> ## Documentation Index
> Fetch the complete documentation index at: https://dripart-chore-sync-comfy-api-v2-spec-d5155ac.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# VOID：ComfyUI ビデオ修復ワークフロー

> Netflix の VOID ビデオ修復モデルを使って、動画からオブジェクトを削除する方法を学びます

<Tip>
  <Tabs>
    <Tab title="ローカルユーザー">
      ComfyUI が最新版に更新されていることを確認してください。

      * [ComfyUI のダウンロード](https://www.comfy.org/download)
      * [更新手順](/ja/installation/update_comfyui)

      このガイドで紹介するワークフローは、[ワークフローテンプレート](/ja/interface/features/template)から入手できます。
      テンプレート内に該当のワークフローが見つからない場合、ComfyUI のバージョンが古くなっている可能性があります。

      ワークフローを読み込んだ際にノードが欠落している場合の考えられる原因：

      1. 最新の ComfyUI（Nightly 版）を使用していない
      2. 起動時に一部のノードのインポートに失敗している
    </Tab>

    <Tab title="クラウドユーザー">
      * [Cloud](https://cloud.comfy.org) は、ComfyUI の安定版リリース後に更新されます。

      したがって、このドキュメントでコアノードが見つからない場合、それは新しいコアノードがまだ最新の安定版にリリースされていない可能性があります。次回の安定版リリースをお待ちください。
    </Tab>
  </Tabs>
</Tip>

VOID（Video Object Inpainting and Deletion）は、Netflix がオープンソース化した強力なビデオ修復モデルです。[CogVideoX](https://github.com/THUDM/CogVideo) をベースに構築された2パス拡散パイプラインを使用し、動画からオブジェクトを削除し、その穴を時間的に一貫性のあるコンテンツで埋めます。

VOID はオブジェクトとともに、**オブジェクトがシーンに及ぼしたすべての相互作用**（影や反射などの二次的効果だけでなく、人物を削除した場合の物体落下などの物理的相互作用も含む）を削除します。例えば、ギターを持っている人物を削除すると、VOID はその人のギターへの影響も取り除き、ギターが自然に落下するように処理します。

VOID は ComfyUI でネイティブサポートされており（PR [#13403](https://github.com/Comfy-Org/ComfyUI/pull/13403)）、完全なモデルウェイトは [Apache 2.0 ライセンス](https://github.com/Netflix/void-model?tab=Apache-2.0-1-ov-file) のもとで提供されています。

[VOID モデル - GitHub](https://github.com/Netflix/void-model) | [論文 (arXiv)](https://arxiv.org/abs/2604.02296) | [🤗 Diffusers Pipeline](https://huggingface.co/netflix/void-model)

<div style={{ display: 'flex', gap: 16, flexWrap: 'wrap' }}>
  <video controls width="49%">
    <source src="https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/input/snowboarder.mp4" type="video/mp4" />
  </video>

  <video controls width="49%">
    <source src="https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/output/utility_void_video_inpainting.mp4" type="video/mp4" />
  </video>
</div>

**処理前**（左）：スノーボーダーが映った元の動画。**処理後**（右）：スノーボーダーを除去した結果。VOID は不要なオブジェクトを除去しながら、フレーム間で自然な動き、照明、シーンの一貫性を維持します。

### 主な強み

* **インタラクション認識型削除**：オブジェクトだけでなく、それがシーンに及ぼしたすべての物理的相互作用（影、反射、落下物体など）も除去
* **単一フレームの修正ではない真のオブジェクト削除**：クリップ全体で一貫性のある動きと照明を生成
* **2パス最適化**：Pass 2 は Pass 1 単独よりも優れた時間的安定性（少ないジッターやフラッシュ）を提供。特に長いカットやテクスチャ背景で効果的

> **制限事項：** 不明瞭なマスク、乱雑な動き、またはフレームを支配する対象物は、依然として最適とは言えない結果を生む可能性があります。プロンプトでは根本的に誤ったセグメンテーションを修正できません。

## VOID ビデオ修復ワークフロー

### 1. ワークフローをダウンロード

ComfyUI を最新バージョンにアップデートし、メニューから `ワークフロー` -> `テンプレートを閲覧` に進み、Utility カテゴリから "VOID: Video Inpainting" を見つけてください。

<h3 id="utility_void_video_inpainting">
  VOID: Video Inpainting
</h3>

動画をアップロードし、削除したいオブジェクトをマスクします。オブジェクトとその物理的相互作用が削除されたクリーンな動画を生成します。

<img src="https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/templates/utility_void_video_inpainting-1.webp" alt="VOID video inpainting workflow preview" />

