实测 LibTV Agent，这可能是普通人最接近导演的时刻

作者｜董道力
微信｜ddl941110

光看现在模型的生成能力，很容易认为人人都能拍电影的时代已经来了。

但真正上手后才会发现，问题远没有解决：AI 可以生成惊艳的几秒钟，却很难直接交付一条完整作品。

因为视频只是镜头和素材，作品还需要剧本、人物、分镜，以及贯穿全程的反复修改。

很多所谓的视频 Agent，只是在生成模型前加了一个对话框，用户输入一句话，最后得到的依旧是一小段画面。因此，判断一个视频 Agent 是否真正成立，其实有个很朴素的标准：它能不能帮助普通人完成一条完整作品。

LibTV Agent 想解决的，正是从零散素材到最终成片之间的距离。

另一方面，LibTV 之所以选择现在推出 Agent，是因为过去几年分散发展的几个条件终于成熟了。

视频模型生成的内容开始具备加工价值，创作者可以保留已有素材，继续补充镜头；LibTV 的画布、节点和故事板，也把脚本、图片、视频、字幕、音乐和剪辑接进同一个项目，减少跨工具搬运素材和反复解释需求的时间。

更重要的是，LibTV 将广告、短剧、MV、自媒体等真实项目中积累的创作经验整理成 Skill，让 Agent 不必每次从头摸索，而是能够调用不同场景下的工作顺序和修改思路。

当模型开始提供可加工的素材，创作工具逐渐连成制作线，项目经验又能被 Agent 调用，视频 Agent 才第一次有机会越过“生成一个镜头”，真正把创作推进到一条可以交付的作品。

1

实测 LibTV Agent 如何帮你完成一部作品

为了看看 LibTV Agent （https://www.liblib.tv/）到底能把一条片子推进到什么程度，我做了三组不同的测试。

第一组只有一段参考视频和一个模糊的想法；第二组给它几张人物素材，观察 Skill 能带来多少创作增量；第三组则直接上传一份短剧剧本，看它能不能管理人物、场景和大量镜头。

测试 1：幻想动画

我上传了一段《红辣椒》的片段，只给了 LibTV Agent 一个比较虚的想法，希望它以此为参考，帮我制作一条幻想动画。

LibTV Agent 对参考视频的理解比我预想得更细。它识别出了今敏和《红辣椒》，还提炼出日式赛璐璐动画、超现实奇幻、人物穿过屏幕进入现实世界等关键词。

分析完参考片后，它根据我的描述搭建故事框架，而没有一上来就一股脑的生成。

接下来的过程有点像和创作团队开前期会。它会继续追问我对故事的看法，确认情节是否需要调整、画风应该更接近原片还是更现代，以及哪些元素必须保留。

说实话，第一版并不完美。

其中一个镜头发生在深夜办公室。按照前面的故事，小 A 应该从桌上的电脑屏幕里钻出来，生成结果却凭空多出了一块屏幕。

这类问题其实用过 AI 的人都会遇到，就是抽卡抽歪了。换做以前，打开网页抽到满意，然后重新剪辑。

而在 LibTV Agent 把这一步做了简化。只要进入故事板，找到对应场景，修改这一镜头的提示词，不需要额外操作。

切换模型时，我还遇到了参考视频长度不适配的问题。不同模型对参考素材的时长要求不同，LibTV 在故事板里提供了剪辑入口，可以直接截取需要的片段，不用退出项目重新处理。

它也支持用自然语言调整镜头衔接。比如我觉得镜头一和镜头二之间跳得太快，便直接告诉 Agent：“在这里增加一个关电视的转场。”它会补充相应画面，并重新放回原来的位置。

LibTV Agent 还支持一键生成双语弹幕，为后期包装省了不少时间。

最后的成片，把人物穿过屏幕、现实与幻想相互侵入的感觉被保留了下来。

测试 2：球队宣传片

第二组测试，我想看看拥有素材却缺少创作方向时，Skill 能提供多少帮助。

LibTV 与 200 多位创作者合作，将导演、自媒体、广告创意、MV 策划和短剧制作等领域的实践方法，整理成了 100 多个可供 Agent 调用的 Skill，由此搭建起一个专业视频 Skill Hub。

