作者 ｜ 董道力 微信 ｜ ddl941110

仅凭当前模型惊人的实测生成能力，人们很容易产生一种错觉：人人皆可拍电影的可能刻时代已然降临。

然而，普通真正深入实操后才会发现，人最痛点远未消除：AI 能瞬间生成惊艳的接近几秒钟画面，却难以直接交付一条结构完整的导演作品。

因为视频不仅仅是实测镜头与素材的堆砌，一部完整的可能刻作品还需要剧本支撑、人物塑造、普通分镜设计，人最以及贯穿始终的接近反复打磨与修改。

市面上许多所谓的导演“视频 Agent”，本质上只是实测在生成模型前加了一个对话框。用户输入一句话，可能刻最终得到的普通依旧只是一小段孤立画面。因此，判断一个视频 Agent 是否真正具备生产力，存在一个朴素且核心的标准：它能否帮助普通人独立完成一条可交付的完整作品。

LibTV Agent 的核心使命，正是填补从“零散素材”到“最终成片”之间的巨大鸿沟。

LibTV 选择在此时推出 Agent，是因为过去几年分散发展的三个关键条件终于成熟：

1. 视频模型具备加工价值：创作者不再需要从零开始，而是可以保留已有优质素材，在此基础上补充缺失镜头。
2. 工具链实现闭环：LibTV 的画布、节点和故事板功能，将脚本、图片、视频、字幕、音乐和剪辑整合进同一个项目，极大减少了跨工具搬运素材和重复解释需求的时间成本。
3. 经验结构化（Skill）：LibTV 将广告、短剧、MV、自媒体等真实项目中的创作经验整理为 Skill。Agent 无需每次从头摸索，而是能直接调用不同场景下的工作流和修改逻辑。

当模型提供可加工的素材，创作工具连成制作线，且项目经验可被 Agent 调用时，视频 Agent 才第一次有机会跨越“生成单个镜头”的局限，真正推动创作走向一条可交付的作品。

1. 实测 LibTV Agent：如何辅助完成一部作品？

为了验证 LibTV Agent（https://www.liblib.tv/）的实际生产力，我进行了三组差异化测试：

• 测试 1：仅提供一段参考视频和一个模糊创意，观察其从概念到成片的推进能力。
• 测试 2：提供几张人物素材，考察 Skill 在缺乏明确创作方向时的增量价值。
• 测试 3：直接上传完整短剧剧本，测试其管理人物、场景及大量镜头的能力。

测试 1：幻想动画

我上传了一段《红辣椒》的片段，仅向 LibTV Agent 提供一个较为抽象的想法，希望以此为基础制作一条幻想动画。

LibTV Agent 对参考视频的理解超出了预期。它不仅识别出了今敏及其作品《红辣椒》，还精准提炼出“日式赛璐璐动画”、“超现实奇幻”、“人物穿过屏幕进入现实”等关键视觉与叙事元素。

在分析参考片后，Agent 并未急于生成画面，而是先搭建故事框架。

接下来的过程宛如与创作团队召开前期筹备会。它会主动追问我对故事的理解，确认情节逻辑、画风倾向（是贴近原片还是更现代化），以及必须保留的核心元素。

诚然，第一版生成结果并非完美无缺。

例如，在一个深夜办公室场景中，根据剧情逻辑，角色小 A 应从电脑屏幕中钻出，但生成结果却凭空多出了一块屏幕。

这是 AI 创作中常见的“抽卡”偏差。在传统工作流中，这意味需要重新打开网页生成，再重新剪辑合成。

LibTV Agent 简化了这一流程：只需进入故事板，定位对应场景，修改该镜头的提示词即可，无需额外操作。

在切换模型时，我遇到了参考视频时长不匹配的问题。不同模型对参考素材的时长要求各异，LibTV 在故事板中提供了剪辑入口，可直接截取所需片段，无需退出项目重新处理。

此外，它支持通过自然语言调整镜头衔接。例如，我认为镜头一与镜头二之间跳跃过快，便直接指令 Agent：“在此处增加一个关电视的转场。”Agent 随即补充相应画面，并自动将其放回原序列。

