ComfyUI 现已支持新开源模型：VOID、BiRefNet 和 Gemma 4

我们开源生态系统中的激动人心的增强功能

我们的开源网络已经取得了重大进展！我们很高兴本周推出与三个新开源迭代兼容的 ComfyUI：

• VOID 来自Netflix的视频对象消除

• BiRefNet 复杂背景分离

• Gemma 4,谷歌的多模态推理框架

查看它们的功能和实现如下。

VOID：具有物理交互感知的高级场景编辑

Netflix 近日公布了VOID（视频对象和交互删除） VOID 在视频恢复中增强了传统的像素删除技术。当消除主题时，VOID 会同时擦除与其相关的所有物理痕迹，包括主题存在时引起的阴影、反射和移动物体。

成功的恢复取决于四重面具：使用四种值将二进制掩膜替换为灰度等效图像。 这指导模型区分可移除区域、重叠部分、物理影响区域和保留区域——使得模型能够进行基本缺口填充以外的因果推断。
提示: 利用SAM3等分割框架来初始化quadmask输入。

VOID具有两种操作模式：

• 第1步处理标准剪辑的核心恢复

• 第2步集成光流细化以改善复杂素材的时间连续性

实施指南

1. 获取软件包并将文件放置在指定的模型目录中

2. 从模板中获取工作流

3. 提供输入素材、四边形遮罩和去除后场景描述

4. 执行工作流
   下载工作流

BiRefNet：复杂视觉的精确分割

BiRefNet（双边参考网络）为CAAI AIR 2024开发的专注于从复杂图像中提取高保真掩膜。它可以捕捉到头发、毛发和透明表面等细节元素，适用于各种分割应用。

该架构可同时应对显著/遮挡物体检测，集成在一个紧凑的框架中。

实施指南

1. 获取模型并放置birefnet.safetensors在/models/background_removal/

2. 通过模板获取工作流

3. 即時處理圖像
   下载工作流

Gemma 4：多模态推理架构

Google DeepMind 推出了Gemma 4这是他们开放权重框架的最新进化。这种本质上是多模态的系统处理文本、视觉、音频和视频，同时在生成响应之前提供可配置的逐步推理。

可用变体：

• E2B/E4B: 适合消费级GPU的参数高效选项

• 26B A4B (MoE) 和 31B 通过谷歌可用的密集配置

实施指南

1. 下载软件包并将文件传输到/models/text_encoders/

2. 获取工作流程模板

3. 集成带有可选媒体输入的文本说明
   下载工作流程

创新快乐！