2026年4月，即梦连续调整价格。此后，一位剪辑师向媒体提到，所在团队陆续把部分视频生成任务转到了LibTV。

理由很实际。LibTV价格更低，生成时也不容易排队。对于每天要处理大量镜头的团队来说，模型榜单上的细微差距，未必有成本和速度重要。

他们依然可以调用Seedance，换掉的只是模型外面的那层入口。

今年3月，LiblibAI推出一站式AI视频创作平台LibTV。产品打开后，最显眼的并非提示词输入框，而是一张铺开的无限画布。剧本、角色、分镜、图片、视频和音频被拆成不同节点，用户可以像搭生产线一样，把它们逐一连接起来。

人可以留在画布上修改每个环节，Agent也能进入系统，调用模型、编排流程，最后交付一条视频。

上线两个月后，LibTV在2026年5月的收入达到首月的13倍以上。其母公司演语科技随后完成近3亿美元B+轮融资，投后估值超过20亿美元。截至2026年5月，公司披露的集团年化收入约为3亿美元。

一家没有自研视频大模型的公司，就这样刷新了当时中国AI应用层的单轮融资纪录。

资本看中的显然不只是一张画布。

过去几年，AI视频行业的大部分注意力都被模型吸走。Runway、Kling、Veo、Sora、Seedance接连登场，画面越来越清晰，动作越来越自然，镜头控制也越来越细。

LibTV押注了另一个刚刚浮出水面的位置。当视频模型越来越多，创作者需要一套系统，把分散的模型、素材和生产环节组织起来，稳定交付一部作品。

Adobe曾经用Photoshop、Premiere和After Effects占据专业创作流程。LibTV也想沿着这条路往前走，只是AI视频时代的创作系统里，还多了一类新的使用者。

它们是Agent。

|模型忙着生成镜头

工具开始争夺整部作品

AI视频最早解决的问题，是如何把一段文字或一张图片变成会动的画面。

模型进步得很快。过去需要反复抽卡才能碰到的片段，现在可以借助参考图、首尾帧和多模态输入做得更加稳定。单个镜头越来越好看，AI视频也随之进入了漫剧、短剧和广告等更复杂的生产场景。

真正做一部作品时，麻烦才会集中冒出来。

一个角色可能要出现在几十个分镜里，五官、发型和服装不能到了下一个镜头就突然变化。场景的空间关系要连贯，人物动作要接得上，画面还得配合台词、音乐和口型。

镜头生成失败，需要重新抽取。模型更新以后，团队还要判断哪些片段值得重做。几十个文件下载到本地，很快就会堆成一片难以辨认的素材。

模型解决了生成，团队还得负责生产。

现实中的AI视频工作流往往更碎。创作者先在文档里调整剧本，再到图片工具里制作角色和场景，然后根据镜头需求，在Seedance、Kling和其他模型之间来回切换。素材生成后，还要送进剪映、Premiere或After Effects完成剪辑与包装。

每款工具都能处理一部分工作，连接这些工具的人仍然坐在电脑前。

模型越多，这种碎片化越明显。用户也很难长期忠于某一个模型。有的擅长人物表演，有的更适合复杂运动，价格和生成速度还在不断变化。创作者通常跟着任务走，哪个更合适就用哪个。

于是，模型之上空出了一个新位置。用户需要一套环境来管理素材、选择模型，再把一次次生成接成稳定的生产流程。

这已经成为行业里的共同动作。Runway推出了Workflows，用户可以通过节点搭建角色生成、故事板和视频转换流程。Adobe也在Firefly中接入Kling、Runway、Sora和Veo等第三方模型，并把无限画布、故事板、音频生成和时间线编辑放进同一套创作环境。

模型厂商仍在争夺能力上限，应用平台已经开始争夺整部作品。

LibTV选择的正是这个位置。它把剧本、角色、分镜、图片和视频拆成节点，再放回同一张画布。连接好的工作流可以重复使用，角色和素材也能留在项目中。

对AI漫剧团队来说，这比偶尔生成一个漂亮镜头更有价值。一部漫剧包含大量结构相近的画面，角色、画风和制作步骤相对固定。沿着已有工作流更换剧本、调整分镜，往往比每次从头搭建更接近真实生产。

标题中所说的“操作系统”，指的正是这层模型之上的生产环境。它负责组织模型、素材和流程，让一次生成慢慢变成一门可以重复运转的生意。

|LibTV想服务的下一批创作者

可能不是人

现阶段的LibTV，更像一张AI视频生产台。

用户把剧本放进画布，系统可以提取角色和场景，再生成参考图与分镜。分镜节点能够批量生成图片和视频，配音、音乐和音效也能接入流程。

这套产品有些像降低了门槛的ComfyUI。创作者依然能看见每一步发生了什么，又不必从底层开始搭建复杂节点。

LibTV暂时还替代不了传统后期软件。公开实测能够证明，它已经覆盖从剧本到短视频输出的主要环节。到了精剪、调色、复杂字幕和专业包装阶段，制作团队仍可能把素材导入剪映或Premiere。

