昨晚十一点，我看完了自己的第一条 AI 短片。
十五秒，六个镜头，有配音有字幕，转场还带点电影感。从冒念头到看到成片，我只说了一句话。
干这活的是两个 AI。一个叫 WorkBuddy，腾讯出品，负责派活；一个叫 LibTV，哩布哩布 AI 推出的视频平台，负责干活。一个动嘴，一个跑腿，配合得有点猛。
先说清楚，在拍这条片子之前，我对 AI 视频的印象，跟多数人一个样。
在多数人眼里，做 AI 视频等于四件事：学剪辑、切工具、写提示词、抽卡。同一个描述生成十遍，赌一遍能用的。一个十五秒的片子折腾一晚上，做完只想静静。
这个印象，现在得改了。
第一层变化：从抽卡变成导演。
LibTV 有个功能叫多机位分镜，9 宫格、25 宫格。正式出片前，先把剧情推演一遍，构图、节奏、叙事，先在格子里看个大概。角色有三视图生成和主体库，同一个人物在不同镜头里不换脸。灯光也给了现成的——24 种主光位、9 种轮廓光预设，放在过去，这是摄影系的功课。
抽卡赌的是运气，导演控的是场面。到这一层，AI 视频从碰运气变成了有流程。换句话说，你终于能在花钱花时间之前，先看看片子长什么样。
第二层变化：模型不再是门槛，组织方式才是。
LibTV 一站式接了三十多个主流模型，可灵 3.0、万相 2.6、Seedream 5.0、Midjourney V7，音频还有 Mureka。同一个提示词，切不同模型出多版本，谁好用谁。
模型越来越像标准配置，真正的差异在产品怎么组织这些能力。LibTV 用无限画布加节点式工作流，把剧本、分镜、画面、视频、音频都变成能连线的节点——这更接近影视制作的流程，而不是聊天框里的一问一答。不用在五六个网站之间来回搬家，账号、素材、文件，都攒在一个地方。
还有第三层，也是最狠的一层：双入口。
除了给人用的图形界面，LibTV 还开了 Skill 接口给 AI Agent。它的 Skill Hub 里有一百多个专业 Skill，外部 Agent 可以直接调用，用自然语言拉起从脚本、分镜到出片的整套流程。
翻译成人话：以前是你打开软件干活，现在是你下命令，Agent 替你跑全程。
这个组合的分工很清楚。WorkBuddy 是那个听懂话的助手，你把想法扔给它，它负责拆解、调度、催进度；LibTV 是那个手握器材的摄影棚，模型、画布、剪辑台都在它那儿。一个像制片，一个像剧组。过去你得自己既是制片又是剧组，现在两样都有人干了。
我用 WorkBuddy 试了一次。流程不长，三步，你们可以直接抄。
第一步，把需求说清楚。主题、时长、风格、画面比例、用在哪，越具体，出片越稳。别只说"做个视频"，要说"做个十五秒的国风短片，三个镜头，配古琴，竖屏"。
第二步，让 WorkBuddy 调用 LibTV 的 Skill 接口。它自己拆解：先生成脚本节点，再拆成分镜，生成首帧，出视频片段，最后串上配音和字幕，导出成片。你要做的是等，和在关键节点上点头。
第三步，在无限画布上精修。哪个镜头不满意，改哪个节点；想换风格，切个模型重新出；调好的节点组合存成模板，下次只换素材，批量出片。
如果拿不准需求怎么写，记住一个笨办法：把片子当成给朋友讲的一件事。谁、在哪、发生了什么、什么情绪。故事立住了，画面就跟着来了。
两个坑，提前说清楚。
第一，演示和量产，是两道关。发布会上行云流水，不代表你电脑前能稳定输出。工具经得起天天用，才算数。
第二，需求越模糊，返工越多。AI 放大效率，也放大模糊，想法说不清楚，它只能猜。所以开工前多花两分钟把需求磨清楚，能省两小时返工。
这件事，跟屏幕前的你有什么关系？
对普通人，做视频的门槛从技术变成了审美和想法。你缺的不是剪辑手艺，是把一个念头说清楚的能力。
对上班族，这意味着运营、市场、行政这些岗位，多了一样能拿得出手的本事。以前求人拍条宣传片，现在自己就能出初稿。
对想搞副业的人，一个人就是一支团队。公开报道里，LibTV 上单人创作者和三人以内小团队占比接近七成，纯单人约四成。剧本、分镜、出片、包装，过去是一个项目组的活。九月，LibTV 还联合平遥国际电影展办了场"X小时之后"AI 短片黑客松，40 支队伍、132 位创作者，36 小时交出成片，贾樟柯到了现场。三十六小时，过去连剧本都磨不完。
背后的生意也不小。公开报道显示，LibTV 上线首月单日收入突破百万美金，五月收入是上线首月的十三倍以上；六月，其背后公司完成近三亿美元融资，投后估值超过二十亿美元，腾讯参投。
AI 视频正在从玩具变成产业。工具平权的年代，门槛拆掉之后，拼的不再是谁会软件，而是谁知道自己要什么。
#AI视频# #WorkBuddy# #LibTV# #人工智能# #副业#