最近一直在想一件事：

人跟人之間的信息傳遞，效率最高的方式是什么？

以前我覺得是語言，后來覺得是文字，再后來覺得是代碼或者AI。

但現(xiàn)在我越來越確定，是視頻。

為什么短視頻能統(tǒng)治世界？因為它最符合人類大腦的底層偏好，視覺信息處理就是我們的本能。

但從另一個角度來說，視頻也是門檻最高的表達方式。作為AI創(chuàng)作者，哪怕已經(jīng)有20萬粉絲了，我的視頻表達依然存在障礙。

寫一段文字，打開備忘錄就能干。拍一條視頻，就需要腳本、分鏡、拍攝、剪輯、調(diào)色、配樂。

即使是用AI生成，也得在各個平臺之間來回切換，生圖用一個工具，生視頻用另一個工具，剪輯還得再開一個軟件。

流程碎得跟餃子餡似的，抽卡抽得跟賭徒似的，排隊排一夜前面還有幾百人……

是時候讓Agent表演真正的技術(shù)了。

是時候輪到Agentic Visual Studio登場了。

前幾天，我拿到了LibTV的內(nèi)測資格，有點去年3月剛看到Manus的喜悅感，但LibTV完成度更高。

官網(wǎng)：https://www.liblib.tv/

我在想，不管是從token需求的角度、還是消費性的考量，視頻Agent理應(yīng)比去年的文本Agent，有更大想象空間。

下面帶大家看看我的使用感受。

01LibTV：一塊畫布、一部電影

LibTV是LiblibAI他們家新推出的為專業(yè)創(chuàng)作者準備的 AI 視頻創(chuàng)作平臺。

好像不知不覺，Liblib系已經(jīng)形成AI視覺家族了，很有種Agentic Visual Factory智能工廠的感覺。

這次LibTV有啥不一樣呢？它同時做了兩件事。

第一個，是給人類創(chuàng)作者準備了專業(yè)入口——一塊無限大的畫布。

可以在這塊畫布上，擺放劇本、分鏡、角色設(shè)定、視頻片段、配樂音效。

所有東西都在同一個空間里，抬眼就能看到整個項目的全貌。

跟著自帶的視頻指示，走一遍，就理解了，很容易上手。

9 / 25 宮格分鏡生成、一鍵生成完整故事板、劇情推演四宮格、快速測試不同劇情走向、多機位 9 宮格鏡頭設(shè)計、模擬真實影視機位調(diào)度；

還有角色三視圖生成、快速建立穩(wěn)定角色設(shè)定、畫面時間推演：自動生成前 3 秒 / 后 5 秒畫面延展……

各種首創(chuàng)的功能和組合，都在畫布里，滿足專業(yè)視頻創(chuàng)作的復(fù)雜需求。

第二個，是給Agent準備了一個Skill入口。

那些正在快速進化的個人AI助手，比如小龍蝦，可以通過Skill接口直接調(diào)用LibTV的創(chuàng)作能力。用Agent的協(xié)同，完成從劇本到成片的全部工作。

