LibTV：你的龍蝦，真的可以當導演了

我給OpenClaw發(fā)了一句話：

我之前開發(fā)了一款叫「小貓補光燈」的app，主要價值是幫助女生在餐廳、飛機、酒吧等暗光環(huán)境下補光。請幫我收集下這個產品的相關信息，然后用LibTV skill做一個30秒左右的Apple風格宣傳視頻。

然后就看著它開始工作。

它先自己去找本地有沒有LibTV Skill，有沒有關于小貓補光燈的現(xiàn)成資料——找到了，把產品賣點抽出來。然后調用LibTV，先把劇本框架寫好，然后生成角色參考圖：正面、側面各一張，用來鎖定后續(xù)所有場景的角色一致性。參考圖出來之后，逐個分鏡生成關鍵幀畫面，最后拼成25秒完整視頻。

整個過程，我沒有手動操作任何節(jié)點，沒有打開任何界面，沒有寫任何一句prompt。Agent自己完成了：找資料 → 寫劇本 → 生成角色圖 → 出分鏡 → 拼成片。

回頭看LibTV的畫布，能清楚地看到這條鏈路：劇本節(jié)點 → 角色圖節(jié)點 → 分鏡節(jié)點 → 視頻片段節(jié)點 → 最終成片。

讓我覺得比較驚喜的是LibTV主動傳了我的產品首頁界面圖和logo圖作為參考，而且，似乎它看著這些界面就天然知道產品該怎么操作了。最終的宣傳視頻效果如下

對了，在裝了LibTV Skill之后，我的龍蝦成了我的導演了。

這是他們的產品地址你大可以先關閉這篇文章，自己去親自動手試試。

LibTV官網：https://www.liblib.tv/

LibTV Github倉庫：https://github.com/libtv-labs/libtv-skills

這件事為什么現(xiàn)在才發(fā)生

往前推一年，這件事還不可能發(fā)生，或者說，沒法做好。

AI視頻生成有一個明顯的拐點，就在過去這半年多里悄悄過了?？伸`從1.0到3.0，Sora 2出來，Veo 3.1出來，Seedance 2.0也發(fā)了，Wan系列也在快速迭代。這些模型在差不多同一段時間里集中爆發(fā)，把「AI視頻」這件事的質量上限抬高了一大截。以前出來的東西「看起來像AI做的」，有一種特殊的平滑感和不自然的運動方式，一眼就能認出來。現(xiàn)在這條線模糊了很多。

記得就在Seedance模型的新版本出來那天，即夢的排隊人數一度破萬。上一次見到這種陣仗，我還是在排隊退ofo押金。

那些排隊的人，很多不是來玩的，是真的專業(yè)黨來干活的。

最近刷到越來越多關于AI視頻的消息了，比如有報道已經有導演在混合調用這幾個視頻模型加上圖像模型，一個人做出了質量過得去的AI短劇，在平臺上掙錢了。有人做了個粗略測算，一部30集的AI短劇，傳統(tǒng)方式可能要幾百萬制作成本，現(xiàn)在一個懂工具的人，幾萬塊能搞定。

更標志性的一個信號：賈樟柯和即夢合作，用AI做出了一部有明顯導演質感的作品。這件事的意義不在于「AI能生成視頻」，而在于一個有審美判斷的導演，真的把AI工具當成了自己創(chuàng)作的一部分。原來只有大公司能玩的賽道，現(xiàn)在個人創(chuàng)作者也能進去了。

但那是懂工具的人。

專業(yè)導演身上有一樣東西，任何工具都給不了你：他們知道怎么「調度」。知道一個場景該用哪個模型，什么時候換風格，角色在不同鏡頭里怎么保持一致，分鏡節(jié)奏怎么排。這套思維方式，是從無數個項目里磨出來的。

你把Seedance 2.0給一個沒有這種積累的人（比如我），很多時候，他打開輸入框，發(fā)現(xiàn)自己不知道第一句話該寫什么。

工具在加速進化，但工具和結果之間的那段距離，那段叫「導演思維」的東西，并沒有因此消失。有時候工具越強，這段距離反而越明顯，因為工具能做的事太多了，你反而不知道該讓它做什么。

