Solo Filming 時代真的要來了。

作者｜Moonshot

編輯｜鄭玄

Seedance 2.0 發(fā)布后，影視行業(yè)感受到了實實在在的沖擊。這個全球最好的視頻模型，已經(jīng)能夠一鍵生成接近「影視級」的畫面鏡頭。

但實際上，影視工業(yè)從來不是幾段「好鏡頭」的疊加，它本質(zhì)上是一條極其嚴密、依賴場面調(diào)度的重工業(yè)流水線。

從前期的劇本，拆解為復雜的分鏡；在拍攝時，要考慮場景搭建、服化道設(shè)計、布光天氣、場面調(diào)度；在后期要梳理鏡頭，捕捉故事線和剪輯節(jié)奏......

一部好作品的誕生，來源于這樣一套高度結(jié)構(gòu)化的流程——這也是目前許多視頻 Agent 產(chǎn)品的困境：畫面都很精致，但作品不成立。

LibTV 的切入點，正好落在這個斷層上。

在遍地都是「盲盒生成器」的今天，它是第一個真正懂影視工業(yè)流程的 AI 創(chuàng)作平臺。

從底層來看，它依然集成了當前最完整的一批模型能力，從 Lib Nano Pro 到 Kling 3.0，一系列 SOTA 圖像、視頻、語言、音頻模型，構(gòu)成了一個足夠強的技術(shù)底座。

使用 LibTV 生成的 AI 短片

但更關(guān)鍵的是它在試圖解決另一個層面的問題：統(tǒng)合這些技術(shù)，形成一個可控的創(chuàng)作過程。

這也是 LibTV 與多數(shù) AI 視頻工具的根本區(qū)別，它是真的懂行，也敬畏上百年來形成的影視工業(yè)。

當生成不再是問題后，怎么調(diào)度才是關(guān)鍵的下一步。

01

用戶真正想要的：「導演」的絕對控制權(quán)

目前的創(chuàng)作工具，正在兩個極端之間搖擺。

一端是只有 chatbot 的對話式生成。它本質(zhì)上是黑盒，創(chuàng)作者只能通過反復對話去「撞」出一個相對可用的鏡頭，鏡頭之間也很難形成結(jié)構(gòu)性的關(guān)聯(lián)。

另一端是節(jié)點式工作流。給用戶提供了控制力，但代價是復雜度，界面復雜如迷宮，學習成本高到勸退絕大多數(shù)人。

而 LibTV 的解法并不復雜，它把兩端融合到一起，形成了無限畫布疊加節(jié)點工作流的復合形態(tài)。

從工具到操作空間

LibTV 的主面板是一個巨大的畫布，那里沒有時間線，也沒有一個固定的起點。

所有信息被放在同一個平面上，可以被拖拽、并排、疊加、拆分。文本、圖像、視頻、音頻，各自以節(jié)點的形式存在，但它們之間的關(guān)系是開放的。

角色設(shè)定、場景草圖、視頻片段可以被并排擺放，整個項目的結(jié)構(gòu)是全局可見的，創(chuàng)作者可以自由且動態(tài)地連接不同的處理環(huán)節(jié)，也能隨時單點刪除不滿意的分支。

這種體驗很接近 Alan Kay 當年對 Dynabook 的設(shè)想。信息不再被封裝在一個個獨立的軟件里，而是像紙張一樣被攤在桌面上，可以隨時重組，創(chuàng)作過程從「進入工具」變成「操作空間」。

畫布上的每一個功能節(jié)點都具備高度的可編輯性和可調(diào)試性，而這些變化會在整個畫布中產(chǎn)生連鎖反應(yīng)。創(chuàng)作者逐漸理清敘事脈絡(luò)的過程，在視覺上具象化為 Connect the dots（由點連線）的過程。

