メインコンテンツへスキップ

Documentation Index

Fetch the complete documentation index at: https://docs.comfy.org/llms.txt

Use this file to discover all available pages before exploring further.

Make sure your ComfyUI is updated.Workflows in this guide can be found in the Workflow Templates. If you can’t find them in the template, your ComfyUI may be outdated. (Desktop version’s update will delay sometime)If nodes are missing when loading a workflow, possible reasons:
  1. You are not using the latest ComfyUI version (Nightly version)
  2. Some nodes failed to import at startup
VOID（Video Object Inpainting and Deletion）は、Netflix がオープンソース化した強力なビデオ修復モデルで、CogVideoX をベースに構築されています。2パス拡散パイプラインを採用し、動画からオブジェクトを削除し、時間的に一貫性のあるコンテンツで穴を埋めます。 VOID はオブジェクトそのものを削除するだけでなく、オブジェクトがシーンに及ぼしたすべての物理的相互作用も取り除きます — 単なる影や反射などの二次的効果だけでなく、人物を削除した際に物体が落下するといった物理的相互作用も含まれます。例えば、ギターを持っている人物を削除すると、VOID はその人のギターへの影響も取り除き、ギターが自然に落下するように処理します。 VOID は ComfyUI でネイティブサポートされており（PR #13403）、完全なモデルウェイトは Apache 2.0 ライセンス のもとで提供されています。 VOID モデル - GitHub | 論文 (arXiv) | 🤗 Diffusers Pipeline
処理前（左）— スノーボーダーが映った元の動画。処理後（右）— スノーボーダーを除去した結果。VOID はオブジェクトを除去しながら、自然な動き、照明、シーンの一貫性を維持します。

​
主な強み

  • インタラクション認識型削除 — オブジェクトだけでなく、それがシーンに及ぼしたすべての物理的相互作用（影、反射、落下物体など）も除去
  • 単なる単一フレームの修正ではない真のオブジェクト削除 — クリップ全体で一貫性のある動きと照明を生成
  • 2パス最適化 — Pass 2 は Pass 1 単独よりも優れた時間的安定性（少ないジッターやフラッシュ）を提供。特に長いカットやテクスチャ背景で効果的
制限事項： 不明瞭なマスク、乱雑な動き、またはフレームを支配する対象物は、依然として最適とは言えない結果を生む可能性があります — プロンプトでは根本的に誤ったセグメンテーションを修正できません。

​
VOID ビデオ修復ワークフロー

​
1. ワークフローをダウンロード

ComfyUI を最新バージョンにアップデートし、メニューから ワークフロー -> テンプレートを閲覧 に進み、Utility カテゴリから “VOID: Video Inpainting” を見つけてください。

JSON ワークフローをダウンロード

Download workflow

Comfy Cloud で実行

Open in cloud

​
2. モデルをダウンロード

すべてのモデルは Comfy-Org VOID モデルリポジトリ でホストされています。 拡散モデル — 中核となる2パス修復モデル： VAE： オプティカルフロー： SAM3 セグメンテーション： テキストエンコーダ： 
📂 ComfyUI/
├── 📂 models/
│   ├── 📂 checkpoints/
│   │   └── sam3.1_multiplex_fp16.safetensors
│   ├── 📂 text_encoders/
│   │   └── t5xxl_fp16.safetensors
│   ├── 📂 vae/
│   │   └── cogvideox_vae.safetensors
│   ├── 📂 optical_flow/
│   │   └── raft_large_C_T_SKHT_V2-ff5fadd5.safetensors
│   └── 📂 diffusion_models/
│       ├── void_pass2.safetensors
│       └── void_pass1.safetensors

​
3. ワークフローの使い方

入力パラメータ：
  • ソース動画 — Load Video ノードで動画を読み込みます（ComfyUI input/ フォルダに配置）
  • ポジティブプロンプト（修復フィル） — オブジェクト削除後のシーンを説明します。削除されたものではなく、残ったものとその見え方に焦点を当てます
    • 例：empty kitchen counter, daylight, tiles visible
  • ネガティブプロンプト — オプションのアーティファクト防止リスト。空でも可
  • SAM3 オブジェクトプロンプト — 削除したいものの短いラベル。SAM3 は意味理解によりターゲットオブジェクトのセグメンテーションマスクを作成します
    • 例：person in blue jacket、red cup on table
    • SAM3 プロンプトの最大トークン数は 32。複数の対象を個別に指定する場合はカンマで区切り、:N でプロンプトごとの最大検出数を指定：eye:2, window panels:4
プロンプトの役割分担：
プロンプト役割
SAM3 オブジェクト何を削除するか（SAM3 が意味セグメンテーションでマスクを作成）
ポジティブ（修復）どのように穴を埋めるか
長いクリップやテクスチャ背景では Pass 2（精錬パス）を使用することで時間的安定性が向上します。Pass 1 のみの方が高速ですが、ジッターが発生しやすくなります。

Subgraph について学ぶ

このワークフローはモジュラーな動画処理に Subgraph ノードを使用しています。Subgraph ドキュメントを参照して、ワークフローのカスタマイズと拡張方法を学んでください。

​
補足説明

  • マスクの品質が重要 — 削除対象をしっかり囲むクリーンなマスクが最良の結果を生みます
  • プロンプト作成のコツ — 削除後、シーンが自然に見えるべき姿を説明し、削除そのものを説明しないでください
  • ネガティブプロンプト は、繰り返し現れる欠陥（ウォーターマーク、ぼやけ、余分な手足など）が見られる場合にのみ使用してください
  • 2パスワークフロー — テンプレートは Pass 1 から Pass 2 を自動実行します。テスト中は Pass 1 のみを実行して迅速に反復することもできます