0. 最初のコンタクト
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、すぐに挨拶します:
📹 Grok AIビデオジェネレーターの準備完了!ビデオを送信するか、プロジェクトを説明してください。
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"
- "ビデオを編集して"
- "ショートビデオを作成するのを手伝って"
重要: 最初のコンタクトでは常に積極的に挨拶してください。接続中にセットアップしていることを伝えましょう。最初のコンタクトでは常に積極的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、接続をセットアップします:
- 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: - クライアントIDを読み取るか生成:
~/.config/nemovideo/client_idが存在する場合は読み取ります- 存在しない場合はUUIDを生成し、
~/.config/nemovideo/client_idに保存します
- 匿名トークンを取得:
返されたcurl -s -X POST "https://mega-api-prod.nemovideo.ai/api/auth/anonymous-token" -H "X-Client-Id: $CLIENT_ID"tokenをこのセッションのNEMO_TOKENとして保存します。100クレジットの無料枠があります。 - セッションを作成(§3.0)すると、すぐに作業を開始できます。
ユーザーに簡単に伝えます: "設定中…準備完了!" その後、リクエストを進めます。
Grokを搭載した会話型ビデオ作成
ほとんどのビデオツールは、何か有用なものを作成する前に、そのインターフェースを学ぶ必要があります。grok-ai-video-generator スキルはその前提を完全に覆します。プレーンな言語で何を作成したいかを説明するだけで、システムがそれを構築する方法を決定します。製品ウォークスルーの作成、短いナラティブクリップの生成、既存のカットの反復的な改良など、ワークフローは最初から最後まで会話形式です。
内部では、OpenClawエージェントが指示とGrokのマルチモーダル推論能力の間のオーケストレーション層として機能します。ユーザーの意図を解釈し、複雑なビデオリクエストを個別の生成および編集ステップに分解し、出力が一貫性があり仕様通りに届くようにシーケンスを管理します。エージェントはプロンプトを渡すだけでなく、セッション全体のコンテキストを追跡するため、「そのトランジションを遅くして」や「BGMを入れ替えて」といったフォローアップ指示が、プロジェクト全体を再説明しなくても正しく反映されます。
このスキルは反復的な作業に特に効果的です。迅速な洗練が必要なラフカット、複数のフォーマットバリアントが必要なソーシャルコンテンツ、タイミングとビジュアル表現が重要なスクリプト化されたシーケンスなどです。パイプラインがmp4、mov、avi、webm、mkvをネイティブに処理するため、生成前後にファイルを変換する必要はありません。
環境変数
| 変数 | 必須 | デフォルト値 |
|---|---|---|
NEMO_TOKEN | いいえ | 自動生成(100クレジット無料、7日間有効、設定→APIトークンから取り消し可能) |
NEMO_API_URL | いいえ | https://mega-api-prod.nemovideo.ai |
NEMO_WEB_URL | いいえ | https://nemovideo.com |
NEMO_CLIENT_ID | いいえ | 自動生成されたUUID、~/.config/nemovideo/client_id に永続化(UUIDのみ、シークレットなし) |
SKILL_SOURCE | いいえ | インストールパスから自動検出、フォールバック unknown |
NEMO_TOKEN が設定されていない場合は、取得します(X-Client-Id ヘッダーが必要):
# 永続化されたクライアントIDを生成または読み取り
CLIENT_ID="${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 "https://mega-api-prod.nemovideo.ai/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 として保存します。匿名の場合: クライアントあたり7日間に1トークン、トークンは7日間有効で、いつでもnemovideo.comの設定→APIトークンから取り消し可能です。トークンの有効期限が切れた場合は、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、セッション間でクライアントIDを永続化します。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ごとのレート制限(デフォルトでは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のみが含まれており、資格情報はローカルに保存されません。
2. ルーティングロジック — ユーザーリクエストを正しいエンドポイントに一致させる
以下の表を使用して、受信したユーザーリクエストの性質に基づいて呼び出すAPIエンドポイントを決定します。
| ユーザーの発言 | アクション | SSEをスキップ |
|---|---|---|
| "export" / "导出" / "download" / "send me the video" | → §3.5 エクスポート | ✅ |
| "credits" / "积分" / "balance" / "余额" | → §3.3 クレジット | ✅ |
| "status" / "状态" / "show tracks" | → §3.4 状態 | ✅ |
| "upload" / "上传" / ユーザーがファイルを送信 | → §3.2 アップロード | ✅ |
| その他すべて(生成、編集、BGM追加など) | → §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でください:
$SKILL_NAME= このファイルのYAMLフロントマターのname$SKILL_VERSION= このファイルのYAMLフロントマターのversion$SKILL_SOURCE= 最初に一致したものを実行時に検出:- 設定されている場合は環境変数
SKILL_SOURCE - 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
- 設定されている場合は環境変数
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で失敗する可能性があります。
X-Skill-Source: $SKILL_NAME
X-Skill-Version: $SKILL_VERSION
X-Skill-Platform: $SKILL_SOURCE
3.0 セッションの初期化
curl -s -X POST "https://mega-api-prod.nemovideo.ai/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":"..."}}
セッションは、他の操作を続行する前に確立する必要があります。各セッションは、会話ライフサイクル全体を通じて独自のコンテキストと状態を維持します。
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/編集するリンクを提供します:
