3月18日，LiblibAI 發(fā)布 AI 視頻創(chuàng)作平臺 LibTV，上線首日訪問量突破 10 萬。該產(chǎn)品集成可靈 3.0（Kling 3.0）等主流視頻模型，并采用“人類創(chuàng)作者 + AI Agent”的雙入口結(jié)構(gòu)，支持從腳本、分鏡到成片輸出的完整創(chuàng)作流程。產(chǎn)品上線正值視頻模型密集迭代與 OpenClaw 等「龍蝦 Agent」快速擴散階段。

　　從“生成工具”到“創(chuàng)作系統(tǒng)”，LibTV的切入方式

　　LibTV 的核心變化，不在單一模型能力，而在產(chǎn)品結(jié)構(gòu)。

　　它以“無限畫布 + 節(jié)點式工作流”為基礎(chǔ)，將劇本、分鏡、鏡頭、剪輯等環(huán)節(jié)組織在同一個空間中，使視頻創(chuàng)作從線性操作轉(zhuǎn)為結(jié)構(gòu)化流程。創(chuàng)作者可以在畫布上逐步搭建內(nèi)容，并對任意節(jié)點進行修改與復用。這種設(shè)計更接近影視制作流程，而非傳統(tǒng) AI 工具的對話式交互。

　　在能力層面，LibTV 集成了多模態(tài)模型體系，包括可靈 3.0、Wan 2.6、Seedream 5.0、Midjourney V7等多模態(tài)模型以及 Mureka 音頻生成模型等，覆蓋文本、圖像、視頻與音頻生成。

　　不同能力不再分散在多個工具中，而是被統(tǒng)一納入同一工作流中。當模型逐漸成為標準配置之后，產(chǎn)品的差異開始體現(xiàn)在如何組織這些能力，以及是否能夠支撐更復雜的創(chuàng)作任務(wù)。

　　LibTV上線了20項獨家功能，頗受專業(yè)影視創(chuàng)作者喜愛，包括角色三視圖生成、主體庫（角色一致性管理）、多機位 9/25 宮格、劇情推演 4 宮格、畫面推演（3 秒后 & 5 秒前）、電影級燈光控制（24 種主光位、9 種輪廓光預設(shè)）、鏡頭聚焦、9/25 宮格切分。

　　Agent成為新入口，軟件開始同時服務(wù)“人和AI”

　　除了創(chuàng)作結(jié)構(gòu)的調(diào)整，LibTV 另一項更受關(guān)注的變化，是其“雙入口”設(shè)計。在傳統(tǒng)圖形界面之外，LibTV 同時提供面向 AI Agent 的 Skill 接口，使外部 Agent 可以直接調(diào)用其視頻生成能力。通過 OpenClaw 等 Agent，用戶可以以自然語言、鏈接或文件作為輸入，由 AI 自動完成從腳本生成、分鏡設(shè)計到視頻輸出的全過程。

　　過去的軟件主要面向人類用戶設(shè)計，API 作為補充能力存在；而隨著 Agent 使用的普及，軟件需要同時適配人類操作與 AI 調(diào)用兩種路徑。如何讓 Agent 更高效地使用軟件能力，正在成為產(chǎn)品設(shè)計中的新問題。

　　LibTV 將這一問題直接納入產(chǎn)品結(jié)構(gòu)中。

　　LiblibAI：一條少數(shù)公司走通的路徑

　　在定價上，LiblibAI 展現(xiàn)出一種少見的進攻性。這背后并非短期補貼，而是基于其廣泛的模型與算力合作網(wǎng)絡(luò)所形成的成本優(yōu)勢。

　　其模型合作伙伴包括豆包大模型、Hailuo AI、可靈 AI、Kimi、Mureka、PixVerse、千問大模型、生數(shù)、智譜等，覆蓋視頻生成、圖像生成、多模態(tài)理解與音頻創(chuàng)作等多個方向。在基礎(chǔ)設(shè)施層面，LiblibAI 同時與阿里云、Google Cloud、火山引擎、騰訊云、亞馬遜云科技等云與算力平臺建立合作關(guān)系。

　　這一組合，使其能夠在不同模型能力之間進行調(diào)度與整合，并在成本、性能與可用性之間取得更靈活的平衡。

　　當多數(shù)產(chǎn)品仍受制于單一模型成本結(jié)構(gòu)時，LiblibAI 已經(jīng)可以通過整合供給側(cè)資源，重新定義價格區(qū)間。

　　在當前的 AI 競爭格局中，LiblibAI 代表的是另一種少見但越來越清晰的路線。過去兩年，大多數(shù)公司圍繞模型展開競爭，試圖通過更大的參數(shù)規(guī)?；蚋鼜姷纳赡芰⒈趬尽６?LiblibAI 選擇了一條不同的路徑：不做單點能力的極致，而是構(gòu)建一整套創(chuàng)作基礎(chǔ)設(shè)施。

　　這條路徑的難度更高，但一旦成立，邊界也更大。

　　從圖像社區(qū)起步，聚集模型與創(chuàng)作者；再通過星流等設(shè)計 Agent 重構(gòu)設(shè)計流程；再到 LibTV 進入視頻創(chuàng)作，逐步覆蓋更高復雜度的內(nèi)容生產(chǎn)環(huán)節(jié)。這條路徑的核心，不是自己做更強的生成能力，而是把分散的模型、工具與流程，組織成一套可持續(xù)運轉(zhuǎn)的創(chuàng)作體系。

　　這種策略帶來的結(jié)果是，LiblibAI 并不直接參與模型競賽，卻在持續(xù)吸收整個行業(yè)的能力紅利。當 Seedance、可靈等模型不斷迭代時，其能力可以被快速納入系統(tǒng)并轉(zhuǎn)化為用戶體驗。隨著 AI 創(chuàng)作從“生成能力”轉(zhuǎn)向“如何完成創(chuàng)作”，圍繞流程、系統(tǒng)與 Agent 協(xié)同的產(chǎn)品形態(tài)開始成為關(guān)鍵變量。

　　在模型之上，LiblibAI 正在占據(jù)一層新的位置。