LibTV实测，Agent们终于不再需要模仿人类来使用软件了

🔗 liblib.tv重要的是，LibTV已经有了自己的 Skill，能够连到 OpenClaw 里面用，这下我的虾又变厉害了！那我这次先直接按照我之前的创作习惯，在 LibTV 里做了一个蒙娜丽莎出逃的小短片，可以调用我们目前能用的几乎所有图片和视频生成模型。

实际上上手非常快，基本上没有什么学习成本，你只需要会创建节点，拉节点，写提示词进行生成就行了。

而且 LibTV 可以根据你给的一个大概的剧情自动设计完整的分镜脚本，支持一键批量生成分镜图片和批量生成视频，做起来速度非常快。

而且除了图片，视频生成之外，LibTV在图片编辑和视频编辑方面的功能也非常全面。比如我们生成一张图片之后，点击它会发现，上面的功能栏里面几乎囊括了目前所有 AI 图像编辑方面的功能，高清，扩图，重绘，擦除，抠图这些都有。

除了这些生成功能之外，这里还有四个我个人觉得比较有趣，而且实用性还挺高的功能，多角度、打光、摄像机控制和九宫格切分。首先是多角度这个功能，可以通过拖拽摄像机来调整拍摄的角度，这样就非常直观，能够迅速找到自己想要拍摄的位置，从而得到相应的图片。试了几次，这个角度调整还挺精准的。

还有这个打光功能，也可以直接拖拽去调整光源的位置和颜色。而且如果你不好把握光源位置的话，也可以直接用它提供的一些主光源位置。通过这个功能，我们可以非常直观地得到想要的打光角度。最终生成的图片效果，与我设置的光源位置和颜色都是完全一致的。

还有啊，LibTV做了一个摄像机控制功能，内置了非常多的相机种类，镜头，焦段和光圈，可以适应多种场景的需求，比如这里有四张图，就是我用同一张图作为底图，使用了同样的提示语，但是用了不同的摄像机组合来做出的图片，摄像机镜头、焦段和光圈的不同搭配，其实能够做出不同的效果。对于一些非常懂摄像机方面专业知识的人来说特别友好，能够精准地得到自己想要的光线和拍摄角度。

这里我还总结了四组适合拍摄不同类型画面的镜头组合，大家感兴趣可以自己去尝试一下。

还有一个九宫格切分的功能，我觉得也很有用。之前我们玩 AI 视频的时候，经常会用到一种用九宫格去生成一整段视频的玩法。但是中间经常会出现一些问题，比如某一个分镜可能不太准确，而其他分镜做得很好。针对这种情况，我们可以直接把九宫格拆分成九张图：你可以对每一张图单独去生成你想要的分镜，生成后可以替换回原本完整的视频里。或者如果你对其中某一个分镜图不是很满意，或者它有一点 bug，你可以单独去修改这张图。这样的话灵活性就更高了。

再有就是在生图节点上，LibTV 也有很多已经内置好小功能。我们在视频创作过程中，经常会要修改部分分镜图片，这几个都是我觉得会经常使用到的，这样已经把这些提示语内置成了固定的功能，会非常方便。

那到了视频生成阶段，一段视频生成完成之后，你还可以继续对这段视频直接进行剪辑，或者高清处理。这里还有一个功能叫做解析。

它可以直接把一段视频拆成分镜脚本。这样的话，假设你有一个想要参考的视频创作，你可以用 LibTV 去分析它的分镜，得到分镜脚本，然后再按照这个脚本进行修改，生成自己的内容。

在OpenClaw里用LibTV也很简单，

只要发一段文本就行，

然后就是在网页版的账号设置里拿到AccessKey，再发给OpenClaw完成配置和第一次测试。

也可以直接在飞书上传一个视频，让他调用 LibTV 去模仿这个视频做一个。我这里给了他经典的腾哥的你过来啊片段，然后得到了一个 3D 动画版本的，实际上效果也还不错。

libtv-skills在安装完成后给我发了一个说明文档，我用GPT总结了一把。简单来说，这个Skills在实现上只依赖Python标准库，不需要我们电脑再额外安装第三方依赖。上传文件支持图片和视频，大小在200MB以内。那它跟我们看到的封装了一些视频模型API能力的Skills有什么不同呢？

libtv-skills相当于一个中间层，API封装的Skills是把我们在网页版上操作流程组成脚本，我们要自己去完成提示语的编写，流程推进等等。但libtv的思路是尽可能让用户用自然语言表达意图，由他们的视频Agent来完成统一的编排。最后的最后，又到了紧张刺激的价格环节，用Agent生成，调用模型的次数是会比手动的平均要高，靠量来换审美，一次抽卡不好，我就抽十次选最好的。所以价格不压下来的话，就很少有人会用Agent直接成片的。LibTV目前的定价是年卡最低39折，我是直接入了一年先踩踩坑。而且就现在的趋势来说，我觉得人和AI会变得越来越融合。人类提出想法，AI帮我们去完善这些想法，帮我们执行中间的一些过程。而最终拍板整个故事走向哪一个分支的，永远都是我们。