本 ComfyUI 教程演示如何使用 VOID: Video Inpainting 工作流从视频中移除物体。节点图结构简单、上手快：LoadVideo 读取视频，一个 VOID inpainting 节点（c3157b75-484a-459e-b8de-57823bef5130）完成分割与时间一致的修复，SaveVideo 写出清理后的结果。画布上的 MarkdownNote 提供了节点内说明。底层分割由 SAM3 驱动（使用 sam3.1_multiplex_fp16.safetensors checkpoint）。你可以用 T5-XXL 文本编码器编码的文本提示来指定要擦除的内容，也可以提供手绘遮罩，或两者结合以获得更高精度。
从技术上看，核心 VOID 节点运行的是 Netflix/void-model 项目中的双阶段、时间感知修复模型。第一阶段在每一帧移除遮罩区域内容并估计合理背景；第二阶段在时间维度传播结构信息，以减少闪烁并保留运动视差。这使它更适合做真实物体移除，而不是单帧补丁：反射、阴影、短暂遮挡等在跨帧上会更连贯。由于以 fp16 运行，它能在现代 GPU 上兼顾质量与速度，同时将显存占用控制在可接受范围。
API
通过代码使用此工作流
每个 Comfy 工作流都是一个 JSON 图。下面的内容就是此工作流的完整数据，ComfyUI 运行时也是如此——你可以从该 URL 获取、放入版本控制，或在 ComfyUI 中加载并逐节点运行。
使用 Comfy SDK 从 TypeScript 或 Python 运行。相同代码可用于 Comfy Cloud 或你自托管的 ComfyUI——只需更改基础 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 需要 API 格式的工作流：在 ComfyUI 中打开此工作流，使用 文件 → 导出工作流（API）。
常见问题
