LibTV 實測：人類用戶再也不是產品的全部

作者 ｜ 黃小藝
郵箱 ｜ huangxiaoyi@pingwest.com

過去兩年，AI視頻工具走過了一條很典型的路。

一開始是“對話式”，你輸入一句話，它吐出一段視頻，簡單直接，但結果不可控；后來有了“節點式”，把創作拆成劇本、分鏡、畫面、視頻一個個節點，可以分段推進、逐幀調整，但對用戶的要求也高了一大截——你不僅要懂創作，還得懂怎么編排工具。

兩條路各有各的解法，也各有各的局限。前者太輕，后者太重。

3月18日，LiblibAI推出了新產品LibTV，一個節點式畫布形態的AI視頻創作平臺。畫布這個形態本身不新鮮，但LibTV往里面裝的東西，讓它變得很不一樣。

其一是，它往這張畫布里塞進了大量精細化的創作工具——九宮格抽卡、多角度三視圖、打光控制、擴圖、5秒后推演……這些功能指向同一件事：讓創作者在調用模型能力的同時，能更準確、更便捷地把控自己的創作意圖。

看一個用戶創作的案例就能感受到這件事的分量。

這個叫做《青春電幻物語》的短片，日系膠片質感，蒙太奇切得很碎，但碎而不亂——少年少女的面孔、光打進車廂的角度、風吹過麥田的顫動，運鏡和場景、色彩和光影在不停切換中保持著統一的調性。

翻開節點圖，能看到作者把這件事做得有多細……瞬間就明白了為什么這個短片的質感能這么好——每一個鏡頭都是被精心設計過的，不是隨機抽出來的。

其二是，LibTV能夠接入OpenClaw等Agent，通過平臺自建的Skill，理解任務、調用模型并自動編排工作流。

這意味著這張畫布同時向兩類用戶敞開——懂工作流的專業創作者，和只想開口說一句話的普通用戶。

精細化工具解決的是創作者對結果的掌控感，Agent解決的是創作門檻和效率。把精細到極致的工具和自動化的Agent，同時塞進了一個畫布里，LibTV走了一條很不一樣的路。

1

節點式畫布出現兩年，但模型和產品間的Gap一直在

要理解LibTV在做什么，首先要看看AI視頻創作行業的現狀。

做AI視頻的人，有一個詞說起來都會會心一笑——抽卡。

意思是反復生成，賭一個滿意的結果出來。早期大家抽卡，是因為模型本身不穩定，生成質量忽高忽低；現在模型能力提升了，但抽卡這件事卻沒有消失。

原因很簡單：模型在進步，創作者的要求也在漲。用戶對“理想結果”的定義越來越精確，比如想要一個光影準確、構圖合適、情緒到位的鏡頭，導致提示詞的難度和對模型本身的要求也更高了。

于是，為了解決這個問題，節點式工具陸續出現了。

這一產品形態的邏輯，其實很符合視頻創作本身的結構——視頻不是一張圖，是從一幀到下一幀、彼此之間有關聯的連續敘事。把視頻拆成一個個關鍵節點分別處理，節點之間保持銜接，最后串成一條完整的敘事鏈——這讓視頻創作從“生一段、祈禱它能用”，變成了可以分段推進、分段校驗的流程。

但實際上，過去這兩年，很多畫布都并沒能真正解決精準控制的問題，只是先把問題的顆粒度縮小了。這是因為對單個節點的控制，本質是在填模型和產品之間Gap，不僅難度很大，且一直隨著模型迭代而變化。

更麻煩的是，節點式工具對用戶的要求極高。你需要同時具備兩種能力：對創作意圖的判斷力，以及對工具編排的理解力。前者是創作者本來就有的，后者卻是一套全新的技術語言，和創作本身幾乎沒有關系。

兩種能力缺一不可，這讓節點式工具在推出很久之后，依然是少數專業用戶的領地。

1

LibTV的解法：更細致的工具+更簡易的Agent，讓創作者只做“判斷題”

