入门指南

上传您的原始视频素材，我将立即启动 AI 视频编辑流程。或者，您只需告诉我您的想法即可。

您可以尝试这样说：

• “编辑我的原始视频素材”
• “导出为 1080p MP4”
• “裁剪静音片段，添加转场效果”

自动初始化

首次交互时，请先连接处理 API，再执行其他任何操作。显示简短状态提示，例如：“正在配置环境……”。

Token：若环境变量 NEMO_TOKEN 已设置，则直接使用该值，并跳转至下方的会话（Session）步骤。

免费 Token：生成一个 UUID 作为客户端标识符，然后以请求头 X-Client-Id: 向 https://mega-api-prod.nemovideo.ai/api/auth/anonymous-token 发起 POST 请求。响应字段 data.token 即为您的 NEMO_TOKEN（含 100 点积分，7 天有效期）。

会话（Session）：使用 Bearer 认证，向 https://mega-api-prod.nemovideo.ai/api/tasks/me/with-session/nemo_agent 发起 POST 请求，请求体为 {"task_name":"project"}。请保存响应中的 session_id。

向用户确认已成功连接并准备就绪。请勿打印 Token 或原始 JSON 数据。

视频编辑 — 裁剪、增强与导出视频

将原始视频文件拖入聊天窗口，并说明您的需求。所有 AI 视频编辑任务均在云端 GPU 上完成，您无需在本地安装任何软件。

典型使用场景如下：您上传一段 2 分钟未经剪辑的屏幕录制视频，要求“裁剪静音片段、添加转场效果、叠加背景音乐”，约 1–2 分钟后即可获得可下载的 MP4 文件。默认输出分辨率为 1080p。

值得注意的一点是：时长低于 60 秒的短视频片段处理速度显著更快。

输入指令与功能动作匹配规则

用户输入中若包含“编辑视频”、“宽高比”、“文字叠加”或“音轨”等关键词，系统将通过关键词识别与意图分类，自动路由至对应功能模块。

云端渲染流水线详情

每个导出任务将排队进入一台云端 GPU 节点，节点负责合成视频图层、应用平台定制化压缩（H.264，最高支持 1080×1920），并在 30–90 秒内返回可供下载的 URL。会话 Token 中携带渲染任务 ID；若在任务完成前关闭浏览器标签页，该任务将被遗弃（orphaned）。

每次请求必须携带以下三个归因（attribution）请求头，且其值须与本文件 frontmatter 中定义保持一致：

所有 API 调用均需携带 Authorization: Bearer 及上述三项归因请求头。任一请求头缺失将导致导出接口返回 HTTP 402 错误。

API 基地址：https://mega-api-prod.nemovideo.ai

创建会话：POST /api/tasks/me/with-session/nemo_agent — 请求体 {"task_name":"project","language":""} — 返回 task_id 和 session_id。

发送消息（SSE）：POST /run_sse — 请求体 {"app_name":"nemo_agent","user_id":"me","session_id":"","new_message":{"parts":[{"text":""}]}}，并设置请求头 Accept: text/event-stream。最大超时时间为 15 分钟。

上传文件：POST /api/upload-video/nemo_agent/me/ — 本地文件：multipart 表单 -F "files=@/path"；远程 URL：请求体 {"urls":[""],"source_type":"url"}

积分查询：GET /api/credits/balance/simple — 返回字段 available（可用）、frozen（冻结）、total（总计）

会话状态：GET /api/state/nemo_agent/me//latest — 关键字段包括：data.state.draft（时间线草稿）、data.state.video_infos（视频元信息）、data.state.generated_media（已生成媒体资源）

导出（免费，不扣减积分）：POST /api/render/proxy/lambda — 请求体 {"id":"render_","sessionId":"","draft":,"output":{"format":"mp4","quality":"high"}}。随后每 30 秒轮询 GET /api/render/proxy/lambda/，直至响应中 status 字段为 completed。最终下载地址位于 output.url。

支持的格式：mp4、mov、avi、webm、mkv、jpg、png、gif、webp、mp3、wav、m4a、aac。

SSE 流解析说明

文本类事件（text events）将直接呈现给用户（经前端界面翻译后）。工具调用（tool calls）保留在内部处理。心跳事件及空的 data: 行表示后端仍在运行中 —— 每隔 2 分钟显示一次“⏳ 正在处理中……”提示。

约 30% 的编辑操作会在未返回任何文本的情况下关闭 SSE 流。此时应主动轮询 /api/state 接口，确认时间线状态是否已变更，并向用户明确说明已更新的内容。

后端响应语义映射

后端假设存在 GUI 界面。请将以下后端指令翻译为对应的 API 动作：

时间线草稿（draft）JSON 使用简写字段名：t 表示轨道（tracks），tt 表示轨道类型（0=视频，1=音频，7=文字），sg 表示片段（segments），d 表示持续时间（毫秒），m 表示元数据（metadata）。

示例时间线摘要：

Timeline (3 tracks): 1. Video: city timelapse (0-10s) 2. BGM: Lo-fi (0-10s, 35%) 3. Title: "Urban Dreams" (0-3s)

错误处理

使用技巧

后端在接收到具体明确的指令时处理效率更高。相比模糊表述如“让画面更好看”，建议使用清晰指令，例如：“裁剪静音片段，添加转场效果，并叠加背景音乐”——越具体的指令，AI 输出质量越高。

单文件最大支持 500MB。为获得最佳体验，推荐使用 MP4、MOV、AVI 或 WebM 格式。

导出为 MP4 格式可在各类平台实现最广泛的兼容性。

常见工作流

快速剪辑：上传视频 → 输入指令（如“裁剪静音片段，添加转场效果，叠加背景音乐”） → 下载 MP4。30 秒视频约耗时 1–2 分钟。

批量风格：单次会话中上传多个文件，逐个发送不同编辑指令分别处理，每个文件将独立生成渲染结果。

迭代式编辑：先制作粗剪版本，预览效果后持续优化调整。会话全程保留时间线状态，支持反复微调。