_config、data.state.generated_media。
Draftフィールドマッピング: t=トラック、tt=トラックタイプ(0=動画、1=オーディオ、7=テキスト)、sg=セグメント、d=持続時間(ms)、m=メタデータ。
Draftのエクスポート準備完了は、draft.t が存在し、少なくとも1つのトラックに空でない sg がある場合。
トラックサマリー形式:
タイムライン(3トラック): 1. 動画: 街のタイムラプス (0-10s) 2. BGM: Lo-fi (0-10s, 35%) 3. タイトル: "Urban Dreams" (0-3s)
3.5 最終動画のエクスポートと配信
エクスポートはクレジットを消費しません。 生成/編集のみがクレジットを消費します。
エクスポートのトリガーはクレジットを消費しません。完成した動画を配信するには: (a) 完成したタスク識別子を使用してエクスポートエンドポイントを呼び出します; (b) 応答内の署名付きダウンロードURLを待ちます; (c) URLが再生可能なファイルに解決されることを確認します; (d) URLまたは埋め込みプレーヤーをユーザーに提示します; (e) 配信されたリンクとともに動画タイトルと関連メタデータを含めます。
b) 送信: curl -s -X POST "$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"
最上位の 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 → 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、常にタスク詳細リンクも提供します: $WEB/workspace/claim?token=$TOKEN&task={task_id}&session={session_id}&skill_name=$SKILL_NAME&skill_version=$SKILL_VERSION&skill_source=$SKILL_SOURCE
進捗メッセージ: 開始 "⏳ レンダリング中 ~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は、次の手順に従います: (1) 接続が失われる前の最後の既知のタスクIDをキャプチャします; (2) サーバーに過度の負荷をかけないよう、再接続を試みる前に最低3秒間待機します; (3) 同じセッショントークンを使用してSSEストリームを再度開きます; (4) 保存されたタスクIDを使用してタスク状態エンドポイントのポーリングを再開し、現在の進捗を確認します; (5) 終了状態が確認されたら、中断がなかったかのように通常のエクスポートおよび配信フローに進みます。
4. バックエンドGUI参照の翻訳
バックエンドはグラフィカルインターフェースを中心に設計されており、UI要素を参照することがあります — これらのGUI固有の指示をそのままユーザーに伝えないでください。
| バックエンドが言う | あなたが行うこと |
|---|---|
| "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を確認 |
内容の説明は保持。GUIアクションは除去。
5. 推奨される対話パターン
• ユーザーのリクエストにすぐに応答し、タスク開始前に生成時間について明確な期待値を設定します。 • タスク状態エンドポイントから取得したステータス情報を表示することで、定期的な進捗更新を提供し、ユーザーを沈黙させたままにしないでください。 • サイレント応答を受信した場合は、何か問題が発生したことを示唆するのではなく、作業が進行中であることをユーザーに安心させてください。 • 2段階目の強化が完了したら、作成された動画のタイトルと簡単な要約とともに最終動画を提示します。 • 回復可能なエラーが発生した場合は、何が起こったかを平易な言葉で説明し、ユーザーにアクションを求める前に、確立された復旧フローを使用して自動的に再試行します。
6. 既知の制限事項
• 動画生成は非同期であり、加速することはできません — 推定待機時間はシャ...