工具的易用性和創作的高上限，是一種悖論，但卻同時被用戶需要。這次，LibTV用“人+精細化工具”、“Agent+Skill”兩種方式給出了自己的解決方案。

我們分別測了測這兩種方式。

首先，在人+精細化工具這一路徑下，我們先創建了圖片節點，生成了兩個古風人物，然后選擇“角色三視圖”功能，讓后續角色在變化動作和角度時，能夠更加穩定準確。

接下來，進入具體的場景圖創作，我們設置了河邊、樹下、亭子里三種場景，LibTV支持多個節點同時生成，可以減少等待時間。

這基礎的兩步做完之后，接著，LibTV的精細化工具就開始上強度了。

針對當前的圖片，工具大體分兩類。一類是在原圖上做精細控制，比如高清、擴圖、重繪、擦除、摳圖等等，其中最值得一提的是打光和多角度。

打光工具中，你可以選擇智能模式，輸入自然語言讓模型自己理解，也可以手動操作三維坐標球，控制光從哪個角度打來、亮度是多少、顏色是怎樣的，0 Prompt門檻。

看看實際效果，調完之后，畫面的質感一下就提升了。

我們再接再厲，嘗試了更多打光風格。后續，可以將不同的打光風格，變成視頻的首尾幀，氣氛的變化不就來了么。

多角度工具做的也是類似的事，只不過控制的變量變成了機位。

用戶可以手動拖拽角度球，也可以用提示詞，或者拉桿設置角度。左側、俯視、仰視、背面，你選好點位，AI直接出圖。

等一次生成也是等，我們直接同時讓每張圖都生成多個角度，用來做后續視頻生成的參考，從而更精準地控制運鏡，讓視頻的畫面更豐富。

除了在原圖上做精細控制，還有一批工具是通過斜杠命令調用的。

這些工具更多是從這張圖出發，向外延伸出敘事接下來可以走的路，比如剛剛的多角度，在這里可以用“多機位九宮格”，讓模型自己分配、一口氣生成九個機位和景別的關鍵幀。

還有劇情推演四宮格，一次生成4個不同的劇情走向；25宮格連貫分鏡，一次出25幀，生成出來的多宮格圖像，可以用圖像工具欄里的宮格切分功能，直接送進新節點。

我們嘗試了一下，看著畫布直出25宮格并切分，莫名有種很爽的感覺。

值得一提的是，這些功能，本質都是從“一張圖”到“這張圖能延伸出的所有可能性”。這是一個非常順的動線，而非散點的。LibTV按照畫面的結構，涵蓋了光影、角度、景別、劇情推演等等元素，把對應的AI能力封裝了起來，可以看出他們對于模型和創作的Knowhow。

圖的部分走完，接著就是視頻的環節了：將一個或者多個圖像節點，連接上視頻節點，選模型、時長、比例、畫質。

LibTV在這里接入了可靈、Wan等幾乎所有主流視頻模型，不同模型有各自的適用場景，比如可靈O3可以聲畫同出，Seedream的中文、古風場景生成得更好，用戶可以根據需要靈活切換。

我們從剛才生成的25宮格里選了一些符合劇情變化的具體幀，嘗試把它們全部連起來，生成一段視頻。

效果大概就是這樣，挺驚嘆的。

畢竟在此之間，關鍵幀的生成對Prompt要求很高，作為業余用戶，我得靠大語言模型的外掛寫提示詞，但用25宮格的功能先批量生成圖片，再根據效果挑選，再到最終生成視頻，這個過程一個詞不用敲，只需要等結果，然后做判斷就好了，難度狠狠降低了。

視頻生成后，你還可以接著做剪輯，或者用視頻解析工具做一個更細致的拉片——它能把視頻拆成分鏡表，每一幀的景別、運鏡方式、提示詞全部標出來。如果你有想模仿的參考視頻，也可以上傳后，用這個工具先解析一遍鏡頭語言。

到這里，LibTV對素材的生成處理已經很完整了，但他們還沒停手。

除了圖片和視頻節點之外，還有“故事腳本生成”節點：你可以給它一段劇本大綱，它幫你生成對應的分鏡腳本。

關鍵是，腳本生成之后，點一下“批量生成分鏡”，所有鏡頭的圖就能一起跑出來；圖出來之后，點一下“批量生成視頻”，圖轉視頻這一步也批量完成。你可以針對單個分鏡或者視頻做調整，也可以全程自動化。

以這個用戶作品為例，可以直觀地看到整個流程的自動化程度：

這里有一個細節值得注意：當系統批量生成腳本的時候，就已經對圖片和視頻每一個分鏡做了提示詞創作，你不需要為每一個鏡頭單獨寫描述。你給方向，AI填細節，這意味著對用戶的專業門檻要求，又往下降了一層。

腳本節點的批量創作，是把執行的細節交給AI，人只負責判斷，那么Agent的加入，又往更低的“人含量”，邁了一大步。

LibTV在個人中心提供了Access Key，點擊右上角的Skills就能查看，讓你的Agent，包括OpenClaw、KimiClaw 等等，都可以通過安裝LibTV Skills來調用它的所有能力。配置過程很簡單，一句話讓Agent裝好Skills，把Key發給它，就可以用了。

在用的時候，你只需要告訴Agent想生什么，Agent自己調用LibTV Skills，把你的需求傳到LibTV的后端，后端Agent自己處理分鏡邏輯、選模型、調參數、生成內容，最后把結果返回給你，同時在畫布上建好對應的項目，所有節點都是串好的。

實測下來，我們能感覺到，流暢的功能編排和Agent的加入，都在讓這個產品變得更易用了。

1

把人和Agent放進同一張畫布

回到行業來看，視頻創作工具的本質，是填補創作者真實需求和模型能力之間的Gap。這個Gap不是模型不夠強，而是用戶想要的東西和模型能理解、能輸出的東西之間，始終有一段距離。大量非專業創作者沒有辦法用模型語言精確表達自己的意圖，于是催生了抽卡、到處傳提示詞的現象。

而LibTV這次做的事，就是在用一批非常務實的功能把這個Gap填得很細。

精細化的工具鏈，是把模型的黑箱輸出，拆解成創作者可以逐項介入的調節動作——光影可以調、機位可以選、劇情可以推演。模型負責生成素材，創作者負責做“選擇題”。

而Agent這一側，則有更長遠的意義。未來，隨著Skill的積累和調用工具、記憶能力的增強，Agent能夠逐漸從“執行簡單指令”進化到“理解創作意圖”。你今天調好的一個工作流，明天可以被Agent記住；你今天做的一個打光方案，下次可以被Agent復用；你今天為一個角色設定的三視圖，以后會成為Agent生成這個角色的默認參考。

而對現階段更有參考意義的事，當兩者在同一張畫布上協作，你可以先讓Agent跑出一個草稿，再對不滿意的節點逐一介入調整，壓縮從零開始的成本，創作者只需要把精力放在真正需要判斷的地方，其余的交出去。

這是一個漸進式的進化過程：模型提供底層的生成能力，Agent負責調度和記憶，創作者負責審美和判斷。三者之間不再是“人vs工具”的對立關系，而是一個協同進化的閉環。

畫布這個形態確實不新鮮，但LibTV往里裝的東西，讓它變得不一樣了。

點個“愛心”，再走 吧