LibTV与拍我AI同场实测：工作流优势，能否抵消模型依赖？ (2026)

导读

Tech 星球作者张宁洢把 LibTV 和拍我 AI 放进同一场竞品实测：前者调用 Seedance 2.0，后者使用 PixVerse V6，让两个产品处理相同的动漫世界杯场景和机器人芭蕾场景。文章最有价值的部分，不是「谁打败谁」的标题，而是把两种产品路线摆到了一起：LibTV 把竞争力放在模型接入、Skill 和视频工作流上，拍我 AI 则把更多筹码押在自研模型和低门槛使用体验上。

对 AI 视频从业者来说，这篇文章值得读的原因是，它至少记录了多轮提示词调整后的失败细节：场景有没有被理解、人物位置是否跳变、动作和剧情是否同步、服装与面部特征能否保持。它仍然不是严格意义上的基准测试，但比单纯展示一条成片更接近真实选型时要问的问题。

原文信息

主文：字节两员离职大将，单挑老东家？
作者：张宁洢
发布时间：百度百家号页面显示为 2026 年 7 月 18 日 13:34；可读页面显示发布方为新浪财经官方账号，并标注「来源：Tech 星球」。
转载线索：36 氪页面显示为 2026 年 7 月 17 日 19:02，署名为「新智核」特邀作者，文末注明来自微信公众号「新言财经」（ID：tech621），作者为张宁洢，且为经授权发布。两页存在分发时间差，本篇以百度百家号页面作为主文定位入口。1 2
文章类型：产品竞品实测加创始人背景、融资与商业化分析。

全文速读

文章先从即梦 AI 的市场位置写起，再把拍我 AI 和 LibTV 描述成两位离开字节后创业的前高管所做的产品。文中将王长虎的技术背景与拍我 AI 的自研模型路线联系起来，将陈冕在剪映和 CapCut 的商业化经历与 LibTV 的增长、工作流和平台化方向联系起来。创始人履历和融资数据均是文章的叙述背景，不能替代公司公告或工商、财务材料的独立核验。1

接着，文章把两款产品放在两个层面比较：拍我 AI 以 PixVerse 自研模型为核心，操作方式简单；LibTV 则被描述为模型聚合与工作流平台，可以调用 Seedance、可灵等模型，并用 Skill、工作流和节点组织视频生产。文章同时提到拍我 AI 近期也接入了 Seedance 2.0，但实际对比使用的是 PixVerse V6，因此这场测试主要是在比较 PixVerse V6 与 Seedance 2.0 的一次具体表现，以及两套产品组织方式的差异。

实测部分用了两组场景。第一组是动漫风格的马斯克在美加墨世界杯看球，作者连续观察场景识别、人物特征、进球情节和人物位置；第二组是机器人在舞台上跳芭蕾，重点看产品是否真正执行了「舞台」这一场景要素。Tech 星球的判断是：PixVerse V6 的画面与细节更丰富，但容易漏掉提示词要素，也会出现不合常理的内容；Seedance 2.0 的指令执行和故事逻辑相对完整，但细节仍不稳定。1

文章最后把差异延伸到商业模式：拍我 AI 的优势是底层模型自主化，LibTV 的优势是工作流、模型组合与价格。它又以即梦作为「老东家」和价格参照，提出 LibTV 的低价可能依赖补贴，同时提醒聚合平台会面临上游模型变化带来的资金链和产品质量风险。这个结论有启发，但「补贴规模」「上游依赖的实际程度」和「抗风险能力」都还没有在文中被量化证明。

功能细节拆解

1. 这不是单次出片，而是一次小型返工记录

拍我 AI 的第一版把人物做得偏瘦，下巴线条明显，场景也不像世界杯现场。作者随后要求强化世界杯赛场并加入进球情节，场景有所改善，但人物位置发生跳变，甚至在进球时移动到足球场上，人物反应又没有跟上剧情。把两次提示词合并后，场景和动线基本准确，人物面部特征、服装和位置稳定性却进一步暴露问题。

这段记录的价值在于，它没有把「能生成」直接等同于「能交付」。对于需要连续镜头、明确角色和空间关系的视频，返工后的状态比第一版截图更能说明产品边界。以上均为原文对拍我 AI 测试过程的描述。1