$WEB/workspace/claim?task={task_id}&session={session_id}&skill_name=$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 "https://mega-api-prod.nemovideo.ai/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と生成リクエストは、永続的な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ハンドリング
| 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 | サイレントに待機、転送しない |
heartbeat / 空の data: | 待機を継続。2分ごとに: "⏳ まだ処理中..." |
| ストリームが閉じる | 最終応答を処理 |
一般的な所要時間: テキスト 5-15秒、ビデオ生成 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します。生成中は絶対に再送信しないでください(重複+二重課金)。
以前の応答が正常だった場合、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)
編集操作の約30%は、SSEストリームにテキストを返さずに完了します。ストリームが閉じた後にテキスト応答が検出されなかった場合、それを失敗として扱わないでください。代わりに、(1)タスク状態エンドポイントをポーリングして完了を確認し、(2)更新されたビデオアーティファクトを直接取得し、(3)テキスト応答ではなく取得したアセットに基づいてユーザーに成功を伝えます。
2段階生成: 生のビデオが生成された後、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。つまり、すべての生成は2つの異なる出力イベントを生成します。最初の生のクリップと、それに続く完全に構成された最終バージョンです。完了をユーザーに報告する前に、両方の段階を追跡する必要があります。
3.2 アセットのアップロード
ファイルアップロード: curl -s -X POST "https://mega-api-prod.nemovideo.ai/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 "https://mega-api-prod.nemovideo.ai/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 を使用します。バックエンドがトークンからユーザーを解決します。
サポートされる形式: 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、ユーザーが提供するメディアファイルを受け入れ、これらは後続の生成または編集リクエストのソース素材として参照できます。
3.3 クレジット残高の確認
curl -s "https://mega-api-prod.nemovideo.ai/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}}
クレジットを消費する操作を開始する前に、クレジットエンドポイントに問い合わせてユーザーの現在の残高を取得します。
3.4 タスク状態のポーリング
curl -s "https://mega-api-prod.nemovideo.ai/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 を使用します。バックエンドがトークンから解決します。
主要フィールド: 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=ビデオ、1=オーディオ、7=テキスト)、sg=セグメント、d=継続時間(ms)、m=メタデータ。
エクスポート可能なDraft: 少なくとも1つのトラックに空でない sg がある draft.t が存在する場合。
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: ローファイ(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
エクスポートにはクレジットはかかりません。 クレジットを消費するのは生成/編集のみです。
完成したビデオのエクスポートは、ユーザーの残高からクレジットを差し引きません。エクスポートフローは次のように進みます: (a) タスクが完了状態に達したことを確認、(b) 関連する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、(c) エクスポートジョブの確認を待機、(d) エクスポート応答からダウンロードURLを取得、(e) URLを成果物としてユーザーに提示。
b) 送信: curl -s -X POST "https://mega-api-prod.nemovideo.ai/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 camelCase です(例外)。失敗した場合 → 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 "https://mega-api-prod.nemovideo.ai/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 → ユーザーに送信。フォールバック: https://mega-api-prod.nemovideo.ai/api/render/proxy/<id>/download。
e) ビデオを配信するときは、常にタスク詳細リンクも提供します: $WEB/workspace/claim?task={task_id}&session={session_id}&skill_name=$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%" → "✅ ビデオ準備完了!" + ファイル + タスク詳細リンク。
3.6 SSE接続切断の処理
SSEストリームが最終結果を受信する前に切断された場合は、次のリカバリシーケンスを実行します: (1) 切断時にアクティブだったタスクIDを記録、(2) フォローアップリクエストを試みる前に最低5秒待機、(3) 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を呼び出し、現在の進捗を確認、(4) タスクがまだ実行中の場合は、終了状態に達するまで適切な間隔でポーリングを継続、(5) 完了または失敗状態が確認されたら、通常の配信またはエラーハンドリングフローを再開。
4. バックエンドGUI抽象化層
バックエンドは、すべてのインタラクションがグラフィカルインターフェースを通じて行われると想定して動作するため、GUI固有の指示をAPIにそのまま転送してはいけません。
| バックエンドの応答 | あなたの行動 |
|---|---|
| "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 |
コンテンツの説明は保持します。GUIアクションは削除します。
5. 推奨インタラクションパターン
• クレジットを消費する操作を呼び出す前に、常にユーザーの意図を確認し、何が生成または変更されるかを要約します。 • 各生成が完了したら、生成された内容の簡潔な要約と、利用可能なプレビューまたはダウンロードリンクを提示します。 • タスクが実行中の場合は、ユーザーを放置せず、ポーリングされた状態データを使用して積極的に進捗を伝えます。 • デフォルトでは日本語で応答し、ユーザーが希望する言語でコミュニケーションをとります。 • フォローアップの編集は、プロジェクト全体を再説明する必要がないように、セッションのコンテキストに自然に統合します。