都說26年的產(chǎn)品要Not for Human, for Agent，但LibTV說，我全都要。

這個設(shè)計思路很有意思。

過去二十年，軟件產(chǎn)品的成長路徑幾乎都是同一條：

先做一個好用的界面，把用戶圈進來，做到足夠大以后再開放API，讓開發(fā)者來做集成。GUI是正門，API是后門。

但Agent的出現(xiàn)打破了這個先后順序。

當軟件的調(diào)用者不再只是人類，而是同時包括成千上萬個Agent的時候，API不再是長大以后才需要考慮的事。

它從第一天起就和GUI同等重要。

LibTV，是視頻創(chuàng)作領(lǐng)域，第一個從Day1就把人和Agent當作兩個平等用戶來設(shè)計的產(chǎn)品。

豐富的功能，也讓創(chuàng)作者不再只是生成單個畫面，開始能真正組織一整套視頻創(chuàng)作流程、完成一支完整的視頻作品。

事情變得更有趣了。

02怎么玩：從無限畫布說起

打開LibTV，開始創(chuàng)作，首先看到的就是畫布，乍一看很簡潔。

但當開始在上面有點擊的動作，就會發(fā)現(xiàn)藏了很多后手。

無限畫布上，有4大功能模塊：

「項目菜單欄」「畫布左側(cè)欄」「個人中心」和「小地圖導(dǎo)航」。

在項目菜單欄里，一個無限畫布就是一個項目，點擊畫布左上角的 Logo 會彈出「項目菜單欄」可以對項目進行管理。

畫布左側(cè)欄，設(shè)有「添加」「工作流」「資產(chǎn)」「歷史記錄」「教程」5大功能。

畫布右上角，是用戶相關(guān)功能，包括「發(fā)布&分享」「通知」「會員中心」「積分消耗」「個人中心」。

左下角的小地圖導(dǎo)航，我尤其喜歡，跟打游戲看地圖一樣。

然后關(guān)鍵的來了，一個最核心的構(gòu)成要素：節(jié)點。

畫布上，有五種基礎(chǔ)節(jié)點：文本節(jié)點、圖片節(jié)點、視頻節(jié)點、音頻節(jié)點、腳本節(jié)點。

先帶大家看看文本節(jié)點。

通過集成了多個語言模型的文本生成器，可以輸入自然語言需求或結(jié)構(gòu)化提示詞，讓語言模型完成對應(yīng)的文本生成任務(wù)。

生成的結(jié)果，會展示在「文本節(jié)點框」中。

相當于是說，5種不同模態(tài)的生成能力，在LibTV里可以自由控制，用節(jié)點進行連接和組合。

再也不用先產(chǎn)出文字腳本、再生圖、再配樂、然后圖生視頻等等，不用切換網(wǎng)頁、存來存去的，在一個畫布里，把完整視頻該有的步驟全搞定。

五種節(jié)點，讓我想起了曾經(jīng)玩ComfyUI的日子，connecting the dots真的很有趣。

而現(xiàn)在的LibTV，就更容易上手、更好玩了，邏輯上似乎和從Stable Diffusion到Liblib的遷移如出一轍。

讓我覺得厲害的，還有工作流功能。

所有節(jié)點之間都可以連線，搭建出一條能反復(fù)跑的創(chuàng)作流水線。

比如我調(diào)出了一條比較順手的流程：參考生圖→圖轉(zhuǎn)視頻→高清增強。

我把這套流程存成了資產(chǎn)，以后做類似項目的時候，打開畫布、換一批輸入，就能復(fù)用整套流程，不用每次都從零開始。

下面就是一個簡單的「參考生圖→圖轉(zhuǎn)視頻」工作流，帶大家感受一下。

工作流創(chuàng)建好以后，就像這樣

LibTV還塞進去一堆很實用的預(yù)制功能。

多機位九宮格、劇情推演四宮格、25宮格連貫分鏡、角色三視圖、畫面推演前后幾秒……

這些都是輸入指令就能直接調(diào)用的魔法。

不用自己設(shè)計工作流，只要選中素材、觸發(fā)指令，它就幫你生成一整塊結(jié)構(gòu)化內(nèi)容。

03再說說Agent

前面的部分似乎還是workflow的范疇，屬于視頻流程的AI化改造。

但從Agent開始，事情又不一樣了。

這個部分更科幻。

我在龍蝦對話框里輸入了一句話：給我的耳機做一個宣傳片，風(fēng)格參考這個視頻鏈接。

然后把一個參考視頻的URL扔了進去。

接下來發(fā)生的事情讓我有點恍惚。

我的Agent自己去LibTV調(diào)用了復(fù)刻TVC Skill，自動解析原片的鏡頭語言和風(fēng)格，生成劇本，設(shè)計分鏡，調(diào)用模型生成視頻片段，最后剪輯成片。

整個過程我沒插手一下，它就給我交出了一條30秒的宣傳片。

錄屏里能看到，Agent在后臺自己搭建節(jié)點、連接工作流、調(diào)整參數(shù)，像一個看不見的實習(xí)生在那兒埋頭干活。

雖然生成的時間有點長，畢竟要跑好幾個模型，但最后出來的成片質(zhì)量，說實話，比我手動做的第一條還要好。

我還試了另一個Skill：短漫劇生成。

輸入創(chuàng)意描述，Agent自動完成了劇本、角色設(shè)計、分鏡、視頻、音效、剪輯，給我交付了一部完整的2分鐘短劇。

主題是《墜入深海》，講了一個挺有意思的驚悚寓言。效果就不錯下面

這種感覺很奇妙。以前是我指揮工具，現(xiàn)在是我跟Agent協(xié)作。

我負責(zé)給方向和審美判斷，它負責(zé)執(zhí)行和擴展。創(chuàng)作這件事，第一次有了交響的感覺。

04為什么我覺得LibTV不一樣

用下來，有幾個點讓我覺得這產(chǎn)品確實想清楚了。

第一，它真的懂創(chuàng)作者需要什么。

LibTV目前上線了20多個專業(yè)視頻創(chuàng)作功能，其中好幾項是行業(yè)首次推出。9/25宮格分鏡生成、一鍵生成完整故事板、劇情推演四宮格、多機位9宮格鏡頭設(shè)計、角色三視圖生成、畫面時間推演……