整個畫布之于影視創(chuàng)作者，就像刑偵部門的探案板，也像福爾摩斯的「思想宮殿」。

這種過程很難用傳統(tǒng)的軟件語言去描述，更接近一種「把思考外化」的過程。隨著節(jié)點逐漸增多，創(chuàng)作者對自己片子的實現(xiàn)路徑也會逐漸清晰，這種感覺像極了影視創(chuàng)作中的「討論會」，比起生成，它更像在排練的過程。

這種排演感在 9 宮格與 25 宮格的分鏡切分功能上體現(xiàn)得尤為直接。

推演與排練

傳統(tǒng)的 AI 視頻工具往往停留在「生成一個鏡頭」，最多擴展到幾段拼接。而 LibTV 把分鏡本身作為一個可以被生成和修改的對象。

分鏡生成和切分功能，讓曾經(jīng)花費大量時間精力去做的推演工作，極其細致地具象化了。從景別、音效、人物動作、臺詞，到分鏡提示詞、光影氛圍、視頻運動提示詞……

用戶還能直觀地看到鏡頭之間如何銜接，節(jié)奏如何推進，并且可以修改每一個表格。

這種對影視工作流的理解，結(jié)合上 LibTV 的技術(shù)底座，能讓一位獨立的創(chuàng)作者，用極低成本完成一個商業(yè)級別的 Pre-vis 視覺預(yù)演。

尤其是在傳統(tǒng)的影視工作流里，創(chuàng)作者寫下一行劇本，往往要等上幾個月才能在監(jiān)視器里看到它被視覺化的樣子。但在 LibTV 的這塊畫布上，反饋循環(huán)被壓縮到了「以分鐘計」。

而當我只是有一個簡單的故事想法時，LibTV 會帶著我不斷向前展開。從一句設(shè)定，到大致梗概，再到分場景的拆解，最終落在具體鏡頭上。

這種「推演感」是很多 AI 工具里缺失的部分，它讓創(chuàng)作不再依賴一次命中，而是變成一個逐步逼近的過程。

當然，這種方式也不是完全沒有門檻。LibTV 分鏡生成的細致程度，有時候會超出普通用戶的預(yù)期。它會給出過于具體的鏡頭描述、調(diào)度建議，甚至包含一些接近專業(yè)制作流程的細節(jié)。

對于沒有受過視聽語言專業(yè)訓練的普通用戶來說，面對如此高密度的參數(shù)，上手修改的門檻顯得很高。

但換一個角度看，這恰恰說明系統(tǒng)預(yù)留了足夠高的上限，它能拿出一個高精度初稿，我可以選擇介入其中任何一環(huán)。

敘事的能力

LibTV 系統(tǒng)目前能夠支持生成超過 5 分鐘的視頻內(nèi)容，這是影視專業(yè)大二短片作業(yè)的時長要求，而在 AI 視頻領(lǐng)域，這是一個技術(shù)分水嶺。

當片段開始延展為短片，它就具備承載完整敘事的能力。

為了徹底解決長視頻敘事中的人物一致性問題，LibTV 引入了角色三視圖生成功能。

看起來只是一個小功能，但這對于想要拍攝連續(xù)短劇，或者試圖打造單一 IP 形象的創(chuàng)作者來說非常重要，它能讓短片里的 AI 演員不再變來變?nèi)?，這是敘事成立的基礎(chǔ)之一。

無限畫布、連點成線、高度可編輯的精細腳本、角色固定……當這些能力成為了 LibTV 的技術(shù)底座時，創(chuàng)作的重心也發(fā)生了改變。

我花在「怎么生成」的時間減少了，更多精力被拉回到「哪個更好」和「我要表達什么」上。

02

當 Agent 推開「另一扇門」

目前的視頻 Agent 賽道看起來很熱鬧，但多數(shù)其實很「單薄」。

它們調(diào)用的往往只是碎片化的單點 API，本質(zhì)上只是一個「調(diào)度器」，把一個個模型串起來，完成一條線性的調(diào)用鏈。

但問題在于，這種調(diào)用是無結(jié)構(gòu)的，結(jié)果每一步都成立，但整體不成立。一旦任務(wù)從「生成一個片段」變成「完成一段敘事」，問題就會迅速暴露出來。