2. LibTV 的优势被写在「执行链」里

在同一组世界杯提示词中，原文认为 LibTV 生成的人物更接近目标形象，球衣和场景关系更合理，表情变化能跟上情节；继续要求加入进球后，故事逻辑仍然成立。但作者也记录了表情夸张、旗子和手套突兀、镜头比较单一等问题。

在机器人芭蕾测试中，文章认为拍我 AI 没有明确呈现舞台，LibTV 则完整体现了舞台要素。这个结果支持的是「提示词关键元素是否被保留」这一局部判断，不足以推出 Seedance 2.0 在所有题材、时长和镜头条件下都更好。1

3. 两种产品的工作流取舍

原文对两款产品的功能判断可以压缩成一张表：

维度	LibTV	拍我 AI
本次测试模型	Seedance 2.0	PixVerse V6
产品组织方式	多模型、Skill、工作流和节点组合	操作更简单，文中称只能选择一种模型
原文实测优点	指令执行较完整，场景和剧情逻辑相对顺畅	画面与细节设计较丰富，使用门槛低
原文实测问题	细节不稳定，表情夸张，镜头较单一	容易遗漏提示词要素，人物位置和剧情反应可能失稳
模板方向	偏长视频风格，作者认为专业度上限较高	偏竖屏创意，更接近短视频逻辑

表格中「优点」「问题」均是这篇文章的测试结论，不是跨产品、跨版本的统一测评结果。尤其是「只能选择一种模型」需要确认对应的产品版本和测试时点，不能当成拍我 AI 的永久产品定义。1

目标用户场景

适合先试拍我 AI 的人

如果需求是快速做竖屏创意、短视频概念验证，使用者不希望先理解模型、节点和复杂工作流，那么文章所描述的拍我 AI 路径更直接。它的优势是低门槛和较丰富的画面细节，适合先把想法变成可看的片段。

但一旦任务要求人物固定、空间关系连续或剧情动作严格对齐，就不能只看首版画面。原文已经展示了拍我 AI 需要通过补充提示词、合并提示词和多轮重做来修正问题，实际成本还包括等待、筛选和人工判断。

适合用 LibTV 做项目化生产的人

如果使用者在做广告、短剧、漫剧或较长的视频项目，需要把脚本、分镜、模型选择、Skill 和局部修改放进同一套生产链，LibTV 的工作流思路更符合这类任务。文章特别强调了从选择 Skill 或输入提示词，到展示工作流，再到修改节点的过程清晰度。1

不过，工作流更完整并不等于人工更少。真正决定它能否服务专业团队的，是局部修改是否只重做问题镜头、合格资产能否保留、模型切换后角色和风格是否稳定，以及每次返工的积分成本。原文没有提供这些连续生产数据。

竞品坐标

从模型竞争转向生产责任分配

这篇文章没有直接实测即梦 AI，却把它作为市场与价格参照。若只看本篇证据，三者的坐标更接近下面这样：

产品	主要押注	对用户的直接价值	需要承担的风险
LibTV	模型接入、工作流、Skill 和平台化	把多个视频模型与项目流程放到同一处，降低切换成本	依赖上游模型、价格与队列政策，平台自身的稳定性需要长期验证
拍我 AI	PixVerse 自研模型与简单操作	降低上手门槛，追求模型自主和画面细节	模型能力仍需追赶 Seedance，复杂指令和连续剧情的稳定性不足
即梦 AI	字节模型、流量与分发体系	直接背靠上游模型和大规模生态	本文没有对其做同条件实测，不能据此评价其当前效果

因此，「LibTV 赢了拍我 AI」并不是这篇实测能证明的结论。更准确的说法是：在 Tech 星球选取的两类场景中，LibTV 调用的 Seedance 2.0 在关键元素执行和剧情逻辑上占优；拍我 AI 的 PixVerse V6 在画面细节与低门槛上有吸引力，但需要更多提示词修正。这个差异指向的是产品选择，不是统一的模型排名。

价格是优势，但不能只比较年费

文章给出的价格口径如下：

报道中的套餐	年费	每月积分	文章用意
LibTV 至尊版	11999 元	66000 积分	说明其相对即梦的价格吸引力
即梦 AI 超级会员	30576 元	54600 积分	作为老东家价格参照

按这两个名义数字计算，年费相差 18577 元，LibTV 年费约为即梦的 39.2%。但积分是否等价、不同模型每秒或每次生成的扣费是否一致、失败重试是否同样计费，文章都没有交代，所以不能把这个比例当作真实单位成本，更不能据此承诺某个平台一定更省钱。上述套餐与价格来自原文报道口径。1

