이 ComfyUI 튜토리얼은 VOID: Video Inpainting 워크플로를 사용해 비디오에서 오브젝트를 제거하는 방법을 보여줍니다. 그래프는 단순하고 학습이 빠릅니다: LoadVideo가 클립을 읽고, 단일 VOID 인페인팅 노드(c3157b75-484a-459e-b8de-57823bef5130)가 세그멘테이션 및 시간 기반 인페인팅을 수행하며, SaveVideo가 정리된 결과를 저장합니다. 캔버스의 MarkdownNote가 인라인 가이드를 제공합니다. 내부적으로 세그멘테이션은 SAM3(sam3.1_multiplex_fp16.safetensors 체크포인트 사용)로 구동됩니다. T5-XXL 텍스트 인코더로 인코딩한 텍스트 힌트, 손으로 그린 마스크, 또는 둘 다를 사용해 지울 대상을 정밀하게 안내할 수 있습니다.
기술적으로 핵심 VOID 노드는 Netflix/void-model 프로젝트의 2패스 시간 인지 인페인팅 모델을 실행합니다. 1패스는 프레임별로 마스크된 콘텐츠를 제거하고 그럴듯한 배경을 추정하며, 2패스는 시간 축으로 구조를 전파해 깜빡임을 줄이고 모션 패럴랙스를 보존합니다. 이 방식은 단일 프레임 패치보다 실제 오브젝트 제거에 더 적합하며, 반사/그림자/짧은 가림도 프레임 간에 더 일관되게 처리됩니다. fp16으로 동작하므로 최신 GPU에서 품질과 속도의 균형을 맞추면서 메모리 사용을 관리하기 쉽습니다.
API
코드에서 이 워크플로우 사용하기
모든 Comfy 워크플로우는 JSON 그래프입니다. 아래 페이로드는 이 워크플로우 그 자체로, ComfyUI에서 실행되는 것과 동일합니다 — URL에서 가져오거나, 버전 관리에 보관하거나, ComfyUI에서 불러와 노드별로 실행할 수 있습니다.
Comfy SDK로 TypeScript 또는 Python에서 실행하세요. 동일한 코드는 Comfy Cloud 또는 직접 호스팅하는 ComfyUI 모두에 적용됩니다 — 기본 URL만 다릅니다.
// Install (beta)
npm i @comfyorg/sdk
// Run this workflow (TypeScript)
import { Comfy } from "@comfyorg/sdk";
const client = new Comfy({ apiKey: "comfyui-..." });
const wf = await client.workflows.fromFile("workflow_api.json");
const job = await client.run(wf);
await job.getOutputs("<output-node-id>")[0].toFile("output.png");SDK는 API 형식의 워크플로우를 사용합니다: 이 워크플로우를 ComfyUI에서 열고 파일 → 워크플로우 내보내기(API)를 사용하세요.
FAQ
