7月14日消息，演语科技旗下 AI 视频创作平台 LibTV 发布 LibTV Agent，同步上线超百个导演级 Video Skill，并宣称这是"全球最大的专业视频 Skill Hub"。这次更新的核心主张是：AI 视频 Agent 应该交付成片，而不是片段。官方称针对 3 分钟以内的视频创作任务，一次生成达到可交付标准的成功率超过 80%。这一数字为官方自述，尚无第三方测试结果或客户案例的公开验证。LibTV 自 2026 年 3 月上线以来已聚集超 1.5 亿用户（PixVerse 与拍我 AI 的用户量），母公司演语科技 ARR 接近 3 亿美元，但 Skill Hub 作为新的产品形态，其供给质量和创作者经济模型仍处于早期阶段。 四项更新指向同一个目标：从工作流缝合到成片能力
LibTV Agent 的更新包含四项能力。第一项是统一能力基线，Agent 围绕成片能力而非单镜头生成构建，可自主完成创意理解、镜头规划、视频生成和成片优化的全链路。第二项是 Skill Hub，首批上线超百个 Video Skill，覆盖影视导演、品牌广告、电商营销、短剧制作和自媒体创作等场景，每个 Skill 封装了工作流、提示策略、模型组合、风格控制和行业经验。第三项是双视图创作，Agent 可同时输出 Storyboard 和 Node Workflow 两种结果，支持自然语言创作与节点级工作流之间的切换，并依托统一上下文和长程记忆支持单项目多 Session 协同。第四项是 Agent 驱动的剪辑，剪辑从独立后期流程变为 Agent 创作能力的一部分，支持自然语言持续修改画面、节奏、字幕、配音和包装，并一键生成多语言、多平台版本。
这四项更新指向同一个判断：当前 AI 视频赛道的主要瓶颈不在单镜头生成质量，而在从片段到可交付成片之间的生产环节。LibTV 的定位是填补这个缝隙。
Skill Hub 的经济模型：将创作者经验变成可调用的生产力
Skill Hub 是这次更新中最值得关注的产品形态。LibTV 邀请了 200 余位专业创作者共同打造首批 100 余个 Skill，涵盖韦斯·安德森电影美学、胡金铨古典武侠美学、皮克斯动画广告、梦核美学 MV 等具体创作方法论。用户选择一个 Skill，等同于选择一套成熟的视频制作能力，从创意策划、分镜设计到导演语言和剪辑节奏。
与此同时，LibTV 启动了"Skill 超创激励计划"，投入 1000 万元创作激励，面向导演、广告创意人、短剧团队、自媒体创作者和 AI 开发者，提供流量、现金激励、品牌共创和长期收益。这个模型的逻辑类似于应用商店或插件市场：平台提供分发和调用基础设施，创作者提供差异化的专业能力，用户按需选用。
Skill Hub 能否成立，取决于两个前提：供给侧的 Skill 质量是否真正代表专业创作水准，而非模板包装的 Prompt 组合；需求侧的用户是否愿意为"选择导演风格"这个环节付费，还是更倾向于直接使用免费的通用 Agent。首批 100 个 Skill 的使用数据和创作者留存率，将是检验这一模型的第一组信号。
演语科技的产品位置：不做模型，做生产基建
理解 LibTV Agent 需要先看演语科技在 AI 视频产业链中的位置。演语科技不自研视频生成模型，而是聚合主流模型能力。LibTV 目前可调用 Seedance 2.0、可灵 3.0、HappyHorse 1.0、Midjourney V7 等多个顶级模型，并在模型更新后做到快速首发接入。这意味着 LibTV 的竞争对手不是 Seedance 或可灵本身，而是同样做下游生产工具的平台。 演语科技由前字节跳动剪映与 CapCut 全球商业化负责人陈冕于 2023 年创立。公司旗下产品包括 LiblibAI（中国最大的 AI 创作者社区之一，累计用户超 3000 万）、星流 Agent 和 LibTV。2026 年 6 月，演语科技完成近 3 亿美元 B+ 轮融资，由 Granite Asia、腾讯、顺为资本联合领投，投后估值超 20 亿美元，是中国 AI 应用赛道目前最高的单轮融资。据公司披露，截至 2026 年 5 月，集团 ARR 接近 3 亿美元，LibTV 5 月收入达到上线首月的 13 倍以上。 LibTV 3 月上线时的核心差异化是"人类创作者 + AI Agent"双入口设计：人类通过无限画布和节点式工作流进行精细控制，Agent 通过标准化 Skill 接口自动完成从剧本到成片的全流程。此次 LibTV Agent 的更新是将 Agent 端的能力从"调用模型、串联节点"升级为"理解创意意图、自主完成成片"。
"成品级直出"需要交付案例来定义标准
LibTV Agent 宣称 3 分钟视频一次生成可交付率超过 80%，这是一个有吸引力的数字，但需要明确几个边界。"可交付标准"的定义未公开：是指商业广告的交付标准、短剧的交付标准，还是自媒体内容的交付标准？不同场景对画面一致性、剪辑节奏、配音质量和品牌合规的要求差异极大。80% 的测试条件（输入类型、场景分布、评判标准）也未披露。
在实际使用中，AI 视频的"最后一公里"问题长期存在：单镜头效果好不等于成片可用，因为跨镜头的角色一致性、剪辑节奏和叙事连贯性往往是人工介入最多的环节。LibTV Agent 的双视图设计（Storyboard + Node Workflow 同时输出）提供了一条可能的解决路径：Agent 先自动生成成片，不满意时创作者可以切换到节点视图进行精细调整。这个"自动生成 + 人工微调"的混合工作流是否比纯人工制作效率更高，取决于实际客户的使用反馈。
接下来要看 Skill 的供给质量和 B 端复购
LibTV Agent 和 Skill Hub 的验证点分两层。短期看，首批 100 个 Skill 中有多少能产生持续调用，Skill 创作者的留存和新增速度如何，1000 万元激励计划能否吸引到真正的专业创作者而非薅羊毛的模板搬运者。中期看，B 端客户（短剧团队、MCN、广告公司）是否将 LibTV Agent 作为生产标准流程中的固定环节，而非一次性的尝鲜工具。演语科技 3 亿美元 ARR 中 LibTV 的占比和增速，以及 B 端收入与 C 端订阅的结构变化，是衡量"成片交付"这个定位能否站住的商业指标。在上游模型快速迭代的环境下，LibTV 作为聚合平台的价值取决于它在模型之上构建的生产力层是否足够厚——Skill Hub 就是加厚这一层的尝试。
