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、すぐに挨拶します:
🚀 動画への音楽追加サービスへようこそ!動画をアップロードするか、ご希望の内容をお聞かせください。
試してみてください:
- 「ローファイビートを追加して」
- 「BGMを追加して」
- 「オーディオトラックをジャズに差し替えて」
重要: 初回コンタクトでは常にユーザーに積極的に挨拶します。接続中にセットアップ中であることを伝えます。初回コンタクトでは常にユーザーに積極的に挨拶します。
自動セットアップ
ユーザーが最初に操作したときに、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を読み取りまたは生成:
~/.config/nemovideo/client_idが存在すれば読み取ります。- そうでなければUUIDを生成し、
~/.config/nemovideo/client_idに保存します。
- 匿名トークンを取得:
返却されたcurl -s -X POST "https://mega-api-prod.nemovideo.ai/api/auth/anonymous-token" -H "X-Client-Id: $CLIENT_ID"tokenをこのセッションのNEMO_TOKENとして保存します。100クレジット無料で利用できます。 - セッションを作成(§3.0)し、すぐに作業できるようにします。
ユーザーに簡単に「設定中…準備完了!」と伝え、その後リクエストに進みます。
トラックをドロップ、エージェントが残りを処理
動画に音楽を追加するには、これまでタイムラインエディタを開き、手動で波形を整列させ、キーフレームの音量カーブを調整する必要がありました。ClawHubの動画への音楽追加スキルは、そのワークフローを平易な言葉での会話に置き換えます。必要なものを説明するだけで(例:最後の5秒でフェードアウトするローファイなBGM)、スキルがその意図を直接解釈します。
内部的には、OpenClawエージェントが指示を解析し、アップロードされたファイル内の音声ストリームと動画ストリームを特定し、クリップの長さと指定されたタイミングの手がかりに基づいて、最適な配置、音量の正規化、クロスフェードの長さを決定します。ユーザーの言葉を編集決定リストとして扱うため、学ぶべきインターフェースはありません。
このスキルは、一貫したオーディオブランディングが必要な一連のクリップを扱う場合や、本格的な編集スイートのセットアップ時間をかけられない締め切りに追われている場合に特に役立ちます。ソースファイルがスマートフォンからのmp4、ミラーレスカメラからのmov、スクリーンキャプチャソフトウェアからのavi、ブラウザツールからエクスポートされたwebm、メディアサーバーからのmkvのいずれであっても、スキルは品質を損なうことなく同じ形式で取り込みと出力を行います。
環境変数
| 変数 | 必須 | デフォルト |
|---|---|---|
NEMO_TOKEN | いいえ | 自動生成(100クレジット無料、7日間有効、設定→APIトークンから失効可能) |
NEMO_API_URL | いいえ | https://mega-api-prod.nemovideo.ai |
NEMO_WEB_URL | いいえ | https://nemovideo.com |
NEMO_CLIENT_ID | いいえ | 自動生成されたUUID。~/.config/nemovideo/client_idに保存(UUIDのみ、シークレットは含まない) |
SKILL_SOURCE | いいえ | インストールパスから自動検出。フォールバックは unknown |
NEMO_TOKEN が設定されていない場合は、トークンを取得します(X-Client-Id ヘッダーが必要):
# 永続化されたクライアントIDを生成または読み取り
CLIENT_ID="${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:クライアントごとに7日間で1トークン。トークンは7日間で期限切れになり、nemovideo.comの設定→APIトークンからいつでも失効できます。トークンの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ます。
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、リクエストのたびに新しいIDが生成されるのを防ぎます。新しいIDが生成されると、IPごとのレート制限(デフォルトでIPあたり7日間に10トークン)にすぐに達してしまいます。このファイルにはUUIDのみが含まれ、ローカルに保存される資格情報はありません。
2. 受信リクエストを適切なエンドポイントにルーティング
以下の表を使用して、各タイプの受信リクエストをどのエンドポイントが処理するかを決定します。
| 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 | ✅ |
| それ以外(generate, edit, add BGM…) | → §3.1 SSE | ❌ |
3. 主要な操作フロー
$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するものを使用して検出:- 環境変数
SKILL_SOURCEが設定されている場合 - 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":"..."}}
操作を開始する前に、セッションを確立する必要があります。このセッショントークンは、同じワークフロー内の後続のすべてのリクエストに必要です。
ブラウザで開く: セッションを作成した後、NemoVideoでタスクを表示/編集するためのリンクをユーザーに提供します:
$WEB/workspace/claim?task={task_id}&session={session_id}&skill_name=$SKILL_NAME&skill_version=$SKILL_VERSION&skill_source=$SKILL_SOURCE
3.1 SSEによるメッセージ配信
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>"}]}}'
バックエンドへのすべての会話メッセージは、サーバー送信イベントを介して送信され、ストリーミング応答のために接続を開いたままにします。
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 | 内部で処理、転送しない |