LibTV 直接換了個思路，直接調(diào)用一整套已經(jīng)被組織好的「創(chuàng)作能力」。

它把這套能力打包成了 Skill，可以直接部署在 OpenClaw 等平臺上，通過簡單的對話，就能實現(xiàn)「短漫劇生成 Skill」、「音樂 MV 生成 Skill」甚至是「爆款復刻 Skill」。

在實際體驗里，我直接在飛書（已安裝 OpenClaw）發(fā)給了一張足球圖和蘋果的廣告，下達指令「請復刻這個視頻風格，給我的足球做一部宣傳片」。

接下來，LibTV Agent 會自動解構(gòu)那段視頻的鏡頭語言，自己去理解鏡頭組接、寫腳本、畫分鏡、生成片段、完成剪輯。

全程我只需要等待它告訴我「做好了」，我點進生成好的視頻后，哪里不滿意，再用自然語言告知，它會直接自己再理解，再修改。

我就像一個甲方，等待「乙方」提交后，再去做審美判斷，選擇采用還是修改。

靠「復刻 skills」在飛書指令里就做出來的足球產(chǎn)品宣傳片

這背后的變化超越了單純的效率提升，是軟件設(shè)計邏輯的轉(zhuǎn)向。

過去的軟件假設(shè)「人來一步步操作」，現(xiàn)在則要做到「Agent 能接管流程」。軟件不止要比拼功能夠不夠多，也要看各個能力能否串聯(lián)，能不能被一次性調(diào)用并對結(jié)果負責。

所以問題不在于要不要引入 Agent，而在于如何分工。

LibTV 對此給出的答案更像是讓人負責選擇與審美，Agent 負責執(zhí)行與擴展。

前者決定方向，把過程中最枯燥乏味的環(huán)節(jié)解決掉，后者負責把這個方向推到極致，并且以極低成本反復試錯。

用戶可以做導演，一步步去扣細節(jié)，也可以像個甲方一樣，直接下指令，看結(jié)果。

03

1+1>2：用機器的效率增強人類的直覺

效率工具的理想狀態(tài)，是讓人不干活，但創(chuàng)作工具不能這么干，如果一個創(chuàng)作工具的目標是「讓人不參與」，那它最終一定只會生產(chǎn)內(nèi)容，做不出來作品。

而一部作品之所以成立，不是因為它完成了多少步驟，而是因為創(chuàng)作者在很多節(jié)點做出了選擇「這個鏡頭該不該停留長一點」，「這時候要不要接特寫強化情緒」，「這里音樂要停還是繼續(xù)」……

這些決定，至今沒有任何模型可以真正替代。

所以 LibTV 選擇打開兩扇門，一扇留給人類，一扇交給 AI。

這不是「手動模式」和「自動模式」的區(qū)別，而是一種可以隨時切換、互相補位的結(jié)構(gòu)。人類的直覺配合機器的算力，最終讓 1+1>2。

翻翻 LibTV 官網(wǎng)上的那些精選案例，把他們的工作流節(jié)點拆開看，會發(fā)現(xiàn)那些頂尖 AI 玩家的「人工介入度」非常高。

節(jié)點該怎么連，燈光參數(shù)怎么調(diào)，場景怎么構(gòu)建，鏡頭怎么連接……全都擺在畫布上，堪比 AI 時代的免費影像大師課。

看著這些連線和最終完成的作品，我會意識到 AI 視頻開始脫離「奇觀展示」的階段，進入到了「是否能承載創(chuàng)作者的表達」階段。也就是說，AI 影像開始具備「作品」和進入工業(yè)化的條件了。

