上網(wǎng)沖浪突然看到這個評論我懵了，升級過后的LiblibAI ，真的有這么好用？

甚至直接把另一個產(chǎn)品的會員停了，轉(zhuǎn)身沖了年費那種......

這我可得試試了。

直接說體感發(fā)現(xiàn)：這次LiblibAI不僅一口氣上線了N個模型，連視頻都加了特效玩法，這波真不是單純地“換皮上線”。

先簡單測了一下，roll了效果出來，發(fā)現(xiàn)可能真的有點東西。

給大家擺幾個最簡單的效果，圖是AI畫的，視頻是AI做的，這些內(nèi)容在LiblibAI這一個平臺里就能搞定——

比如這個，仿佛下一秒就是游戲CG開場：

還有這個，小女孩突然氣球附體，咻地一聲飛走了，毫無防備：

淺淺跑了幾個case，發(fā)現(xiàn)效果居然都還不錯。

這下，我徹底坐不住了，決定正兒八經(jīng)實測一波走起～

一手實測LiblibAI 2.0

先說AI用戶們最關(guān)心的創(chuàng)作鏈路和核心升級。

這次LiblibAI 2.0最大的動作，就是從一個“找模型”的網(wǎng)站，變成了可以直接做“AIGC流水線”的平臺。

也就是說，大家用AI創(chuàng)作時就不用再開一堆網(wǎng)站來回切了，老用戶看到這，可能會忍不住感慨一句：終于啊！

而且這次界面也變了不少，整體風(fēng)格從“極客社區(qū)范”，變成了有點像“ChatGPT+Canva”的合體？

能調(diào)模型，也能做設(shè)計，不錯不錯。

模型能力這塊，也沒有丟底子。

LiblibAI一開始給自己的定位就是國內(nèi)SD圈子最硬核的多模型社區(qū)，這次當(dāng)然也沒落下它的基本盤。

LiblibAI 2.0這次把Qwen-Image、Seedream 4.0、Nano-Banana這些熱門模型直接搬上桌，想用哪個用哪個。

值得一提的是，LiblibAI這次還接入了Midjourney家族當(dāng)前最強(qiáng)的版本——V7模型。

要知道，Midjourney的V7模型在今年4月才剛剛發(fā)布，而國內(nèi)不少平臺才在近期陸續(xù)接入。

對比圈內(nèi)節(jié)奏，LiblibAI這波節(jié)拍點把握得不慢啊～

至于視頻模型，升級后的LibLibAI 2.0集得也挺全——

這次把海螺2.0、通義萬相2.5、可靈2.5、Vidu Q1等主流視頻模型都集齊了。

這一鍋燉下來，新老模型真·都被照顧到了……

但個人體驗下來，這次最有看頭也是最想和大家分享的，當(dāng)屬它視頻生成頁面的添加特效功能，可以直接在視頻生成板塊“添加特效”。

簡單壓測了三把：

第一測，上傳了一張城堡的圖片，選擇了一個“一飛沖天”的特效，于是乎：

好家伙，古老城堡搖身一變成火箭，直接發(fā)射到天空！

再試一把，這次選了個飛行特效，讓小貓化身小蜜蜂，也體驗一把“一飛沖天”的感覺：

動作銜接都還行，就是飛著飛著，貓兒這個瞳孔顏色突然變了。穩(wěn)定性和一致性這一塊，模型還有有待進(jìn)步的空間（老師推眼鏡.gif）。

最后第三測，再來整個好玩的——

生成一張最近超火的NanoBanana同款拍立得照片：

拍立得倒是拍出來了，Q版人物也挺可愛，但第二秒鏡頭沒對準(zhǔn)人臉，畫面直接“跑偏”。

這里順便提一句，它現(xiàn)在用模板生成視頻時，提示詞是鎖死的，不支持編輯。

和Pika的邏輯類似，效率高了，但犧牲了一些畫面可控性。

另一個編輯部小伙伴一致覺得蠻實用的，是視頻的首幀/尾幀功能。

適合搞搞短劇封面、BGM剪輯片段什么的，我做了個“穿越草原和城堡”的效果，首尾都挑得蠻準(zhǔn)：

除了模型生成能力外，還有一個小功能很實用：

這次LiblibAI整合了全球最大圖片風(fēng)格開源模型庫——

覆蓋插畫、攝影、電商、海報、IP等各類視覺風(fēng)格，其實本質(zhì)上是把“模型選型”流程視覺化了。

尤其對新用戶來說，不用Prompt、不用找教程，直接選個模板就能生出成片。

真香，但沒完全香

這波實測下來，LiblibAI 2.0確實給足了想象空間，從原來那個模型集散地，一腳跳進(jìn)了創(chuàng)作工作流的大池子里。

但AI體驗這事兒，不能光拼模型全不全，還得看用戶到底買不買帳——

比如：這次即便氪了金卻換不來更快的出圖速度，尤其一次性生四張圖的時候……（那一刻感覺錢白花了）

再比如：模型看似挺多，其實不少是同一家出的不同版本，選項多但驚喜感弱......

此外，一些網(wǎng)友在體驗時似乎還出現(xiàn)了頁面卡頓的問題：

說回LiblibAI這家公司，其實它本身就挺“非典型”，非常擅長內(nèi)容產(chǎn)品打法。

在AI應(yīng)用賽道里，LiblibAI算是一位速度型選手——

曾一年跑完四輪融資，創(chuàng)下當(dāng)時國內(nèi)AI應(yīng)用賽道的融資速度紀(jì)錄。

更值得一提的是，LiblibAI海外子公司打造的另一個AI設(shè)計產(chǎn)品，大家也很熟悉，全球首個設(shè)計Agent——Lovart。

當(dāng)時產(chǎn)品才內(nèi)測上線5天，排隊體驗人數(shù)就突破了10萬。

LiblibAI的創(chuàng)始人陳冕也不簡單。

此前是剪映、CapCut的商業(yè)化負(fù)責(zé)人，也是字節(jié)跳動當(dāng)年最年輕的產(chǎn)品 4-1（對標(biāo)阿里P9）之一，擅長從“用戶-內(nèi)容-流量”中構(gòu)建閉環(huán)。

所以你就能理解，Liblib從模型廣場走向“創(chuàng)作閉環(huán)”，并不是試水，而是照著增長路徑來搞的。

看看現(xiàn)在，Liblib似乎在從“模型開源社區(qū)”向“創(chuàng)作者的AI全家桶”轉(zhuǎn)身——

這條路看起來順，實則每一步都不輕松，用戶信任并不會因為功能疊加而自然延續(xù)，它始終需要被重新驗證。

下一步能不能穩(wěn)住，不光看工具是不是夠強(qiáng)，而在于有沒有人，還愿意在這里繼續(xù)玩下去…是吧？