現(xiàn)有工具，有兩個極端

LibTV的團隊在做這個產品之前，觀察到一個問題：現(xiàn)在的AI創(chuàng)作工具，要么太簡單，要么太復雜。

太簡單的一類，是聊天式的Agent工具。你給它發(fā)指令，它幫你生成東西，能聊，但做不出復雜作品。一旦你想精細調整某個鏡頭，它就跟不上了。

太復雜的一類，是純節(jié)點式工作流。搭起來成本很高，需要對工具本身有深入理解，普通創(chuàng)作者上手門檻陡。更麻煩的是，創(chuàng)作過程中的小修改、小調整，沒有順手的工具，只能不斷導出到別的軟件二次編輯，流程被切得很碎。

LibTV想填的是這中間的空白：比聊天工具更專業(yè)，比純節(jié)點工作流更好上手。

一個給導演設計的工作臺

LibTV（liblib.tv）的界面是一塊無限畫布。

進去之后是一片黑色的空白，中間有一行小字：「雙擊畫布，自由生成節(jié)點」。底部有四個快速入口：故事腳本生成、角色三視圖、首幀圖生視頻、音頻生視頻。你從哪個環(huán)節(jié)開始都行。

不是在一個生成框里點來點去，而是在畫布上把整個項目鋪開。劇本是一個節(jié)點，角色是一個節(jié)點，分鏡是一個節(jié)點，圖像生成、視頻生成、音頻都是節(jié)點，節(jié)點之間連線，組成一條完整的創(chuàng)作工作流。這種設計讓你的創(chuàng)作過程是「可見的」，哪一步出了問題，單獨調那個節(jié)點就行，不用從頭來。

功能上，有幾個讓我覺得確實在認真考慮「導演視角」的設計。

我最喜歡的是兩個能力：

1、我可以丟給他一套我想模仿的廣告片，點一下「解析」，即可獲得顆粒度到0.1秒級別的極致清晰的腳本信息。

2、你也可以單純的有個粗淺的腦洞，然后讓LibTV幫你生成包含角色描述、景別、角色動作，甚至情緒的專業(yè)腳本

學不完，根本學不完...

以往這樣的腳本應該怎么寫的認知，你可能需要在電影學院學個4年時間，或者在前兩年，你大概需要花個x99買AI課程，而現(xiàn)在Libtv的這套工作流以及封裝的Skill相當于完全把導演的職業(yè)技能開源了。

目前LibTV上線了20多個專業(yè)視頻創(chuàng)作功能，其中不少是行業(yè)首發(fā)。

更多功能我就不介紹了，講道理，我也不太懂，我希望我的Claude Code和OpenClaw作為成熟的Agent，該自己去學這些東西，而不是完全依賴我了。

以及，如果你不確定自己的導演思維從哪里開始練，LibTV首頁其實是一個不錯的起點。那里有一個「TV Show」社區(qū)，按商業(yè)廣告、專業(yè)影視、動漫游戲等分類展示了大量創(chuàng)作者的真實作品，每一條都是可以點開看、可以反推工作流的案例。光刷首頁，就能大概建立起「什么樣的畫面用什么方式做出來」的感覺。

模型方面，圖像有Seedream 5.0、Qwen image等，視頻有可靈3.0、Wan 2.6等，文本接了三個頂級大模型，全在一塊畫布里，不用來回切平臺。

關于價格

做AI視頻的人都懂「抽卡」這件事。

同樣一段prompt，生成十次可能只有一兩條讓你滿意。一個認真的項目，核心鏡頭可能要反復抽幾十次。隨機性是AI生成的底層邏輯，沒辦法消除，只能用更多次數去篩。

問題在于，次數是有成本的。

LibTV目前會員價格比競品低76%，模型積分定價比競品低92%。

原來只敢試5次的，現(xiàn)在可以試50次。你可以理解為這個成本降低背后帶來的本質是讓你的創(chuàng)作方式改變。你開始敢做實驗，敢在某個細節(jié)上多磨幾輪，因為「反正不貴」。

B、C之后，A來了

回到開頭那件事。

龍蝦能當導演，不是因為龍蝦特別聰明，是因為LibTV從第一天起就同時打開了兩扇門。

一扇是人用的GUI，也就是那塊畫布，人在上面操作、排分鏡、生成視頻。另一扇是Agent用的Skill接口，OpenClaw、Coze、Claude Code這類AI Agent，通過這個接口理解任務、調用模型、自動完成創(chuàng)作。兩扇門，Day 1同時開著，沒有先后順序。

