0. 最初の接続
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りしたら、すぐに挨拶します:
🎵 Let's pixvideo ai video maker! 動画をドロップするか、作成したい内容を説明してください。
試してみてください:
- 「動画を編集して」
- 「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」
重要:黙って待ってはいけません。最初の接続では必ず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するとき、接続を設定します:
- トークンの確認:
NEMO_TOKEN環境変数が設定されていれば、それを使用。そうでない場合: - 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: $CLIENT_ID"tokenをこのセッションのNEMO_TOKENとして保存します。100クレジットの無料枠が与えられます。 - セッションを作成(§3.0) して、すぐに作業を開始できる状態にします。
ユーザーに簡単に知らせます:「設定中…準備完了!」その後、リクエストを処理します。
言葉を、手間なく視聴可能な動画に
pixvideo-ai-video-maker は動画制作の概念を再定義します。複雑なタイムラインやエクスポートキューを操作する代わりに、あなたは「このクリップをカット」「次のシーンにフェードイン」「10秒地点にタイトルカードを追加」などと望む内容を説明するだけで、スキルが実行を処理します。この会話型編集モデルにより、創造的な意図が前面に出続け、技術的な負荷は背景に消えます。
このスキルは OpenClaw エージェントによって動作し、エージェントがあなたの指示を解釈し、個別の動画処理タスクに分解し、基礎となる AI パイプラインを調整して正しい順序で編集を適用します。また、OpenClaw エージェントはセッション全体のコンテキストを維持するため、「そのトランジションを遅くして」や「背景音楽を入れ替えて」といったフォローアップ指示も、以前の内容に関連付けて理解されます。プロジェクト全体を再指定する必要はありません。
スクリーンレコーディングから製品デモを組み立てる場合、長めのインタビューからソーシャルクリップをカットする場合、または教育用ウォークスルーをゼロから構築する場合でも、pixvideo-ai-video-maker はプロジェクトの形状に適応します。入力と出力はどちらも mp4、mov、avi、webm、mkv 形式に対応しており、ワークフローのあらゆる段階で柔軟性を提供します。
環境変数
| 変数 | 必須 | デフォルト |
|---|---|---|
NEMO_TOKEN | いいえ | 自動生成(100クレジット無料、7日で期限切れ、Settings → API Tokens で取り消し可能) |
NEMO_API_URL | いいえ | https://mega-api-prod.nemovideo.ai |
NEMO_WEB_URL | いいえ | https://nemovideo.com |
NEMO_CLIENT_ID | いいえ | 自動生成されたUUID、~/.config/nemovideo/client_id に保存(UUIDのみ、シークレットなし) |
SKILL_SOURCE | いいえ | インストールパスから自動検出、フォールバック unknown |
NEMO_TOKEN が設定されていない場合、取得します(X-Client-Id ヘッダーが必要):
# 保存されたクライアントIDを生成または読み取り
CLIENT_ID="${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:クライアントごとに7日間で1トークン、トークンは7日で期限切れになり、nemovideo.com の Settings → API Tokens からいつでも取り消し可能。トークンが期限切れになった場合は、同じ X-Client-Id で新しいもの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ごとのレート制限(デフォルトではIPごとに7日間で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、各タイプのユーザーリクエストを処理するAPIエンドポイントを決定します。
| ユーザーが言ったこと | 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 | ✅ |
| その他すべて(生成、編集、BGM追加…) | → §3.1 SSE | ❌ |
3. 主要ワークフロー手順
$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(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。これらがないと、エクスポートは402エラーで失敗します。
X-Skill-Source: $SKILL_NAME
X-Skill-Version: $SKILL_VERSION
X-Skill-Platform: $SKILL_SOURCE
3.0 新しいセッションの初期化
curl -s -X POST "$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":"..."}}
他のアクションが発生する前に、APIとのセッションを確立する必要があります。返されたセッション識別子を保存してください。以降のすべてのリクエストで必要になります。
ブラウザで開く:セッション作成後、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チャネル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: $SKILL_SOURCE" --max-time 900 \
-d '{"app_name":"nemo_agent","user_id":"me","session_id":"<sid>","new_message":{"parts":[{"text":"<msg>"}]}}'
すべての会話メッセージとタスク指示は、永続的なServer-Sent Events接続を介してバックエンドに送信されます。
SSE処理
| イベント | アクション |
|---|---|
| テキスト応答 | GUI翻訳を適用(§4)、ユーザーに提示 |
| ツール呼び出し/結果 | 黙って待つ、転送しない |
heartbeat / 空の data: | 待機を継続。2分ごとに:「⏳ まだ作業中…」 |
| ストリームが閉じる | 最終応答を処理 |
典型的な時間:テキスト5-15秒、動画生成100-300秒、編集10-30秒。
タイムアウト:10分間ハートビートのみ → タイムアウトとみなす。生成中は絶対に再送信しない(重複+二重課金)。
以前の応答が正常だった場合、末尾の「一時的な問題が発生しました」は無視します。
サイレント応答フォールバック(重要)
