手动安装与配置

安装与配置密钥

1.下载https://resonate.feishu.cn/wiki/OwYKwl4xoiywU5kklrrcAyVDn7d#share-CqAMdnCZBoQArBxd7gRcREecnch压缩包或打开https://github.com/libtv-labs/libtv-skills下载压缩包以及克隆，只需要libtv-skill 文件夹的内容

再把文件夹放到你电脑的/Users/用户名/.openclaw/skills/，比如/Users/Zhuanz/.openclaw/skills/

打开https://www.liblib.tv/登录，如果没有显示LibTV Skills的话点击“开始创作”，再点击LibTV Skills复制你的密钥access key

在刚才的文件夹创建.env文件，填入刚才复制的密钥内容

2.在终端任意执行以下一个指令，根据提示完成安装

# 交互式选择要安装的技能 npx skills add libtv-labs/libtv-skills

# 直接安装指定技能npx skills add libtv-labs/libtv-skills --skill libtv-skill

然后使用时在终端输入export LIBTV_ACCESS_KEY="你的密钥"或set LIBTV_ACCESS_KEY="你的密钥"

创建虚拟环境（可选，有全局python则可跳过，这里以uv为例）

在终端执行cd /Users/用户名/.openclaw/skills/libtv-skill进入对应目录，比如cd /Users/Zhuanz/.openclaw/skills/libtv-skill

执行uv python pin 3.10指定python3.10版本（电脑必须有这个版本）再执行uv venv 创建虚拟环境，激活虚拟环境可执行source .venv/bin/activate

使用

进入openclaw接入的应用（比如飞书/qq等）进行对话，也可以在终端进入openclaw目录执行pnpm openclaw onboard(前提是用pnpm安装的openclaw)进行对话，这里以终端为例

测试能不能找到libtv-skill

让ai生成三国演义桃园三结义的30s视频

提醒ai可以加载.env的密钥

结果ai没反应过来（可能出现幻觉了？），继续提醒ai，ai才开始使用这个skills生成视频，但运行比较久

ai下载完视频了

查看画布，可以发现ai搭建了工作流，也规范化描述了角色、场面、对白和运镜等细节描写，这是值得肯定的

观察视频，可以发现字幕有问题，可以说明目前生成视频模型对字幕生成是有问题，得后期剪辑处理

中间转场出现问题，右边的刘备还没消失，左边的刘备却出现了，同样需要剪辑处理

结拜的画面没有明显问题，但是对白不完整

这里举杯、碰杯洒出的酒略显夸张，但还能接受，毕竟这属于物理常识，对绝大多数视频生成模型来说是有难度，如果是世界模型更可能做到；但桃树却发生变化，是不太合理的

这里转场还行

结尾桃树又变了，可以看出目前的视频生成模型不稳定

复盘运行情况，可以发现用了文生图模型和图生视频模型等模型，但没有真正用专门的语音模型为每个角色生成语音，调用视频模型可能需要排队会出现超时，在下载生成剧本、视频生成和下载视频的过程耗时较长

分析

AI工作流的亮点

AI自动搭建了标准化工作流：

• 角色档案：为刘备、关羽、张飞分别生成三视图（正面/侧面），锁定形象特征

• 规范化描述：每个分镜包含角色状态、场面调度、对白文本、运镜方式（如"特写→拉远"）

• 自动化编排：剧本→分镜→角色→配乐→视频→合成，全流程无需人工干预

评价：这是目前AI短剧工具中比较系统的工程化尝试，比简单的"文生视频"更接近专业制片流程。

分镜级问题逐帧分析

1. 字幕系统：有标题，无台词，且渲染异常

• 现象：开头出现"桃园三结义"文字，但同一文字重复显示两次+字体异常，且

  无对白字幕（比如"不求同年同月同日生"这句没字幕）

• 结论：视频生成模型对文字生成仍不稳定，需后期剪辑替换

2. 转场逻辑：时间线"穿帮"

• 严重bug：右边刘备还没消失，左边刘备已出现（画面重叠）

• 原因：多片段拼接时未做遮罩或过渡处理，AI直接硬切导致时空错乱

3. 结拜场景：对白残缺但画面可用

• 对白："不求同年同月同日生..."句子被截断，TTS或剧本生成存在长度限制

• 画面：三人姿态、表情无明显穿帮，角色一致性在这个过程保持较好

4. 举杯动作：物理常识 vs 一致性失控

• 酒洒出：碰杯时酒液飞溅略显夸张，但可接受——流体物理对当前扩散模型本就是难题（若用世界模型有可能解决）

• 桃树变形：同一棵桃树在镜头切换后形态改变

• 问题归因：视频生成模型（kling-v3-omni）未绑定场景元素ID，每帧独立采样导致背景漂移

5. 结尾：一致性再次失守

• 桃树又变了：与举杯镜头相比，结尾的桃树形态再次不同

• 影响：破坏"同一时空"的沉浸感，显露出图生视频模型的本质缺陷

技术归因总结

问题	根因	可修复性
字幕重复/异常	视频生成模型文字渲染能力弱	⚠️ 需后期人工替换
转场重叠	拼接逻辑缺乏遮罩/时间线校准	❌ 需剪辑软件修复
对白截断	LLM生成剧本或TTS接口长度限制	⚠️ 需分段生成
桃树变形	未使用Consistent Character/Scene ID	❌ 模型架构限制
酒液物理夸张	扩散模型缺乏物理引擎约束	❌ 需Sora类世界模型

结论与建议

这次测试说明了什么？

• ✅ ai能通过这个skills搭建工业化工作流：角色锁定、分镜规划、自动化合成

• ❌ 只能做到半成品素材：字幕需重制、转场需剪辑、背景一致性失控

给普通用户的建议： 

当前阶段适合生成无对白的氛围片段或固定场景的短镜头，适合娱乐。若需复杂叙事，建议导出分镜图后，在剪映中手动添加转场和字幕，利用AI配音补全台词。

开发者选型建议：

1. 用现成skills（快速验证）适合MVP或个人项目。它本质是打包好的多模型工作流：自动调度剧本模型、生图模型、视频模型，还有故障转移（如seedance挂了切kling）、角色三视图锁定——这些自建很花时间。但黑盒问题你得接受：字幕渲染异常、转场可能穿帮。

2. 自建工作流/软件（商业化/高质量）如果你要商业化，建议自己搭工作流调即梦/可灵等最新API，而非依赖skills中间层。因为：

• 不是调单个API：你也得串联或并联多模型（比如：LLM写剧本→生图→视频→TTS配音），但好处是每环都可控

• 字幕自己渲染：剧本生成的对白文本直接用代码（ffmpeg）叠加到视频，不依赖视频模型的文字渲染能力（避免乱码/重复）

• 转场自己控制：用剪辑库（如moviepy）做遮罩/淡入淡出，避免"两个刘备"重叠

关键区别：skills是黑盒，全自动但不可控；自建是灰盒，半自动但每个环节都可调。前者适合验证，后者适合产品化。

创作不易，禁止抄袭，转载请附上原文链接及标题