改造 100 多年的影视行业，需要的不止是好模型

Solo Filming 时代真的要来了。

作者｜Moonshot

编辑｜郑玄

Seedance 2.0 发布后，影视行业感受到了实实在在的冲击。这个全球最好的视频模型，已经能够一键生成接近「影视级」的画面镜头。

但实际上，影视工业从来不是几段「好镜头」的叠加，它本质上是一条极其严密、依赖场面调度的重工业流水线。

从前期的剧本，拆解为复杂的分镜；在拍摄时，要考虑场景搭建、服化道设计、布光天气、场面调度；在后期要梳理镜头，捕捉故事线和剪辑节奏......

一部好作品的诞生，来源于这样一套高度结构化的流程——这也是目前许多视频 Agent 产品的困境：画面都很精致，但作品不成立。

LibTV 的切入点，正好落在这个断层上。

在遍地都是「盲盒生成器」的今天，它是第一个真正懂影视工业流程的 AI 创作平台。

从底层来看，它依然集成了当前最完整的一批模型能力，从 Lib Nano Pro 到 Kling 3.0，一系列 SOTA 图像、视频、语言、音频模型，构成了一个足够强的技术底座。

使用 LibTV 生成的 AI 短片

但更关键的是它在试图解决另一个层面的问题：统合这些技术，形成一个可控的创作过程。

这也是 LibTV 与多数 AI 视频工具的根本区别，它是真的懂行，也敬畏上百年来形成的影视工业。

当生成不再是问题后，怎么调度才是关键的下一步。

01

用户真正想要的：「导演」的绝对控制权

目前的创作工具，正在两个极端之间摇摆。

一端是只有 chatbot 的对话式生成。它本质上是黑盒，创作者只能通过反复对话去「撞」出一个相对可用的镜头，镜头之间也很难形成结构性的关联。

另一端是节点式工作流。给用户提供了控制力，但代价是复杂度，界面复杂如迷宫，学习成本高到劝退绝大多数人。

而 LibTV 的解法并不复杂，它把两端融合到一起，形成了无限画布叠加节点工作流的复合形态。

从工具到操作空间

LibTV 的主面板是一个巨大的画布，那里没有时间线，也没有一个固定的起点。

所有信息被放在同一个平面上，可以被拖拽、并排、叠加、拆分。文本、图像、视频、音频，各自以节点的形式存在，但它们之间的关系是开放的。

角色设定、场景草图、视频片段可以被并排摆放，整个项目的结构是全局可见的，创作者可以自由且动态地连接不同的处理环节，也能随时单点删除不满意的分支。

这种体验很接近 Alan Kay 当年对 Dynabook 的设想。信息不再被封装在一个个独立的软件里，而是像纸张一样被摊在桌面上，可以随时重组，创作过程从「进入工具」变成「操作空间」。

画布上的每一个功能节点都具备高度的可编辑性和可调试性，而这些变化会在整个画布中产生连锁反应。创作者逐渐理清叙事脉络的过程，在视觉上具象化为 Connect the dots（由点连线）的过程。

整个画布之于影视创作者，就像刑侦部门的探案板，也像福尔摩斯的「思想宫殿」。

这种过程很难用传统的软件语言去描述，更接近一种「把思考外化」的过程。随着节点逐渐增多，创作者对自己片子的实现路径也会逐渐清晰，这种感觉像极了影视创作中的「讨论会」，比起生成，它更像在排练的过程。

这种排演感在 9 宫格与 25 宫格的分镜切分功能上体现得尤为直接。

推演与排练

传统的 AI 视频工具往往停留在「生成一个镜头」，最多扩展到几段拼接。而 LibTV 把分镜本身作为一个可以被生成和修改的对象。

分镜生成和切分功能，让曾经花费大量时间精力去做的推演工作，极其细致地具象化了。从景别、音效、人物动作、台词，到分镜提示词、光影氛围、视频运动提示词……

用户还能直观地看到镜头之间如何衔接，节奏如何推进，并且可以修改每一个表格。

这种对影视工作流的理解，结合上 LibTV 的技术底座，能让一位独立的创作者，用极低成本完成一个商业级别的 Pre-vis 视觉预演。

尤其是在传统的影视工作流里，创作者写下一行剧本，往往要等上几个月才能在监视器里看到它被视觉化的样子。但在 LibTV 的这块画布上，反馈循环被压缩到了「以分钟计」。