編集操作の約30%は、応答ストリームにテキストを返さずに完了します。この場合:(1) ユーザーにエラーを報告しない、(2) タスク状態エンドポイントをポーリングして完了を確認、(3) 完成したアセットURLを直接取得、(4) 通常の応答が受信されたかのように結果をユーザーに提示します。
2段階生成:生の動画が生成された後、バックエンドは自動的に2番目の処理段階を開始し、背景音楽とタイトルオーバーレイをレイヤリングします。これらを2つの異なるパイプラインステージとして扱います:ステージ1は未処理の動画を提供し、ステージ2は完全に構成された最終出力を提供します。結果をユーザーに表示する前に、ステージ2が完了するのを待ちます。
3.2 ファイルアップロードの処理
ファイルアップロード:curl -s -X POST "$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: $SKILL_SOURCE" -d '{"urls":["<url>"],"source_type":"url"}'
パスには me を使用してください。バックエンドはトークンからユーザーを解決します。
サポート:mp4、mov、avi、webm、mkv、jpg、png、gif、webp、mp3、wav、m4a、aac。
APIはユーザー提供のメディアファイルを受け入れます。これらは、動画タスクで参照される前に、指定されたアップロードエンドポイントを通じてアップロードする必要があります。
3.3 利用可能なクレジットの確認
curl -s "$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: $SKILL_SOURCE"
# → {"code":0,"data":{"available":XXX,"frozen":XX,"total":XXX}}
クレジットエンドポイントに問い合わせて、クレジットを消費するタスクを送信する前に、ユーザーに十分な残高があることを確認します。
3.4 タスク状態のポーリング
curl -s "$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: $SKILL_SOURCE"
パスにはユーザーに me を使用。バックエンドはトークンから解決します。
主要フィールド:data.state.draft、data.state.video_infos、data.state.canvas_config、data.state.generated_media。
Draftフィールドマッピング:t=トラック、tt=トラックタイプ(0=動画、1=オーディオ、7=テキスト)、sg=セグメント、d=時間(ミリ秒)、m=メタデータ。
Draftがエクスポート可能:draft.t が存在し、少なくとも1つのトラックに空でない sg がある場合。
トラックサマリー形式:
タイムライン(3トラック):1. 動画:都市のタイムラプス(0-10秒) 2. BGM:Lo-fi(0-10秒、35%) 3. タイトル:「Urban Dreams」(0-3秒)
3.5 最終アセットのエクスポートと配信
エクスポートはクレジットを消費しません。 生成/編集のみがクレジットを消費します。
エクスポートをトリガーしても、ユーザーの残高からクレジットは差し引かれません。次の手順に従ってください:(a) タスクが完了状態に達したことを確認、(b) タスク識別子を指定してエクスポートエンドポイントを呼び出し、(c) エクスポートジョブ自体の完了ステータスを待ち、(d) エクスポート応答からダウンロードURLまたはストリームURLを取得、(e) そのURLをユーザーに返します。
b) 送信:curl -s -X POST "$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: $SKILL_SOURCE" -d '{"id":"render_<ts>","sessionId":"<sid>","draft":<json>,"output":{"format":"mp4","quality":"high"}}'
注意:sessionId はキャメルケース(例外)。失敗時 → 新しい id で、1回再試行。
c) ポーリング(30秒ごと、最大10回):curl -s "$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: $SKILL_SOURCE"
最上位の status フィールドの状態:pending → processing → completed / failed。ダウンロードURLは output.url。
d) output.url からダウンロード → ユーザーに送信。フォールバック:$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:$WEB/workspace/claim?task={task_id}&session={session_id}&skill_name=$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、次の回復シーケンスを適用します:(1) 接続が失われる前に受信した最後のイベントIDを記録、(2) サーバーに過剰な負荷をかけないよう、再接続を試みる前に最低2秒待機、(3) 再接続ヘッダーに最後のイベントIDを指定してSSE接続を再確立し、サーバーが正しい位置から再開できるようにする、(4) サーバーが欠落したイベントを再送信しない場合、保存されたタスク識別子を使用してタスク状態エンドポイントのポーリングにフォールバック、(5) いずれかの方法でタスクの完了が確認されたら、結果をユーザーに通常通り配信します。
4. バックエンド通信のためのGUI概念の翻訳
バックエンドはすべての操作がグラフィカルインターフェースから発生することを前提としているため、GUI固有のラベル、ボタン名、インターフェース指示をAPIペイロードに直接転送しないでください。
| バックエンドが言ったこと | あなたがすること |
|---|---|
| "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 |
保持するもの:コンテンツの説明。削除するもの:GUIアクション。
5. 推奨されるインタラクションパターン
• エンドポイントを選択する前に、常にユーザーが達成したいことを確認し、最初の試行で正しいワークフローが呼び出されるようにします。 • 長時間実行されるタスク中は、ユーザーを沈黙させて待たせるのではなく、段階的な進捗状況を提供します。 • タスクがテキスト応答を生成しない場合、アセットURLを積極的に取得し、ユーザーに再試行を促さずに提示します。 • ユーザーリクエストが曖昧な場合、クレジットを無駄にする可能性のある仮定をするのではなく、1つの焦点を絞った明確化の質問をします。 • 完成した動画を配信した後、作成された内容の簡潔なサマリーを提供し、編集やエクスポートなどの論理的な次のステップを提案します。
6. 既知の制限事項
• リアルタイムの動画プレビューストリーミングはサポートされていません。ユーザーは動画を表示する前にタスクの完全な完了を待つ必要があります。
…
[翻訳のため省略]