這份 ComfyUI 教學示範如何使用 VOID: 影片局部修補工作流程從影片中移除物件。圖形結構簡單且容易上手：LoadVideo 讀取片段、單一 VOID 局部修補節點（c3157b75-484a-459e-b8de-57823bef5130）執行分割與時間一致的局部修補，最後由 SaveVideo 寫出清理後的結果。畫布上的 MarkdownNote 提供了即時操作指引。底層的分割由 SAM3 驅動（使用 sam3.1_multiplex_fp16.safetensors checkpoint）。你可以用 T5-XXL 文字編碼器編碼的文字線索、手繪遮罩，或兩者並用來指定要擦除的內容，以取得更高精度。
技術上，核心 VOID 節點執行來自 Netflix/void-model 專案的兩段式、具時間感知的局部修補模型。第一段會依每個影格移除遮罩範圍的內容並估計合理背景；第二段會將結構沿時間傳播，以降低閃爍並保留運動視差。這使它更適合真實物件移除，而不是單張影格的補丁：反射、陰影以及短暫遮擋能在跨影格時更一致地處理。由於以 fp16 運作，它能在現代 GPU 上兼顧品質與速度，同時維持可控的記憶體用量。
API
從程式碼使用此工作流
每個 Comfy 工作流都是一個 JSON 圖。下方的 payload 就是此工作流，與 ComfyUI 執行時完全相同 — 你可以從此 URL 取得、放入版本控制，或在 ComfyUI 載入並逐節點執行。
使用 Comfy SDK 以 TypeScript 或 Python 執行。相同程式碼可用於 Comfy Cloud 或你自架的 ComfyUI — 只需更改 base URL。
// 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");SDK 需使用 API 格式的工作流：請在 ComfyUI 開啟此工作流，並使用 檔案 → 匯出工作流（API）。
常見問題
