LibTV：AI视频Agent让专业创作技能一键复用
今年七月在纽约的日子里，我在中央公园的长椅上偶遇了一只大胆的松鼠。它蹦到我身边，扒着手里的冰咖啡，几乎要够到吸管，这一幕被我随手拍了下来。放在以前，大概只会发个朋友圈作罢，但这次我试着用了一款AI创作工具，把这个场景变成了30秒的皮克斯风格动画。
完成整个创作只花了21分钟，背后的帮手是一款专业对话式AI视频创作Agent。该平台三个月前上线时就吸引了十万创作者，此前我也曾了解过它的团队版功能，而这次推出的Agent功能，把专业的视频创作流程完全交给了AI对话体，甚至连剪辑和加字幕都可以通过语音指令完成。这款工具今日正式上线，官方地址可以通过相关入口访问。
从一张照片到完整动画的创作流程
我在Skill商店选择了“皮克斯动画广告”这个模板，所谓Skill其实就像是一份专业的导演工作手册，把这类视频的创作步骤和创作逻辑都内置在了里面。只需要上传照片、输入简单的需求，整个创作流程就启动了。
AI很快识别出了照片里的松鼠、带绿色吸管的冰饮和米白色托特包，只问了我一个选择：横屏还是竖屏。随后给出了四个角色方案，我选了戴着迷你墨镜的纽约街头松鼠形象，这个造型确实很符合我对纽约街头的刻板印象，质感也接近《疯狂动物城》里的角色设计。
真正让我惊讶的是它的创作逻辑。不同于很多AI工具只生成单次画面，这款Agent会先为每个元素生成单独的资产定妆照，也就是所谓的“锚点”，生成后会停下来等待我确认，满意后再继续下一步。这让整个场景的创作变得完全可控：后续18个镜头里的所有元素都会按照这些锚点来生成，每一步都有我的判断参与其中。
接下来，AI生成了故事大纲和分镜草图，每一格都是铅笔线稿，还标注了具体的运镜方式，比如第一镜用了“极端大特写，荷兰角15度倾斜”，故意倾斜的画面带来了莫名的紧张感。我上个月刚在洛杉矶的奥斯卡电影博物馆见过类似的分镜手稿墙，当年希区柯克甚至认为分镜画完电影就已经拍完了，没想到一个月后，这样的分镜文档由AI为我生成出来，哪怕创作时不用细看，事后翻读也像是上了一堂专业的导演课。
两段视频并行生成，搭配爵士风格的BGM完成合成。照片里的绿吸管、托特包，甚至长椅上的金属铭牌都被完整还原，星巴克的logo细节也精准到可以直接用于广告，参考图的保真度相当高。内置的时间线剪辑器支持双轨道编辑、字幕添加和转场效果，全程不需要跳出平台就能完成所有剪辑工作。
这款AI创作工具的核心设计
很多同类AI视频工具都有一个通病：生成15秒的漂亮画面很容易，但完整的视频创作绝不是一次生成就能完成的。从故事到剧本，从镜头编排到角色统一，再到后续的返工修改，大部分工具都会在第一步之后就把烂摊子留给用户。而这款Agent的做法是承接所有流程，从策划到成片交付，专业流程一个不落，只是不需要用户亲手执行每一个步骤。
它的架构分为三层：最底层是数十个图像、视频和音频模型，中间层是可编辑的画布，每个镜头都是可以单独重新生成的节点，最上层则是Skill商店，也就是所谓的“选择一个Skill，就相当于聘请了一位专业AI导演”。商店里的每个Skill都有创作者署名和使用数据，比如截稿时韦斯安德森电影美学风格的Skill就有近120人使用，古典武侠、女频短剧、拉片复刻等风格也都有创作者上架。专业的广告导演和短剧团队把经过验证的工作方法写成Skill挂在商店里，使用者可以直接调用，而创作者也能获得对应的收益。官方还设立了1000万的激励基金，通过验收的每条Skill可以获得500到2000元的奖励，后续还会根据真实使用量提供长期分成。
我自己也曾在今年四月开源了女娲.skill，在GitHub上获得了2.6万的星标，核心思路就是把个人的思维方式提炼成可被AI调用的文档。我一直相信，创作方法论可以被写成标准化文件，而这些文件可以被AI直接执行。这款工具把同样的逻辑搬到了视频创作领域，于是我决定用它为女娲项目制作一支宣传片。
定制风格的宣传片制作
我构思了一个“女娲人物蒸馏馆”的设定：大师们被提炼成发光胶囊，收藏在前台身后的编号墙里，顾客取号借走胶囊后，拧开就能看到薄荷绿色的学者鬼魂悬浮在头顶，为其提供指点。这个设定最适合搭配韦斯安德森的电影美学风格。
我把女娲的介绍和四幕剧本输入到对话框里，AI很快就把它变成了一个完整的剧组。它为五个角色分别设计了多套造型供我选择，确认后还生成了正、侧、背三个角度的白底三视图，就连半透明的学者鬼魂都有专属的定妆照；四个场景也各提供了四张候选图供我挑选。
