可以——分镜脚本不用再逐格手填：在 Shotshot 里发一句话，Agent 会自动创建脚本节点、拆好分镜、建齐角色场景道具资产、连好生成节点；后续改运镜、加镜头、调顺序，也都是对话里一句话的事。它和 LibTV 的脚本节点解决同一个问题——把「写分镜」从文档搬进节点画布——但走的是另一条路：Agent 代写、模型 BYOK、数据留在本地桌面端。这篇文章用一条 15 秒保温杯广告片的真实生成过程，拆开 Shotshot 脚本节点的能力，并和 LibTV 的脚本工作流做一次诚实对比。
脚本节点是什么：把分镜从文档变成结构化数据
LibTV 是 LiblibAI 在 2026 年 3 月推出的 AI 视频创作平台，核心思路是「无限画布 + 节点式工作流」：文本、图片、视频、音频、脚本五种节点连线成流程，脚本节点输入剧情或角色设定就能自动生成分镜，再批量转分镜图、转视频片段。这个方向验证了一件事：分镜是 AI 视频创作里最值得结构化的一环。
Shotshot 的脚本节点走的是同一语义、不同分工。它不只是一次性的「生成结果」，而是一份持续可编辑的结构化分镜数据：
- 九字段分镜表：序号、景别、角度、运镜、时长、氛围、音效、台词、描述，双击即改；描述里可以 @ 引用资产，被引用的资产以彩色胶囊内联出现。
- 资产一致性管理：角色、场景、道具三类资产各有定位、定义、一致性与参考图；参考图可以生成、从画布选、从资产库选，生成完成自动回写。
- 逐镜提示词合成：把景别、运镜、时长、氛围、音效、台词、资产绑定和全局风格拼装成每条镜头的最终提示词（finalPrompt），供视频生成节点直接使用。
- 一键展开成视频节点：确认脚本后，每条分镜展开为一个视频生成节点，参考图与音频连线自动接好，随后逐个或批量出片。
换句话说，脚本节点管「分镜这条数据」的生老病死，生成能力仍由画布上的图像、视频、音频节点承担——而谁来写、谁来改这份分镜，正是 Agent 登场的地方。
Agent 实测：一句话到六个镜头
为了让差异可验证，我们用一条真实需求走完全程：15 秒不锈钢保温杯产品广告，16:9 横屏，突出真空保温与材质工艺特写，户外露营场景，无台词只要音效。需求一次说全，Agent 直接开工。
第一步：Agent 建节点、写分镜、连资产
首页输入需求后，Agent 面板里能看到完整的工具调用链：先 canvas_generate_script 创建脚本节点，再 canvas_script_asset 依次创建露营者、营地场景、保温杯三个资产并接上图像生成节点，最后 canvas_script_replace_shots 把五条分镜一次性写入。画布上，脚本节点实时显示「5 个镜头、资产 3/3 就绪」。
生成过程中节点会先以「脚本正在生成中」的状态落位，分镜写入完成后自动就绪——这个过程你只需要看，不需要操作。
第二步：对话式修改，不是重新生成
分镜初稿出来后，真正的差异来了。我们对 Agent 说：「把镜头 2 的运镜改成环绕拍摄，另外在结尾加一个黑底 Logo 定格镜头，2 秒，其余分镜保持不变。」
Agent 没有重写整份脚本，而是调用 canvas_script_update_shot 精确改镜头 2 的运镜字段，再 canvas_script_add_shot 追加镜头 6。中途它发现传入的 shotId 不对，主动读取画布状态拿到正确 ID 后重试——节点计数从 5 变成 6，其余四条分镜原样未动。
除了改和增，脚本工具还覆盖删除单镜、整体重排、逐镜提示词编译等操作。分镜是结构化数据，Agent 的每次修改都是一次精确的字段级写入，而不是「重新抽一次卡」。
第三步：脚本管理工作台里人工精修
双击脚本节点进入三步工作台，可以人工接管任何细节：
- 确认镜头：九字段分镜表逐行检查、双击即改；
- 准备资产：三类资产的参考图与一致性设定，可生成、可替换；
- 合成提示词：逐镜预览 finalPrompt，点「优化提示词」会让 Agent 按导演技能规范再打磨一版。