這些功能不是拍腦袋想出來的，一定是跟大量創(chuàng)作者聊過之后才知道他們真正缺什么。

我以前做分鏡，最煩的就是一張一張生圖然后手動拼板。

現(xiàn)在一鍵生成，省下的時間可以用來琢磨鏡頭語言本身。我以前調(diào)整角色設(shè)定，最煩的是換一個角度就得重新抽卡�，F(xiàn)在角色三視圖生成，一張圖搞定正面?zhèn)让姹趁妫宋镌O(shè)定穩(wěn)定多了。

這些細節(jié)說明產(chǎn)品經(jīng)理是真下場做過活的。

第二，它在定價上狠起來連自己都砍。

之前抽卡，有的產(chǎn)品，抽一張兩塊，抽一百張兩百塊，做個幾分鐘的視頻下來，成本輕松破千。

LibTV的定價我看了一下數(shù)據(jù)：年卡最低39折，部分模型還有額外6折優(yōu)惠，會員SKU價格比競品低76%，模型積分定價比競品低92%。換算下來，相當于你用兩折多的成本，就能跑出同樣的作品。

現(xiàn)在開會員，還會給訂閱用戶贈送最多150條可靈O3+150條可靈3.0，共300條免費最高等級的視頻，任意使用。

價格屠夫這個詞用在這里一點不夸張。

第三，它押注了一個正在發(fā)生的變化。

AI的能力正在經(jīng)歷第三次躍遷。第一次是學(xué)會對話，第二次是學(xué)會調(diào)用工具，第三次是學(xué)會理解復(fù)雜任務(wù)、自主編排工作流、在項目級上下文中持續(xù)迭代。

正是這第三次躍遷，讓傳統(tǒng)的軟件產(chǎn)品必須做出改變。

Agent已經(jīng)成熟到可以作為獨立的創(chuàng)作主體參與工作，它需要的不再是一個API，而是一個為它設(shè)計的、任務(wù)級的能力入口。

LibTV為Agent設(shè)計了Skill入口，讓Agent可以像人一樣理解任務(wù)、調(diào)用能力、完成創(chuàng)作。

隨著社區(qū)的豐富，你的Agent可以在LibTV上執(zhí)行越來越復(fù)雜、越來越貼合你審美的創(chuàng)作任務(wù)。

這也是在為即將開啟的Agent to Agent時代做準備。

05關(guān)于Agent、命令行、審美

更深一層想，LibTV想做的其實不是工具，而是一種新的創(chuàng)作結(jié)構(gòu)。

命令行也許更適合效率類的工具，但是文藝創(chuàng)作的價值，恰恰在于人本身的參與。

一部電影之所以好看，不是因為畫面技術(shù)上完美無缺，而是因為某個鏡頭里，有一個只有這個導(dǎo)演才會做出的選擇。

我始終相信一件事：真正決定作品高度的，永遠是人的判斷與審美。

AI可以幫你生成一萬個鏡頭，但只有你知道哪一個鏡頭是對的。Agent可以替你完成整個制作流程，但只有你知道這個故事想表達什么。

而LibTV的節(jié)點、工作流、Agentic Skills……讓審美變成了可執(zhí)行、可流通、可積累的東西。

人在創(chuàng)作，Agent在學(xué)習(xí)，社區(qū)在流轉(zhuǎn)，工具在進化。四件事同時發(fā)生，沒有先后，沒有邊界。

到最后會發(fā)現(xiàn)，它成了一臺驅(qū)動審美的引擎——越來越高質(zhì)量的作品，自然地從系統(tǒng)里長了出來。

LibTV讓我看到了一種可能性：當工具足夠強大，當Agent足夠聰明，創(chuàng)作者終于可以把精力從繁瑣的執(zhí)行中解放出來，去思考那些真正重要的問題——

我想講一個什么故事？我想讓觀眾感受到什么？這個鏡頭為什么要這么拍？

這些問題，AI回答不了。但它們才是一切創(chuàng)作的原點。

從國內(nèi)導(dǎo)演圈、制作圈到好萊塢，普遍有種對AI來臨的恐慌和焦慮。

但在我看來，像LibTV這樣的產(chǎn)品，已經(jīng)事實上

不妨試一試：https://www.liblib.tv/

如果想研究一下背后的技術(shù)原理，GitHub在這里：https://github.com/libtv-labs/libtv-skills