<CardGroup cols={2}>
  <Card title="Comfy Cloud で実行" icon="cloud" href="https://cloud.comfy.org/?template=utility_void_video_inpainting&utm_source=docs&utm_medium=referral&utm_campaign=void-video-inpainting">
    Comfy Cloud で開く
  </Card>

  <Card title="ワークフローをダウンロード" icon="download" href="https://github.com/Comfy-Org/workflow_templates/blob/main/templates/utility_void_video_inpainting.json">
    JSON をダウンロードするか、テンプレートライブラリで "VOID: Video Inpainting" を検索してください
  </Card>
</CardGroup>

**入力素材**

このファイルを該当する `LoadVideo` ノードにアップロードしてください：

<CardGroup cols={2}>
  <Card title="snowboarder.mp4" icon="download" href="https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/input/snowboarder.mp4">
    `LoadVideo` node 4 · `snowboarder.mp4`
  </Card>
</CardGroup>

### 2. モデルをダウンロード

すべてのモデルは [Comfy-Org VOID モデルリポジトリ](https://huggingface.co/Comfy-Org/void-model) でホストされています。

**拡散モデル** — 中核となる2パス修復モデル：

* [void\_pass2.safetensors](https://huggingface.co/Comfy-Org/void-model/blob/main/diffusion_models/void_pass2.safetensors) — 精錬パス、時間的安定性に優れる
* [void\_pass1.safetensors](https://huggingface.co/Comfy-Org/void-model/blob/main/diffusion_models/void_pass1.safetensors) — 一次パス

**VAE：**

* [cogvideox\_vae.safetensors](https://huggingface.co/Comfy-Org/void-model/blob/main/vae/cogvideox_vae.safetensors)

**オプティカルフロー：**

* [raft\_large\_C\_T\_SKHT\_V2-ff5fadd5.safetensors](https://huggingface.co/Comfy-Org/void-model/blob/main/optical_flow/raft_large_C_T_SKHT_V2-ff5fadd5.safetensors)

**SAM3 チェックポイント** — セグメンテーション用：

* [sam3.1\_multiplex\_fp16.safetensors](https://huggingface.co/Comfy-Org/sam3.1/blob/main/checkpoints/sam3.1_multiplex_fp16.safetensors)

**テキストエンコーダ：**

* [t5xxl\_fp16.safetensors](https://huggingface.co/comfyanonymous/flux_text_encoders/blob/main/t5xxl_fp16.safetensors)

```
📂 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
```

### 3. ワークフローの使い方

**入力パラメータ：**

* **ソース動画** — `Load Video` ノードで動画を読み込みます（ComfyUI `input/` フォルダに配置）
* **ポジティブプロンプト（修復フィル）** — オブジェクト削除**後**のシーンを説明します。削除されたものではなく、残ったものとその見え方に焦点を当てます
  * 例：`empty kitchen counter, daylight, tiles visible`
* **ネガティブプロンプト** — オプションのアーティファクト防止リスト。空でも可
* **SAM3 オブジェクトプロンプト** — **削除したいもの**の短いラベル。SAM3 は意味理解によりターゲットオブジェクトのセグメンテーションマスクを作成します
  * 例：`person in blue jacket`、`red cup on table`
  * SAM3 プロンプトの最大トークン数は **32**。複数の対象を個別に指定する場合はカンマで区切り、`:N` でプロンプトごとの最大検出数を指定：`eye:2, window panels:4`

**モード：**

| プロンプト       | 役割                                    |
| ----------- | ------------------------------------- |
| SAM3 オブジェクト | **何を**削除するか（SAM3 が意味セグメンテーションでマスクを作成） |
| ポジティブ（修復）   | **どのように**穴を埋めるか                       |

長いクリップやテクスチャ背景では **Pass 2**（精錬パス）を使用することで時間的安定性が向上します。**Pass 1** のみの方が高速ですが、ジッターが発生しやすくなります。

<Card title="Subgraph について学ぶ" icon="book-open" href="/ja/interface/features/subgraph">
  このワークフローはモジュラーな動画処理に Subgraph ノードを使用しています。Subgraph ドキュメントを参照して、ワークフローのカスタマイズと拡張方法を学んでください。
</Card>

## 補足説明

* **マスクの品質が重要** — 削除対象をしっかり囲むクリーンなマスクが最良の結果を生みます
* **プロンプト作成のコツ** — 削除後、シーンが自然に見えるべき姿を説明し、削除そのものを説明しないでください
* **ネガティブプロンプト** は、繰り返し現れる欠陥（ウォーターマーク、ぼやけ、余分な手足など）が見られる場合にのみ使用してください
* **2パスワークフロー** — テンプレートは Pass 1 から Pass 2 を自動実行します。テスト中は Pass 1 のみを実行して迅速に反復することもできます