這背后有一個判斷，我覺得是對的。

過去二十年，軟件產品的成長路徑幾乎都是同一條：先做好用的界面把用戶圈進來，做大了再開放API給開發(fā)者。GUI是正門，API是后門，有先后順序。Figma這樣做，Notion這樣做，Salesforce也這樣做。API從來都是「長大以后再說的事」。

但Agent的出現(xiàn)打破了這個順序。

這要從AI能力的一個變化說起。過去幾年，Agent經歷了幾次躍遷：最開始只會對話；然后學會調用工具，開始能搜索、寫代碼、發(fā)消息；現(xiàn)在到了第三階段，能夠理解復雜任務，自主編排工作流，在項目級別的上下文里持續(xù)迭代。

這第三次躍遷是關鍵的。它讓Agent從「工具的使用者」變成了「工作的執(zhí)行者」。當軟件的用戶不再只是人類，API從第一天起就和GUI同等重要。

Sam Altman在2024年底說過，2025年會是「Agent真正開始接管工作的一年」。a16z在研究報告里寫，AI Agent正在成為軟件消費的第三條主要路徑，和人類用戶、企業(yè)系統(tǒng)并列。到了2026年，看來這一預期終于要成真了。

B2C、B2B大家都熟悉了。B2A（to Agent）正在成為一個真實的商業(yè)邏輯。ABC，算是補齊了。

兩扇門，對應兩種工作方式

如果你是認真做內容的創(chuàng)作者，想精細控制每個鏡頭、每個色調、每個節(jié)奏點，GUI那扇門是給你的。無限畫布，所有工具，你來導，AI來執(zhí)行。

如果你有重復性的內容生產需求，比如品牌方每周要的幾十條素材、系列欄目的每期視頻，Agent那扇門是給你的。裝一個Skill，給一句話，批量出來，不需要人盯著。

顯然，這也不是OpenClaw專屬的能力。我用Claude Code也測試過，甚至還更穩(wěn)：

用LibTV Skill幫我做一個類似《辛普森》風格的，諷刺人類在過度利用ai后，什么都不會，甚至吃飯、走路都要詢問ai自己該怎么做的諷刺性視頻。

工作方式和OpenClaw一樣：自己寫分鏡劇本，調用LibTV生成角色參考圖，逐個場景出關鍵幀，最后拼成完整視頻。本質上，只要是能調用Skill的Agent，Claude Code、AutoClaw、KimiClaw，或者Cursor、Trae這類AI編程工具，都可以接LibTV這扇門。是哪個Agent不重要，重要的是那扇門開著。

60秒，包含了6個不同的場景的畫面，這個20分鐘左右生成的動畫短片的人物一致性和風格統(tǒng)一性還真挺讓我驚訝的。

當然了，我覺得視頻創(chuàng)作和寫文章、做產品都類似：AI能為你提供超乎想象的大量輔助，但是好作品還是需要人的品味和判斷。

創(chuàng)意決策，審美篩選，那個「不對，再來一條」的直覺，這些暫時沒有東西能替代。但把創(chuàng)意執(zhí)行出來這件事，可以越來越多地交出去。導演還是導演，只是他的劇組里，現(xiàn)在多了一只會拍戲的龍蝦。

最好的狀態(tài)大概是這樣的：你負責審美，它負責執(zhí)行。你往前走，龍蝦跟上來，一起把東西做出來。

目前LibTV還在內測，不是完整體，真正的大功能還沒全放出來。但那扇門已經開著了，先裝上Skill的人，會比別人早一段時間把龍蝦練出來。

另外有個消息順手說一下：現(xiàn)在訂閱的用戶，會贈送最多150條可靈O3＋150條可靈3.0，共300條最高等級視頻免費用。抽卡這件事，先把這300條花完再說。

感興趣可以去他們的官網或者Github倉庫看看

LibTV官網：https://www.liblib.tv/ GitHub：https://github.com/libtv-labs/libtv-skills

哦對，我大概是玩上癮了，我還做了兩個分別是新聞風格和《Rick & Morty》風格的宣傳我的《OpenClaw橙皮書》的廣告視頻。我感覺Building in public這件事，又有不同的可能性了。