而当我只是有一个简单的故事想法时，LibTV 会带着我不断向前展开。从一句设定，到大致梗概，再到分场景的拆解，最终落在具体镜头上。

这种「推演感」是很多 AI 工具里缺失的部分，它让创作不再依赖一次命中，而是变成一个逐步逼近的过程。

当然，这种方式也不是完全没有门槛。LibTV 分镜生成的细致程度，有时候会超出普通用户的预期。它会给出过于具体的镜头描述、调度建议，甚至包含一些接近专业制作流程的细节。

对于没有受过视听语言专业训练的普通用户来说，面对如此高密度的参数，上手修改的门槛显得很高。

但换一个角度看，这恰恰说明系统预留了足够高的上限，它能拿出一个高精度初稿，我可以选择介入其中任何一环。

叙事的能力

LibTV 系统目前能够支持生成超过 5 分钟的视频内容，这是影视专业大二短片作业的时长要求，而在 AI 视频领域，这是一个技术分水岭。

当片段开始延展为短片，它就具备承载完整叙事的能力。

为了彻底解决长视频叙事中的人物一致性问题，LibTV 引入了角色三视图生成功能。

看起来只是一个小功能，但这对于想要拍摄连续短剧，或者试图打造单一 IP 形象的创作者来说非常重要，它能让短片里的 AI 演员不再变来变去，这是叙事成立的基础之一。

无限画布、连点成线、高度可编辑的精细脚本、角色固定……当这些能力成为了 LibTV 的技术底座时，创作的重心也发生了改变。

我花在「怎么生成」的时间减少了，更多精力被拉回到「哪个更好」和「我要表达什么」上。

02

当 Agent 推开「另一扇门」

目前的视频 Agent 赛道看起来很热闹，但多数其实很「单薄」。

它们调用的往往只是碎片化的单点 API，本质上只是一个「调度器」，把一个个模型串起来，完成一条线性的调用链。

但问题在于，这种调用是无结构的，结果每一步都成立，但整体不成立。一旦任务从「生成一个片段」变成「完成一段叙事」，问题就会迅速暴露出来。

LibTV 直接换了个思路，直接调用一整套已经被组织好的「创作能力」。

它把这套能力打包成了 Skill，可以直接部署在 OpenClaw 等平台上，通过简单的对话，就能实现「短漫剧生成 Skill」、「音乐 MV 生成 Skill」甚至是「爆款复刻 Skill」。

在实际体验里，我直接在飞书（已安装 OpenClaw）发给了一张足球图和苹果的广告，下达指令「请复刻这个视频风格，给我的足球做一部宣传片」。

接下来，LibTV Agent 会自动解构那段视频的镜头语言，自己去理解镜头组接、写脚本、画分镜、生成片段、完成剪辑。

全程我只需要等待它告诉我「做好了」，我点进生成好的视频后，哪里不满意，再用自然语言告知，它会直接自己再理解，再修改。

我就像一个甲方，等待「乙方」提交后，再去做审美判断，选择采用还是修改。

靠「复刻 skills」在飞书指令里就做出来的足球产品宣传片

这背后的变化超越了单纯的效率提升，是软件设计逻辑的转向。

过去的软件假设「人来一步步操作」，现在则要做到「Agent 能接管流程」。软件不止要比拼功能够不够多，也要看各个能力能否串联，能不能被一次性调用并对结果负责。

所以问题不在于要不要引入 Agent，而在于如何分工。

LibTV 对此给出的答案更像是让人负责选择与审美，Agent 负责执行与扩展。

前者决定方向，把过程中最枯燥乏味的环节解决掉，后者负责把这个方向推到极致，并且以极低成本反复试错。

用户可以做导演，一步步去扣细节，也可以像个甲方一样，直接下指令，看结果。

03

1+1>2：用机器的效率增强人类的直觉

效率工具的理想状态，是让人不干活，但创作工具不能这么干，如果一个创作工具的目标是「让人不参与」，那它最终一定只会生产内容，做不出来作品。

而一部作品之所以成立，不是因为它完成了多少步骤，而是因为创作者在很多节点做出了选择「这个镜头该不该停留长一点」，「这时候要不要接特写强化情绪」，「这里音乐要停还是继续」……