这套 Skill Hub 能不能持续扩充，关键还要看创作者愿不愿意把真正有用的方法放进来。LibTV 推出的 1000 万元激励计划，显然是在解决这个问题。

我从 Skill Hub 中 选择了“杜琪峰站位风格”，准备给曼联制作一条球队宣传片。

选中 Skill 后，我上传了几名球员的半身照片，只简单描述了想要的氛围，剩下的工作交给 LibTV Agent 处理。

最终画面里，多人站位、低调照明以及阴暗潮湿的环境都被表现了出来。几张彼此独立的球员照片，被组织成了具有统一气氛的一组镜头。

这条片子并非只套了一层滤镜。球员怎么站、镜头怎么切、环境压得多暗，都能看出这个 Skill 的影响。

现成的 Skill 不合适，用户也可以自己做一个。LibTV 提供了创建模板，可以按照提示逐步填写。

我试了个最省事的办法，上传一段喜欢的视频，让 LibTV Agent 分析其中的镜头结构、视觉特点和创作方法，再根据提示把有价值的部分整理成 Skill。

比如，我上传了一些动漫战斗片段，让 LibTV Agent 分析提取要素，然后制作了一个“哒哒哒”Skill，效果还不错，除了两只猫好像都有点顺拐。

测试 3：短剧

如果要找一个最能体现 AI 视频生产力的场景，短剧一定排在前面。

我先用 AI 写了一份按照短剧爆款逻辑设计的剧本，然后把整份剧本上传给 LibTV Agent。

LibTV Agent 读取剧本后，先将内容拆解成人物、物品、场景等锚点，再围绕这些固定信息安排后续生成。

这一步很重要。短剧里的人物和镜头数量多，如果没有提前固定角色、服装、场景和关键道具，生成几轮之后很容易出现漂移。

LibTV Agent 随后把整部短剧的制作过程铺成了一条工作流。用户上传的素材、生成的图片和视频都会保留在画布上，再通过节点连线展示它们之间的关系。

点击其中一个素材，还可以继续进行生成、替换或编辑。你能够看见某个镜头用了哪些人物和场景，也能沿着连接关系找到它的上游素材。

素材一多，在画布里寻找目标也会变得麻烦。这里有一个很实用的细节：在 Agent 对话中点击对应的图片或视频，画布会自动定位并选中该素材，不需要在几十个节点里来回翻找。

短剧的人物多、镜头多，完整工作流很容易铺满整个画布。这时可以切换到故事板，把暂时不需要处理的节点隐藏起来，只保留按顺序排列的镜头。

我习惯把镜头列表放在左侧，在右侧较大的预览区域里逐个检查。这样可以一边观看，一边调整镜头内容和顺序。

最终成片的人物关系、冲突节奏和镜头衔接，已经有了短剧熟悉的味道。

1

三组测试，对应了视频创作的三个阶段：幻想动画把模糊灵感拆成故事和分镜，并通过局部修改逐步成片。球队宣传片借助 Skill，将零散人物素材组织成统一风格。短剧则进一步管理人物、场景和几十个镜头之间的关系。

LibTV Agent 的价值也由此变得清晰：它不仅生成画面，还在尝试接管从创意到交付之间的完整流程。

过去一年，AI 视频的竞争几乎都发生在第一帧，谁生成得更长，谁的画面更真，谁的运镜更惊艳。

但当模型越过可用线，漂亮镜头只会越来越多，也越来越便宜。镜头供给的爆炸，并不会自动带来作品供给的爆炸。

真正稀缺的东西正在向后移动。

几十个镜头里哪些应该留下，人物和画风怎样保持统一，客户口中的“感觉不对”如何变成具体修改，临近交付时剩下的几个问题由谁收拾。这些工作没有生成瞬间那么惊艳，却决定了素材能不能成为作品。

LibTV Agent 所切入的，正是 AI 视频最不性感、却最接近真实生产的部分：第一次生成之后，最终交付之前。

第一帧决定用户是否惊艳，最后一次返工决定一款工具能不能被使用。

点个“爱心”，再走 吧