当13镜的分镜表出来时，我忍不住笑了：每个段落的交界处，AI自动添加了韦斯安德森标志性的“急摇转场”，而我全程都没有提过这个要求。就连落版字卡的镜头，AI都标注了“后期叠加，不烧进生成画面”，它清楚地知道视频模型渲染文字的效果并不好，这种细节就像是真正在片场工作过的人才能注意到的。
中途我提出想添加少量英文台词，AI为六个镜头分别补写了台词，前台服务员的台词是“Capsule No. 7,431. Distillation complete.”，编号精确到个位，完美贴合了韦斯安德森风格的冷峻感。
有一个门面大全景的镜头我觉得太过安静，于是点开这个5秒镜头的节点，重新编写提示词，让两位门童镜像走位开门，只花了135积分就完成了重生成，其他12个镜头完全没有受到影响。这类工具真正的价值之一，就在于返工的颗粒度可以精细到单个镜头。
这套操作依托于画布的两种视图：故事板视图就像一个资产陈列室，锚点、文档和视频分栏摆放，适合整体验收；工作流视图则是全片数十个节点的连线图，可以精准定位到需要修改的单个镜头。
收尾阶段的全能管家体验尤其出色：当我要求叠加落版字卡和字幕时，AI先通过ASR自动识别六句台词生成字幕，再生成腮红粉色的字卡背景供我四选一，最后合入片尾。合成界面本身也自带基础剪辑功能，裁剪、字幕、转场都可以手动微调。最终交付的70秒宣传片，搭配复古管弦乐BGM，从一段文字介绍到完整的风格化短片，只花了一个晚上的时间，之后就可以直接放入女娲项目的README文档中。
把个人创作经验转化为可复用的Skill
最后我想验证一下这个生态的另一面：普通人能不能把自己的创作方法上架为Skill。
我上传了七张实拍照片：渡轮上的自由女神像、Halal餐车前的背影、剧院区的霓虹灯光、楼宇峡谷间的粉紫色晚霞。我告诉AI，我住在时代广场附近，每天都在喧闹的城市里奔波，有天专门坐渡轮出海看自由女神，想要创作一支40秒的影像诗，核心情绪是“这座城市很喧闹，但从渡轮上回头看它的时候格外安静”，旁白需要带有伍迪艾伦的风格。
AI生成的旁白里有一句“风很大，帽子快飞走了”，这句话是它从我那张渡轮上按住帽子的照片里自动解读出来的细节。最终成片时长41秒，中途我提出要求把所有画面统一为16:9横屏，AI识别出有四个分镜是用竖版照片生成的，只重新生成了这四个镜头，横版的两个镜头、旁白和BGM都直接沿用，只需要重新合成即可。
之后我让AI把这次的创作对话总结成Skill，它自动提炼出了一个名为“城市影像诗-照片转短片”的个人Skill：简介、使用场景、输出内容都自动填写完整，正文里还包含了情绪叙事轴、三维素材解构、旁白五段式结构，第一句甚至直接点明了理论核心：“影像诗的核心不是记录事件，而是传递情绪体验”。
这个Skill现在保存在我的账户里，可以反复调用。对于像我这样长期旅居的人来说，之后每天上传几张照片，就能快速生成可以直接发布到社交平台的Vlog短片。作为一个写了一年多SKILL.md文件的人，看到这一幕确实很有感触：创作方法论正在变成跨平台的通用资产。
顺带一提，这款工具还提供了官方CLI工具，只需要一行指令就能将其接入你的AI工作流。想要尝试的话，可以直接将安装指令发送给你的代码助手：
请帮我安装 LibTV CLI Skill：https://liblibai-web-static.liblib.cloud/cli/1.1.1/libtv-cli-skill.zip有一件事是AI永远替代不了的：创意。松鼠的故事之所以成立，是因为真的有一只松鼠抢过我的咖啡。Skill提供的是执行创意的完整流程，但创意本身依然属于创作者。反过来说，“没有专业技能无法完成创作”这个借口，往后可能就不太站得住脚了。
创作的本质与未来
2025年初，我曾在社交平台上纠结过要不要继续坚持做视频，当时写下过一句话：“难道视频剪辑对我而言是件很痛苦的事吗？那我不妨想想怎么把这件事变成一件有趣且能乐在其中的事。”
一年半过去，我并没有成为专业的剪辑高手，但也不再需要了。专业的创作者把自己的手艺写成Skill，我只需要挑选合适的模板，把自己的故事讲给AI听。这个七月，我刚好站在了这件事的两个侧面：在女娲项目里，我是提炼方法论的人；而在这款工具里，我是调用他人方法论的使用者。创作方法论的供给端和需求端被彻底打通，写方法的人获得认可和收益，用方法的人省去学习成本，整个生态实现了双向共赢。
比起阅读这篇文章，我更建议你亲自尝试用这款工具制作一段有趣的动画，或是为自己的产品制作一支专业级的宣传片，这样你才能真切感受到，如今的专业AI视频创作工具已经达到了怎样的水准。
