> ## Documentation Index
> Fetch the complete documentation index at: https://dripart-mintlify-b90d3c69.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="ポータブル版または自宅サーバーで実行しているユーザー">
      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。（デスクトップ版の更新は若干遅れることがあります）

      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主な原因：

      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="デスクトップ版またはクラウド版ユーザー">
      * デスクトップ版は ComfyUI の安定版（Stable Release）をベースとしており、新しいデスクトップ安定版がリリースされると自動的に更新されます。
      * [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記載されているコアノードのうち、一部が利用できない場合は、そのノード機能がまだ最新の安定版に含まれていないためです。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、[CogVideoX](https://github.com/THUDM/CogVideo) をベースに構築されています。2パス拡散パイプラインを採用し、動画からオブジェクトを削除し、時間的に一貫性のあるコンテンツで穴を埋めます。

VOID はオブジェクトそのものを削除するだけでなく、オブジェクトがシーンに及ぼした**すべての物理的相互作用**も取り除きます — 単なる影や反射などの二次的効果だけでなく、人物を削除した際に物体が落下するといった物理的相互作用も含まれます。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/refs/heads/main/input/snowboarder.mp4" type="video/mp4" />
  </video>

  <video controls width="49%">
    <source src="https://raw.githubusercontent.com/Comfy-Org/workflow_templates/refs/heads/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 はオブジェクトを除去しながら、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
* **単なる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。

<Card title="JSON ワークフローをダウンロード" icon="download" href="https://raw.githubusercontent.com/Comfy-Org/workflow_templates/refs/heads/main/templates/utility_void_video_inpainting.json">
  Download workflow
</Card>

<Card title="Comfy Cloud で実行" icon="cloud" href="https://cloud.comfy.org/?template=utility_void_video_inpainting&utm_source=docs">
  Open in cloud
</Card>

### 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/resolve/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/resolve/main/diffusion_models/void_pass1.safetensors) — 一次パス

**VAE：**

* [cogvideox\_vae.safetensors](https://huggingface.co/Comfy-Org/void-model/resolve/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/resolve/main/optical_flow/raft_large_C_T_SKHT_V2-ff5fadd5.safetensors)

**SAM3 セグメンテーション：**

* [sam3.1\_multiplex\_fp16.safetensors](https://huggingface.co/Comfy-Org/sam3.1/resolve/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/resolve/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`

**プロンプトの役割分担：**

| 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