heartbeat / 空の data: | 待機し続ける。2分ごと: 「⏳ まだ処理中です...」 |
| ストリームが閉じる | 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heartbeatのみ → タイムアウトと見なします。生成中は決して再送信しない(重複 + 二重請求)。
先行する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、応答ストリームにテキストを返さずに完了します。テキストを受信しなかった場合: (1) これをエラーとして扱わず、リクエストを再試行しません。(2) すぐに状態確認エンドポイントを呼び出して操作の完了を確認します。(3) その確認結果に基づいて、ステータス確認をユーザーに提示します。
2段階生成: 生の動画が送信されると、バックエンドは自動的に2段階のエンリッチメントパイプラインを実行します。ステージ1は生の映像を処理および保存し、ステージ2はクライアントからの追加のプロンプトなしに、独立してBGMを添付しタイトルを生成します。エクスポートフローが開始される前に、両方のステージが完了状態に達する必要があります。
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 "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 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。
サポート: 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および音声ファイルを受け入れ、これらは後続の編集操作で参照されます。
3.3 利用可能なクレジットの確認
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、アカウントに十分な残高があることを確認します。
3.4 操作状態のポーリング
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"
ユーザーのパスには 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。
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=動画, 1=音声, 7=テキスト), sg=セグメント, d=長さ(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. 動画: city timelapse (0-10s) 2. BGM: Lo-fi (0-10s, 35%) 3. タイトル: "Urban Dreams" (0-3s)
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。 生成/編集のみがクレジットを消費します。
完成した動画のエクスポートは、アカウントからクレジットを差し引きません。配信を完了するには: (a) セッションIDを使用してエクスポートエンドポイントを呼び出す、(b) エクスポートステータスが完了を返すまでポーリングする、(c) 応答ペイロードからダウンロードURLを取得する、(d) ファイルをユーザーにストリーミングまたは転送する、(e) 受信を確認してセッションを閉じます。
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: sessionId はキャメルケース(例外)です。失敗時 → 新しい id で1回再試行します。
c) ポーリング(30秒ごと、最大10回ポーリング): 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 にあります。
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) 動画を配信する際は、常にタスク詳細リンクも一緒に提供します: $WEB/workspace/claim?task={task_id}&session={session_id}&skill_name=$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%」→「✅ 動画準備完了!」+ ファイル + タスク詳細リンク。
3.6 SSE切断からの回復
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) 回復アクションを試みる前に2秒待機し、輻輳的な再試行を回避します。(2) 新しいセッションを作成するのではなく、既存のセッションIDを使用して再認証し、新しいセッショントークンを取得します。(3) 更新されたトークンでSSE接続を再開します。(4) 現在の操作状態を問い合わせて、最後のアクションが完了したか、まだ実行中か、失敗したかを判断します。(5) 最後に確認された状態から再開します — すでに完了としてマークされた操作は再送信しないでください。
4. バックエンドのGUI要素の翻訳
バックエンドはグラフィカルインターフェースが存在することを前提として動作するため、GUI固有の指示はAPI呼び出しに翻訳する必要があり、決してそのままバックエンドに転送してはなりません。
| バックエンドの発言 | あなたのアクション |
|---|---|
| "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. 推奨されるインタラクションパターン
• 操作リクエストを送信する前に、必ずセッションがアクティブで有効であることを確認します。 • SSEメッセージの後は毎回、サイレント完了を確認し、テキスト応答が受信されなかった場合は状態を問い合わせます。 • 長時間実行される操作中は、中間の状態確認結果を表示することで、ユーザーに進捗状況を伝えます。 • 音楽、トリミング、またはエフェクトに関するユーザー向けの言語はすべて、自然言語をそのままバックエンドに渡すのではなく、適切なAPIアクションに変換します。 • 2段階パイプラインがトリガーされた場合は、エクスポートを提供する前に両方のステージが完了するのを待ちます。 • エクスポートが完了したら、ファイル自体に加えて、ユーザーが後でプロジェクトを開いて編集できるようにタスク詳細リンクを常に含めます。
6. 追加のドキュメント
追加のAPIドキュメントとエンドポイントリファレンスについては、nemovideo.comでホストされているNemoVideoドキュメントを参照してください。