改造 100 多年的影視行業，需要的不止是好模型

Solo Filming 時代真的要來了。

作者｜Moonshot

編輯｜鄭玄

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

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

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、服化道設計、布光天氣、場面調度；在后期要梳理鏡頭，捕捉故事線和剪輯節奏......

一部好作品的誕生，來源于這樣一套高度結構化的流程——這也是目前許多視頻 Agent 產品的困境：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流程的 AI 創作平臺。

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，構成了一個足夠強的技術底座。

使用 LibTV 生成的 AI 短片

但更關鍵的是它在試圖解決另一個層面的問題：統合這些技術，形成一個可控的創作過程。

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

當生成不再是問題后，怎么調度才是關鍵的下一步。

01

用戶真正想要的：「導演」的絕對控制權

目前的創作工具，正在兩個極端之間搖擺。

一端是只有 chatbot 的對話式生成。它本質上是黑盒，創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構性的關聯。

另一端是節點式工作流。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點工作流的復合形態。

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，各自以節點的形式存在，但它們之間的關系是開放的。

角色設定、場景草圖、視頻片段可以被并排擺放，整個項目的結構是全局可見的，創作者可以自由且動態地連接不同的處理環節，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，創作過程從「進入工具」變成「操作空間」。

畫布上的每一個功能節點都具備高度的可編輯性和可調試性，而這些變化會在整個畫布中產生連鎖反應。創作者逐漸理清敘事脈絡的過程，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的軟件語言去描述，更接近一種「把思考外化」的過程。隨著節點逐漸增多，創作者對自己片子的實現路徑也會逐漸清晰，這種感覺像極了影視創作中的「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得尤為直接。

推演與排練

傳統的 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，結合上 LibTV 的技術底座，能讓一位獨立的創作者，用極低成本完成一個商業級別的 Pre-vis 視覺預演。

尤其是在傳統的影視工作流里，創作者寫下一行劇本，往往要等上幾個月才能在監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期。它會給出過于具體的鏡頭描述、調度建議，甚至包含一些接近專業制作流程的細節。

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

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

敘事的能力

LibTV 系統目前能夠支持生成超過 5 分鐘的視頻內容，這是影視專業大二短片作業的時長要求，而在 AI 視頻領域，這是一個技術分水嶺。

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短劇，或者試圖打造單一 IP 形象的創作者來說非常重要，它能讓短片里的 AI 演員不再變來變去，這是敘事成立的基礎之一。

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 的技術底座時，創作的重心也發生了改變。

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，但多數其實很「單薄」。

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

但問題在于，這種調用是無結構的，結果每一步都成立，但整體不成立。一旦任務從「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，直接調用一整套已經被組織好的「創作能力」。

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「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品宣傳片

這背后的變化超越了單純的效率提升，是軟件設計邏輯的轉向。

過去的軟件假設「人來一步步操作」，現在則要做到「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，能不能被一次性調用并對結果負責。

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 負責執行與擴展。

前者決定方向，把過程中最枯燥乏味的環節解決掉，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，也可以像個甲方一樣，直接下指令，看結果。

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，是讓人不干活，但創作工具不能這么干，如果一個創作工具的目標是「讓人不參與」，那它最終一定只會生產內容，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，而是因為創作者在很多節點做出了選擇「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」……

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」的區別，而是一種可以隨時切換、互相補位的結構。人類的直覺配合機器的算力，最終讓 1+1>2。

翻翻 LibTV 官網上的那些精選案例，把他們的工作流節點拆開看，會發現那些頂尖 AI 玩家的「人工介入度」非常高。

節點該怎么連，燈光參數怎么調，場景怎么構建，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 視頻創作曾經是一個高試錯機制，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，創作的結果一定會發生微妙的改變。

再往前看一步，這種「人+Agent」的結構，其實正在重塑影像行業本身。

過去，影視行業是一條高度工業化的生產線。編劇、分鏡、攝影、美術、剪輯，每一個環節都需要專業分工，也需要大量協作成本。個人創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。

傳統的影視工業太重了，重到無數個輕巧的想法難以落地。但 LibTV 提供的技術底座，就在把這條生產線正在被壓縮、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，曾經因為沒錢拍、組不了團隊而被掐滅的瘋狂點子，現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，會復雜到只能服務于受過科班訓練的影視從業者，再「自動化」一點，一切都被設置好了，人就只能不斷抽盲盒。

而在技術和創作的十字路口，LibTV 一邊是足夠扎實的產品底座，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操作里，也沒有把人直接踢出創作鏈路。

當一個工具足夠懂行，它一定能懂在一個行業中，「專業的人」有多重要。

就像資深影視從業者鄭林在《未來 1500 天，影視行業的錢會被這 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文章，轉載請聯系極客君微信 geekparkGO

極客一問

你如何看待 LibTV ？