行业影响

1. AI 视频平台的竞争单位正在变长

如果用户只需要一段好看的片段，模型能力可能是第一判断标准；但进入广告、短剧和漫剧生产后，竞争单位会从「单次生成」变成「一套可返工的项目」。提示词能否落到分镜，模型能否保持角色和场景，问题镜头能否局部重做，最终是否能按预算交片，这些都属于平台的生产责任。

LibTV 的路线恰好押中了这一变化：它不必完全拥有底层模型，也可以通过模型接入、工作流和 Skill 把上游能力重新组织起来。好处是迭代速度和模型选择更灵活，代价是上游模型的价格、接口、审核和质量变化会传导到平台。拍我 AI 则选择更重的自研模型路线，短期可能需要面对模型能力差距，但长期拥有更强的底层控制权。这里的长期判断仍然需要产品和财务数据支持，不能由一篇对比实测直接推出。

2. 创始人履历能解释方向，但不能代替产品证据

原文把王长虎的视觉技术经历与拍我 AI 的模型研发路线、陈冕的剪映商业化经历与 LibTV 的增长和工作流路线联系起来。这是一个有解释力的观察，但创始人背景只是产品策略的可能来源，不能用来替代对功能、成本和留存的验证。

真正值得继续追踪的是：LibTV 能否把「接入强模型」转化为稳定的创作交付，拍我 AI 能否把「自研模型」转化为复杂场景下的可控性。两条路线最终都要回到同一张账上：成片成功率、返工轮次、人工时间、单条可交付成本和用户留存。

待验证点

测试条件是否可复现：文章没有公开完整提示词、视频时长、分辨率、采样次数、生成参数、等待时间以及是否从多次结果中挑选最好的一条。没有这些条件，结论只能作为方向性体验。
「模型更强」还是「产品编排更好」：本次对比同时更换了模型和产品，无法把结果完全归因于 Seedance 2.0 或 PixVerse V6。还需要在同一平台、同一时长、同一分辨率下做交叉测试。
价格与积分的真实可比性：11999 元、66000 积分、30576 元和 54600 积分都来自原文；还需补齐模型单价、时长扣费、失败重试、排队和套餐有效期，才能算出可交付的单位成本。
LibTV 的上游依赖边界：需要确认模型接入授权、服务等级、队列稳定性、审核政策变化以及上游涨价或限流时的平台应对方式。官方 LibTV 首页当前仅显示「专业视频创作工具」的极简页面，无法从该页面独立核验本文的价格、模型组合或服务承诺。3
规模数据的定义：文章提到爱诗科技全球用户、月活和年化收入，以及演语科技旗下多个产品的用户和收入数据，但没有在文中给出统一口径、统计时间、审计材料或原始公告。这些数字应继续标记为报道引用，不能直接当作公司经营事实。
项目化交付是否真的更省返工：后续应观察跨人物、跨场景和跨集数的连续生产，重点记录局部修改是否牵连整片、合格镜头是否保留、Skill 是否能复用，以及模型切换后的角色和画面一致性。

原文关键句

「通过产品体验可见，对于零技术基础的用户来说，Pixverse V6 画面和细节设计比较丰富，但容易忽略提示词中的因素，也会产生不合常理的内容，需要通过不断调整描述，来增加精细度；Seedance 2.0 执行指令更完整，在逻辑上相对顺畅，但在细节上依然不稳定。」
这是张宁洢对本次实测最完整的总结，保留了两款产品各自的优点和边界。1

「LibTV 至尊版 11999 元/年，每月提供 66000 积分，而即梦 AI 超级会员 30576 元/年，每月提供 54600 积分，价格差距较大。」
这句话适合当作价格线索，不适合直接当作成本结论，因为积分价值和成功出片成本尚未被拆开。1

「但作为一个模型聚合平台，LibTV 在基础技术层面完全依赖于上游大模型，一旦上游大模型发生变化，会直接影响到其资金链和产品质量。」
这是全文最值得继续追踪的风险判断，但原文没有给出供应协议、成本结构或质量波动数据，因此目前应视为作者的分析，而非已被证明的结论。1

LibTV与拍我AI同场实测：工作流优势，能否抵消模型依赖？

导读