Netflix开源Void-inpainting视频擦除 ：一键抹掉视频瑕疵，效率革命才刚开始

一、VOID介绍

VOID,全称为视频物体与交互删除模型(Video Object and Interaction Deletion)，由Netflix联合索菲亚大学研究团队开发的前沿AI视频编辑系统，专为影视后期制作设计，核心能力是‌智能删除视频中的物体并动态重构场景‌，实现物理一致性与视觉连贯性的自动修复。。它的输入是一段视频和你想抹除的物体掩码，输出是抹除后的完整视频。

核心功能‌

• ‌物体擦除‌：精准识别并移除视频中指定物体（如车辆、人物、道具等）。
• ‌场景重构‌：基于上下文理解，自动生成被删除物体消失后应有的动态变化，包括：
  • 消除残留阴影、反射、烟雾、碎片
  • 重建背景运动轨迹（如车辆驶离后的路面状态）
  • 保持光照、透视与物理规律的一致性
• ‌无需重拍‌：替代传统CGI或手动修复，大幅降低制作成本与时间。

二、相关安装

分割（根据您提供的文本提示，这里指的是“SAM3”）明确了需要删除的内容；而这种“两步式”视频模型能够“随着时间推移填补空洞”。优点：

• 对象移除：而非单帧修补：整个片段内的连贯运动和光照效果。
• 与交互相关的接缝：被遮挡的像素会被填充，仿佛该对象（以及它对附近物体的直接影响）**从未存在过**，因此阴影、重叠或简单的因果线索看起来会比单纯的擦除效果更**合理**。 **第 2 道**会增强时间稳定性（减少抖动/闪烁），与第 1 道相比效果更显著——在较长的片段或有纹理背景的情况下尤其有用。
• 限制条件：如果遮挡区域不清晰、运动状态混乱或者目标占据了画面的大部分空间，那么这些情况仍然无法得到解决；而提示信息也无法从根本上纠正错误的分割结果。

输入内容

• 源视频 ： 来自 ComfyUI 的“输入”（“加载视频”）部分。
• 正面提示（修复填充）： 去除后“填充”的场景（剩余部分/其外观及移动情况）。
• 负面提示: 可选的抗伪迹列表；可以为空。
• SAM3 对象提示: 用于指定要遮蔽的“内容”的简短标签。

提示写作

**“积极（修复）”** — 描述**结果**，而非“移除 X”。示例：《空荡荡的厨房台面，自然光，瓷砖清晰可见》
**SAM3 对象** — 简短的指代短语：“身穿蓝色夹克的人”、“桌上放着的红色杯子”。

模型存储位置

📂 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

三、工作流

四、结论

VOID不仅是视频编辑工具的技术突破，更代表着AI从"视觉修复"向"物理理解"的跨越。随着模型优化和硬件成本下降，未来普通创作者也将能使用专业级视频修复功能。Netflix通过开源释放技术潜力，可能催生全新的内容创作生态——从自动修复家庭视频到辅助电影特效制作，AI驱动的视频编辑正迎来普惠化时代。这一技术演进也带来新思考：当AI能"理解"物理世界的互动规律，视频创作的边界将被重新定义。