这恰好说明了它当下的位置。LibTV先把分散的前期与生成环节集中起来，再一点点向成片交付延伸。

真正让它与传统视频工具拉开距离的，是另一套入口。

LibTV已经发布官方CLI和Skills包。Kimi Code、Claw、MiniMax Agent、Trae等Agent工具可以通过OpenAPI创建任务、发送指令、调用生图与生视频能力，等任务完成后拿到结果。

在一项公开测试中，OpenClaw读取了一张梗图，理解图片内容，随后生成一条带配音的五格短视频。完成任务后，Agent返回了LibTV项目链接，用户可以查看画布和成品。

这项能力还远谈不上成熟。Agent目前更适合短视频、简单漫剧、MV和结构明确的广告任务。碰到复杂叙事、人物表演和精细审美，仍然需要人来把关。

不过，创作软件的入口已经开始变化。

过去，一款工具要让创作者记住自己的名字，熟悉自己的界面。以后，它还要让Agent知道自己有哪些能力，遇到什么任务时应该被优先调用。

Agent未必会创造新的视频需求，却可能替用户决定这份需求交给谁完成。

在软件时代，默认入口往往藏在操作系统、浏览器和搜索引擎里。到了Agent时代，新的入口可能变成Skills、API和任务编排。谁能进入Agent的调用列表，谁就更有机会成为视频任务的默认执行工具。

LibTV同时给人和Agent准备入口，争夺的已经不只是创作者坐在屏幕前的时间。它还想接住那些由Agent分配出去的视频任务。

|想成为Adobe

LibTV还要跨过低价这道坎

“下一个Adobe”是一个很诱人的说法。

Adobe的价值从来不只藏在某项软件功能里。过去几十年，大量设计师、摄影师和影视团队围绕Adobe建立了完整的工作方式。项目文件、软件技能、插件和协作关系缠在一起，慢慢垒出了它的壁垒。

LibTV确实在复制其中的一部分思路。它聚合外部模型，管理角色与素材，让用户复用工作流，再通过Agent接口扩展生产入口。随着项目增加，角色、场景、提示词和生成记录都有机会留在平台里。

这也是演语科技留给资本的想象空间。LiblibAI积累创作者与模型生态，星流和Lovart进入设计，LibTV继续向视频扩展。几款产品最终指向同一个方向，控制AI时代的创意生产流程。

眼下，产品形态已经出现，Adobe式的生态还没有形成。

LibTV的快速增长，至少受到两股力量推动。一股来自工作流。它把剧本、角色、分镜和多模型调用放进同一套环境，减少了工具切换和重复搭建流程的麻烦。

另一股来自市场窗口。LibTV上线时，正好赶上Seedance受到关注，AI漫剧需求也在增加。即梦调整价格后，一些团队开始寻找成本更低的调用渠道。LibTV价格较低，也不容易排队，很快进入了从业者的备选名单。

有人因为工作流而来，也有人只是因为便宜。真正决定平台价值的，是哪一种力量最终把用户留下。

LibTV没有自研视频模型，主要生成能力来自外部厂商。模型公司调整API价格和算力供应，都会影响它的成本。倘若Seedance、Kling继续向下开发工作流，供应商也可能转身进入同一片战场。

公司尚未披露LibTV的独立收入、毛利率和具体算力采购价格，外界很难判断这份价格优势能持续多久。

一支团队如果只把LibTV当成Seedance的低价入口，它与平台之间的关系并不牢固。价格一变，迁移还可能再次发生。

更深的护城河埋在生产过程里。

当团队把长期使用的角色、场景、素材和工作流放进LibTV，成员开始围绕这套系统分工，Agent也习惯通过同一组接口提交任务，平台的价值才会逐渐超过模型差价。

LibTV已经具备形成这种壁垒的部分条件，还没有拿出足够证据。公司未公布活跃用户、付费用户和留存数据，具名专业客户案例也不多。团队权限、审核流程、版本管理和项目回滚等企业能力，尚未形成清晰体系。Adobe积累多年的插件生态、人才标准和协作网络，更需要时间追赶。

无限画布可以被模仿，模型聚合也很难成为独家能力。LibTV需要沉淀的，是漫剧团队如何拆解剧本、广告公司如何审核版本、创作者在哪个环节最容易返工。这些藏在生产现场里的知识，一旦被做进工作流和Agent，才可能变成更难复制的部分。

今天，一支团队可能因为便宜和不排队进入LibTV。最终决定它是否留下的，是角色、素材、生产模板和项目记录有没有留在这里。

LibTV想成为下一个Adobe，真正要争夺的是下一条视频任务由谁接手。人会作出一部分选择，Agent也会作出一部分选择。能不能成为它们共同使用的默认入口，才是LibTV接下来要回答的问题。