LibTV 上线 Agent，做视频的难度又下降了

LibTV 上线 Agent ，看着做视频的难度又下降了？立马前去一探究竟。

这次主打视频的skill，体验下来易用性非常高，先选一个Skill，相当于请一位专门的导演——风格、镜头、剪辑套路全归他管，我们只管提需求。

一、外卖小哥怎么就上了世界杯决赛的门线

世界杯期间，整点乐子，选的 Skill 是"无厘头喜剧"：

生成一个搞笑短片：世界杯决赛点球大战最后一轮，外卖小哥送餐误入球场，被当成替补守门员推上门线，他拎着麻辣烫完成了扑救，全场欢呼。要求转场丰富、带双语字幕、节奏快一点，给成片配有节奏感的音乐，时长30秒以上。

 该图片疑似使用了AI生成技术，请谨慎甄别

然后它反倒抛回来三个问题：角色形象怎么处理？场景要什么调性？包袱往哪儿抖？

我一个一个答：角色让它自己去生成，外卖小哥和裁判各出一版三视图；调性我选了"千禧年中式复古"，就是那种港片、国产老剧的旧质感；包袱的方向我挑了"小题大做"——外卖小哥拎着麻辣烫扑救这么一件小事，非要用最史诗的慢镜头去伺候，越正经越好笑。

三个问题答完，它开始设计外卖小哥和裁判的形象，给我三视图确认。我确认了句"满意，继续"；

然后出场景图。

接着它规划分镜并以文本形式给我展示。

继续生成分镜视频。之后同步生成背景音乐。最后合成成片。丝滑，一气到底，超出预期。

成片34秒，一支自带胶片颗粒感的复古搞笑短片。从我打下我得需求开始，到看见成片，没画过一张分镜图，需要我做的判断就是那两句"满意，继续"，它给的选项真的都还..不错。意料之外。

二、门童每天下午四点，遛的是一只企鹅

做一支短片：酒店门童每天下午四点准时帮302房的客人遛一只企鹅，对称构图，糖果色调。要求带双语字幕、配俏皮的弦乐，时长30秒以上。

这支片子没有参考图，走的是从零设计的路子。我以为按照惯例接下来它会问我细节，结果它说我给的信息很明确！于是开始自己写一版短剧本，叫《四点整》，开场白是——

每天下午四点整，302房的企鹅先生准时出门散步。

它自己交了一份剧本。色板也是它定的，"暖糖喜剧"——腮红粉、奶油色、黄油黄，点一抹正红。门童造型出了四套，我选深酒红滚奶油边那套；走廊和台阶两个场景又各出四张图，挨个选了一遍。参数锁定：4:3老式画幅、1080p、30秒、双语字幕。

拍摄分两段，走廊15秒，台阶15秒。走廊拍完，它自己截了最后一帧画面，拿去跟台阶那段的开场对齐，颜色、造型、光线全对上——这个"接戏"的动作没人教它，自己补上的。两段拍完，配一条俏皮弦乐，加字幕，合成。

没有世界杯，没有反转，只剩对称构图、糖果色调那种一丝不苟。换一个 Skill，风格说变就变，好用。

"精品女频短剧一键成片" skill？

“故事发生在世界杯决赛的雨夜，体育场地下通道：国家队队医林晚正给队长陆沉舟缠绷带，队务总监赵总监走过来发难。”

剧本贴进去，它先问了两件事：视觉风格（选了"女频柔光写实"）、画面比例——它建议竖屏更适配短剧的情绪表达，我采纳了。

它先把剧本里的每句台词逐字数了一遍，按字数去分配每个镜头该给多长时间。台词和口型对不上是短剧成片的老毛病，它把这道数学题解了。

角色设定图、场景图出齐，整支片子拆成三段十五秒：第一段队医缠绷带、总监发难；第二段队医反击、队长若有所思；第三段队长转身离开、灯光骤亮全场欢呼、队医攥紧绷带定格收尾。

没那么顺利。 第一段视频头一次生成，直接被拦了——触发了平台的版权检测。它没绕开硬闯，先做了个"最小修正"：把可能触发检测的场景引用去掉，提示词精简一遍，重新提交，第二次过了。

紧接着又冒出个更隐蔽的问题：三段视频合出来一听，第二段第三段都带着完整对白，唯独第一段——全是缠绷带的动作戏——安安静静，没一句人声。它没拿假声音凑数，老实标了一句："这段没有对白音轨，字幕需要后期配音才能加上。"先把音量和配乐处理好，能交的先交出来。

成片45秒，钢琴加弦乐，从冷峻一路积聚，到高潮处戛然而止。最后它自己做了一次体检，把定的规则挨个打勾——风格对不对、时长够不够、字幕烧上没有。"某段没有声音"的问题，它没漏没隐藏，老实标了个警告。

工具愿不愿意主动告诉你它哪里没做到，比它做对了多少更让人放心。

前三支片子，我借的都是别人调好的 Skill。第四支想更进一步：把自己一晚上反复在用的套路，存成一个自己的 Skill，取名"热点快闪短片"——接一个热点事件，配一个反差感十足的小人物，30秒左右，快节奏，自带双语字幕和卡点音乐。

创建时要填三块：什么场景下用（给一个热点+一个反差角色）、怎么用（不用写剧本，按固定三幕节奏自动展开）、最后产出什么（30到45秒、电影感调色、转场丰富的成片）。填完保存，拿它试了一把。

用 热点快闪短片 做一个视频：世界杯决赛之夜，一个加班到深夜的程序员在空无一人的办公室里，用键盘、椅子和垃圾桶复刻了决赛的制胜进球，最后瘫在椅子上对着窗外城市夜景欢呼。

它先把定义的三幕结构复述一遍：赛场全景开场，深夜办公室程序员用办公用品复刻进球，最后瘫在椅子上对夜景欢呼收尾——像是在确认理解得对不对。我说对，它接着规划了四个核心画面，写出一份13镜的分镜表，总时长33秒左右，开始并行生成。

这里又卡了一次。 前几个镜头顺利跑出来，其中两个生成失败——问题出在提示词里引用画面锚点的写法上。它自己定位出问题，改了一版重新提交，跑通了。剩下的镜头分批生成完，最后同步配上一条155秒的"世界杯快闪"BGM，合成收尾。

一下午四支片子，喜剧、工整美学、情绪短剧、快闪热点，我没写过一行分镜脚本，做的判断基本都是"满意，继续"这个级别。同一个 Agent，换一个 Skill 就能换出一整套导演思路；两次真正卡壳的地方——版权检测、锚点报错——它都能自己定位、自己改、自己认，没糊弄。体验不错。

LibTV 同步启动了 Skill 超创激励计划，投入1000万元创作激励——想把自己的方法沉淀成一个 Skill 发出去，官方给流量、给现金、给长期收益，感兴趣可以去看那份激励方案。