LibTV Agent 还支持一键生成双语弹幕，为后期包装节省了大量时间。

最终成片成功保留了“人物穿过屏幕”、“现实与幻想相互侵入”的核心质感。

测试 2：球队宣传片

第二组测试旨在探索：当拥有素材但缺乏创作方向时，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经验，整理成 100 多个可供 Agent 调用的 Skill，构建了专业的视频 Skill Hub。

Skill Hub 能否持续扩充，关键在于创作者是否愿意分享真正有效的方法论。LibTV 推出的 1000 万元激励计划，正是为了解决这一生态问题。

我从 Skill Hub 中选择了“杜琪峰站位风格”，计划为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，仅简单描述所需氛围，其余工作交由 LibTV Agent 处理。

最终画面中，多人站位、低调照明以及阴暗潮湿的环境氛围均得到了出色呈现。几张独立的球员照片被有机组织成具有统一视觉风格的镜头组。

这条片子并非简单套用滤镜。球员的站位逻辑、镜头切换节奏、环境压暗程度，均深刻体现了该 Skill 的影响。

若现成 Skill 不适用，用户也可自定义创建。LibTV 提供了模板创建功能，引导用户逐步填写参数。

我尝试了一种高效方法：上传一段喜欢的视频，让 LibTV Agent 分析其镜头结构、视觉特点及创作手法，再根据提示将精华部分整理为新 Skill。

例如，我上传了一些动漫战斗片段，让 Agent 分析提取要素，制作了一个“哒哒哒”风格 Skill，效果显著（除了两只猫的动作略显顺拐）。

测试 3：短剧

若要寻找最能体现 AI 视频生产力的场景，短剧无疑名列前茅。

我先利用 AI 撰写了一份符合短剧爆款逻辑的剧本，随后将其完整上传至 LibTV Agent。

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

这一步至关重要。短剧通常人物众多、镜头密集，若未提前固定角色、服装、场景和关键道具，生成几轮后极易出现一致性漂移。

随后，LibTV Agent 将整部短剧的制作过程铺设为一条可视化工作流。用户上传的素材、生成的图片和视频均保留在画布上，并通过节点连线展示其逻辑关系。

点击任一素材，即可继续进行生成、替换或编辑。用户可以清晰查看某镜头涉及的人物与场景，并沿连接关系追溯上游素材。

素材增多时，在画布中寻找目标变得困难。此处有一个实用细节：在 Agent 对话中点击对应图片或视频，画布会自动定位并选中该素材，无需在数十个节点中手动翻找。

短剧人物多、镜头密，完整工作流易使画布过载。此时可切换至故事板视图，隐藏暂时不需处理的节点，仅保留按序排列的镜头。

我习惯将镜头列表置于左侧，在右侧大预览区逐个审查。这种方式便于边观看边调整镜头内容与顺序。

最终成片在人物关系、冲突节奏及镜头衔接上，已具备短剧特有的叙事韵味。

2. 从“生成”到“交付”：AI 视频的新战场

三组测试对应了视频创作的三个阶段：

1. 幻想动画：将模糊灵感拆解为故事与分镜，通过局部迭代逐步成型。
2. 球队宣传片：借助 Skill，将零散人物素材整合为统一风格。
3. 短剧：进一步管理人物、场景及数十个镜头间的复杂关系。

LibTV Agent 的价值由此清晰显现：它不仅仅生成画面，更在尝试接管从“创意”到“交付”的完整流程。

过去一年，AI 视频的竞争几乎聚焦于“第一帧”：谁生成的画面更长、更逼真、运镜更惊艳。

但当模型越过可用阈值，高质量镜头将变得越来越多、越来越廉价。镜头供给的爆炸，并不会自动转化为作品供给的爆炸。

真正稀缺的资源正在向后移动。

• 在几十个镜头中，哪些值得保留？
• 人物和画风如何保持长期统一？
• 客户口中的“感觉不对”如何转化为具体的修改指令？
• 临近交付时，剩余的问题由谁收尾？

这些工作虽无生成瞬间那般惊艳，却决定了素材能否升华为作品。

LibTV Agent 切入的，正是 AI 视频领域最不性感、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否被持续使用。

点个 “ 爱心 ” ，再走吧