这些决定，至今没有任何模型可以真正替代。

所以 LibTV 选择打开两扇门，一扇留给人类，一扇交给 AI。

这不是「手动模式」和「自动模式」的区别，而是一种可以随时切换、互相补位的结构。人类的直觉配合机器的算力，最终让 1+1>2。

翻翻 LibTV 官网上的那些精选案例，把他们的工作流节点拆开看，会发现那些顶尖 AI 玩家的「人工介入度」非常高。

节点该怎么连，灯光参数怎么调，场景怎么构建，镜头怎么连接……全都摆在画布上，堪比 AI 时代的免费影像大师课。

看着这些连线和最终完成的作品，我会意识到 AI 视频开始脱离「奇观展示」的阶段，进入到了「是否能承载创作者的表达」阶段。也就是说，AI 影像开始具备「作品」和进入工业化的条件了。

而一旦进入这个阶段，成本问题就会被重新放大。

AI 视频创作曾经是一个高试错机制，用户不知道哪个版本是对的，只能不断生成、不断推翻，就像「抽卡」一样。而每一次点击生成，都在燃烧用户积分。最终，想象力会下意识给预算让步。

但 LibTV 这次选择当价格屠夫，39 折的年卡，模型积分定价甚至比同类竞品低出 92%。

这本质上是在降低试错门槛，当我更愿意多试一版，多走一条分支，甚至去验证一些原本觉得「不值得」的想法时，创作的结果一定会发生微妙的改变。

再往前看一步，这种「人+Agent」的结构，其实正在重塑影像行业本身。

过去，影视行业是一条高度工业化的生产线。编剧、分镜、摄影、美术、剪辑，每一个环节都需要专业分工，也需要大量协作成本。个人创作者很难跨越这条门槛，往往受困于资金和团队的匮乏，而非缺乏好想法。

传统的影视工业太重了，重到无数个轻巧的想法难以落地。但 LibTV 提供的技术底座，就在把这条生产线正在被压缩、折叠，甚至集成到一人一平台上。这就是所谓的 Solo Filming。

好玩的 Sweet Spot

LibTV 给我的实际上手体感，是一种「好玩」。它真的在数字世界里为我铺开了一张没有边界的画布。大学期间那些成型的剧本，曾经因为没钱拍、组不了团队而被掐灭的疯狂点子，现在全都有了重新显影的可能，我可以在这上面无尽地折腾。

就算走出单打独斗的 Solo Filming，进入视频行业后，它也可以找到一席之地。比如某场戏的想法验证、分镜展示、风格测试，现在可以被快速压缩、反复推演，不需要到片场开机后再叫停。

LibTV 很好「玩」，可以用较低的时间成本，就验证一个模糊的想法

LibTV 刚好是在中间的平衡点上。

再往「手动档」那边走一点，会复杂到只能服务于受过科班训练的影视从业者，再「自动化」一点，一切都被设置好了，人就只能不断抽盲盒。

而在技术和创作的十字路口，LibTV 一边是足够扎实的产品底座，把生成、分镜、剪辑这些原本分散的能力收拢在一起。

另一边，是对影视创作流程本身的理解，它知道一部作品不是「生成」的，而是一步步推演出来的。正因如此，它既没有把人困在繁琐的细节操作里，也没有把人直接踢出创作链路。

当一个工具足够懂行，它一定能懂在一个行业中，「专业的人」有多重要。

就像资深影视从业者郑林在《未来 1500 天，影视行业的钱会被这 1% 的人赚走？》那篇文章里所说的：「未来五年，这个行业里最值钱的东西……是一个真正懂行的人在看完一千个 AI 生成的画面后，安静地指着其中一个说：就是这个。」

最终，在那块无限延伸的画布上，算力、大模型和 Agent 最终都化作了托底的暗流。

水面之上，只有创作者的审美、判断、选择和最纯粹的表达欲，以及那个早就该被讲出来的好故事。

*头图来源：LibTV

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

极客一问

你如何看待 LibTV ？