人工编辑和 Agent 编辑操作的是同一份数据，随时可以来回接力：Agent 起稿、人精修、再让 Agent 批量微调，都是同一个循环。
和 LibTV 的脚本节点比：三种差异
截至 2026 年 9 月，两家脚本能力并排看：
| 维度 | LibTV 脚本节点 | Shotshot 脚本节点 + Agent |
|---|---|---|
| 分镜创建 | 表单/模板式：选脚本模式（剧本、角色、视频参考）一键生成分镜 | 对话式：一句话描述需求，Agent 规划镜头后写入结构化分镜表 |
| 分镜修改 | 手动编辑分镜内容，或换模式重新生成 | 对话式字段级增删改排（update/add/delete/reorder），也可手动编辑 |
| 运行位置 | 云端平台（浏览器访问） | 本地桌面应用（Windows/macOS/Linux），项目数据默认留在本机 |
| 模型接入 | 平台内集成模型（如 Seedance 系列），按平台额度计费 | BYOK：接入 OpenRouter、fal.ai、DeepSeek、Kimi、GLM 等自有渠道，账单出自你的服务商 |
| 数据边界 | 项目与素材存于平台云端 | 项目、素材、API Key 默认存本机，生成请求直连你配置的服务 |
| 生态 | 闭源平台，提供 OpenAPI 与外部 Agent 技能包 | 桌面客户端，Agent 工具链原生读写画布全部节点 |
结论：如果做影视叙事短片，想要模板化的一键分镜成片和平台内模型生态，LibTV 更顺手；如果分镜服务于产品——电商广告、众筹演示、未上市产品素材——需要自带参考图、自有模型 key 和本地数据边界，Shotshot 的组合更对口。两者不互斥，不少团队会按项目性质混用。
脚本节点把 Shotshot 在图片环节的可控性带进了视频：3D 参考图保形状、结构化分镜保节奏、BYOK 保预算与隐私。在 Shotshot 里，一条产品广告的分镜从来不是孤立文档——它和画布上的参考图、生成节点、资产库连成一条流水线。
BYOK：模型服务自己挑
脚本节点本身不绑定任何模型。生成发生在画布的图像、视频、音频节点上，而这些节点用哪个模型，由你在配置里自己决定：
- 渠道预设：新增渠道时内置 OpenRouter、fal.ai、DeepSeek、Moonshot/Kimi、智谱 GLM/Z.AI、MiniMax（中国/国际）、AutoDL、HiAPI 预设，Base URL 自动填好；任何 OpenAI 或 Gemini 兼容接口也能加为自定义渠道。
- 按能力分模型：文本、图像、视频、音频、Agent 五类能力可分别指定不同渠道的模型——比如文本和 Agent 走 OpenRouter 上的推理模型，图像走 fal.ai，视频走你自建的推理服务。
- 账单透明：所有请求从前端直接发往你配置的服务地址，用量和费用都在你自己的服务商账户里，没有平台加价和积分池。
这条设计和本地优先是一体的：API Key、项目、素材都在你设备上，只有触发生成的那一步，提示词与参考素材才会发往你指定的模型服务。
诚实的建议：这不是「谁取代谁」
- 选 LibTV 这类云端平台：纯叙事内容（短剧、动画短片）、需要平台内模型生态和模板化流水线、对数据驻留不敏感的团队。
- 选 Shotshot：分镜服务于具体产品（电商、众筹、新品发布），手上有 3D 模型或产品图资产，想用自己的模型组合与 key，或者产品未上市、素材不能出本机。
- 混用：叙事骨架在云端平台快速试，产品向成片回到本地精细控——分镜数据结构是通的，来回搬不难。
开始你的第一条分镜
安装与系统要求见下载页；配置渠道时准备好你的 OpenRouter 或 fal.ai API Key 即可，两分钟填完。
如果你也在做产品视频的分镜前期，欢迎下载 Shotshot 桌面版试一条：从一句话到可批量出片的分镜脚本，大约就是喝杯咖啡的时间。
