SAM3 - Enmascarado de vídeo mediante prompts de texto
SAM 3 te permite enmascarar objetos en un video solo escribiendo una frase corta como "auto rojo" o "persona" — sin rotoscopía cuadro por cuadro. Encuentra todas las instancias coincidentes, las rastrea a través de los cuadros con IDs estables y genera máscaras por cuadro listas para composición, desenfoque o reemplazo.
Acerca de
Este flujo de trabajo demuestra el enmascarado de video guiado por texto con el nodo SAM3 Video Masking (ID: 9cea40bb-b0cf-4b40-a758-8935cfe8d52f). Cargas un clip con VHS_LoadVideo, describes el objetivo en lenguaje natural (por ejemplo, "auto rojo", "persona", "taza de café"), y el nodo encuentra todas las instancias coincidentes y las rastrea a través de los cuadros con IDs estables. Produce tres salidas paralelas: una previsualización (máscaras de color sobre los cuadros originales), una secuencia de máscaras binarias/grises y una secuencia recortada donde solo se conservan los píxeles enmascarados.
Lo que proporcionas
- Leyendo el flujo de trabajo
Se ejecuta en ComfyUI. Este flujo de trabajo no puede ejecutarse en esta página. Ábrelo en Comfy Cloud con todo cargado o descárgalo para tu propio ComfyUI.
Probar en CloudPreguntas y respuestas
Conecta cada salida de SAM3 a su propio nodo SaveVideo. Usa la salida fps de VHS_LoadVideo para alimentar la entrada fps de SaveVideo (o ponlo manualmente), elige ruta y formato, y renderiza. Puedes exportar cualquiera o todas las secuencias de forma independiente.
Sí. Si el prompt coincide con varias instancias (ej. "persona"), el nodo segmentará y rastreará cada una con IDs estables. Para limitar resultados, haz el prompt más específico (ej. "persona con chaqueta roja") o recorta la entrada a la región de interés.
El movimiento rápido, desenfoque de movimiento u oclusión pueden reducir la confianza por cuadro y afectar el rastreo. Mejora resultados usando un prompt más específico, aumentando los umbrales de confianza/puntaje del nodo y procesando el video a resolución original (o menos downscaling) si tu VRAM lo permite.
Se recomienda una GPU. El rendimiento escala con la VRAM y la capacidad de cómputo. Puedes prototipar en hardware limitado bajando la resolución y usando frame_load_cap de VHS_LoadVideo para previsualizar un segmento corto antes de procesar el clip completo.
Flujos de trabajo relacionados
- ACE-Step
ACE-Step 1.5 Generación de Música (4B LLM)
- Nodo asociado
AI on the Lot 2026 - QwenVL - i2t
- Nodo asociado
AI on the Lot 2026 - QwenVL - Mejorador de Prompts
- Nodo asociado
AI on the Lot 2026 - WF final - t2v
- Nodo asociado
AI on the Lot 2026_LTX-2.3_IC LoRA (Union Control)
- Nodo asociado
Arrow2: Image to SVG
- Nodo asociado
Arrow2: Text to SVG
- Z-Image-Turbo
Cambiar nodo
- Seedance 2.0
Captura de Movimiento por Profundidad con Seedance 2.0
- Nodo asociado
Collages en Movimiento
- Gemini3 Pro Image Preview, Google, Nano Banana Pro
Colorear ilustración lineal
- Flux.2 Dev, Flux.2 Klein, GPT-Image-1.5, Grok, Nano Banana Pro, Qwen-Image-Edit, Seedream
Comparación de 1 entrada y múltiples modelos de edición