而一旦進入這個階段，成本問題就會被重新放大。

AI 視頻創(chuàng)作曾經(jīng)是一個高試錯機制，用戶不知道哪個版本是對的，只能不斷生成、不斷推翻，就像「抽卡」一樣。而每一次點擊生成，都在燃燒用戶積分。最終，想象力會下意識給預(yù)算讓步。

但 LibTV 這次選擇當價格屠夫，39 折的年卡，模型積分定價甚至比同類競品低出 92%。

這本質(zhì)上是在降低試錯門檻，當我更愿意多試一版，多走一條分支，甚至去驗證一些原本覺得「不值得」的想法時，創(chuàng)作的結(jié)果一定會發(fā)生微妙的改變。

再往前看一步，這種「人+Agent」的結(jié)構(gòu)，其實正在重塑影像行業(yè)本身。

過去，影視行業(yè)是一條高度工業(yè)化的生產(chǎn)線。編劇、分鏡、攝影、美術(shù)、剪輯，每一個環(huán)節(jié)都需要專業(yè)分工，也需要大量協(xié)作成本。個人創(chuàng)作者很難跨越這條門檻，往往受困于資金和團隊的匱乏，而非缺乏好想法。

傳統(tǒng)的影視工業(yè)太重了，重到無數(shù)個輕巧的想法難以落地。但 LibTV 提供的技術(shù)底座，就在把這條生產(chǎn)線正在被壓縮、折疊，甚至集成到一人一平臺上。這就是所謂的 Solo Filming。

好玩的 Sweet Spot

LibTV 給我的實際上手體感，是一種「好玩」。它真的在數(shù)字世界里為我鋪開了一張沒有邊界的畫布。大學期間那些成型的劇本，曾經(jīng)因為沒錢拍、組不了團隊而被掐滅的瘋狂點子，現(xiàn)在全都有了重新顯影的可能，我可以在這上面無盡地折騰。

就算走出單打獨斗的 Solo Filming，進入視頻行業(yè)后，它也可以找到一席之地。比如某場戲的想法驗證、分鏡展示、風格測試，現(xiàn)在可以被快速壓縮、反復推演，不需要到片場開機后再叫停。

LibTV 很好「玩」，可以用較低的時間成本，就驗證一個模糊的想法

LibTV 剛好是在中間的平衡點上。

再往「手動檔」那邊走一點，會復雜到只能服務(wù)于受過科班訓練的影視從業(yè)者，再「自動化」一點，一切都被設(shè)置好了，人就只能不斷抽盲盒。

而在技術(shù)和創(chuàng)作的十字路口，LibTV 一邊是足夠扎實的產(chǎn)品底座，把生成、分鏡、剪輯這些原本分散的能力收攏在一起。

另一邊，是對影視創(chuàng)作流程本身的理解，它知道一部作品不是「生成」的，而是一步步推演出來的。正因如此，它既沒有把人困在繁瑣的細節(jié)操作里，也沒有把人直接踢出創(chuàng)作鏈路。

當一個工具足夠懂行，它一定能懂在一個行業(yè)中，「專業(yè)的人」有多重要。

就像資深影視從業(yè)者鄭林在《未來 1500 天，影視行業(yè)的錢會被這 1% 的人賺走？》那篇文章里所說的：「未來五年，這個行業(yè)里最值錢的東西……是一個真正懂行的人在看完一千個 AI 生成的畫面后，安靜地指著其中一個說：就是這個?！?/p>

最終，在那塊無限延伸的畫布上，算力、大模型和 Agent 最終都化作了托底的暗流。

水面之上，只有創(chuàng)作者的審美、判斷、選擇和最純粹的表達欲，以及那個早就該被講出來的好故事。

*頭圖來源：LibTV

本文為極客公園原創(chuàng)文章，轉(zhuǎn)載請聯(lián)系極客君微信 geekparkGO

極客一問

你如何看待 LibTV ？