🎞️ Video Inpainting — Pro Pack on RunComfy

核心功能

Video Inpainting — Pro Pack 是 RunComfy 平台提供的专业级视频修复解决方案，通过 CLI 工具实现跨帧区域智能编辑。支持三种主要场景：移除贯穿多帧的物体（如路人、水印）、清理画面瑕疵（电线、标志）、以及替换区域并保持运动一致性。

技术实现路径：

• Wan 2-7 Edit-Video（默认）：通过自然语言描述空间区域（如"右下角水印""头顶电线"），模型自动解析并在全帧序列中执行一致性修复
• Lucy Edit Restyle：针对身份保持型区域重绘（如服装替换），确保主体特征跨帧稳定
• Seedream 4-0 Edit-Sequential：将视频视为帧序列的独立编辑，适合低帧率短片段

显著优点：
1. 零代码 CLI 工作流，npm 全局安装即可使用
2. 智能路由免手动选模型，根据编辑意图自动匹配最优后端
3. 时序一致性优于逐帧独立处理，减少闪烁和突变
4. 与 ComfyUI 生态无缝衔接，复杂需求可降级至 GUI 工作流（SAM2 遮罩追踪 + LTX 2-3 精准修复）

潜在局限：

• 提示驱动型编辑对像素级精度控制有限，复杂遮罩需转向 ComfyUI 工作流
• 长片段（>30秒）或高动态场景可能出现时序漂移
• 复合编辑（同时移除A并替换B）成功率低，建议分步执行
• 依赖第三方视频 CDN，URL 可用性影响成功率

适合人群：内容创作者（快速去水印/路人）、影视后期（粗剪阶段清理穿帮）、AI 开发者（需要程序化视频批处理 pipeline）

常规风险：

• 源视频元数据/嵌入文本可能通过间接提示注入影响生成结果
• API Token 本地存储（~/.config/runcomfy/token.json），共享环境需配置 RUNCOMFY_TOKEN 环境变量
• 生成文件上限 2GiB，超限时 CLI 自动中止
• 输出质量与源视频编码、分辨率强相关，低质量输入放大瑕疵

核心用法

该 Skill 通过 RunComfy CLI 调用云端视频修复模型，支持三种路由场景：

Wan 2-7 Edit-Video（默认）：基于提示词驱动的区域编辑，通过自然语言描述空间位置（如"右下角水印"、"背景中行走的人"）实现跨帧修复，适合大多数水印去除、物体消除场景。

Lucy Edit Restyle：身份稳定的区域风格重绘，适用于需要保持主体一致性轻量换装或物体替换。

Seedream 4-0 Edit-Sequential：逐帧独立编辑后重新编码，仅适合短序列、低帧率片段，不推荐用于长视频。

典型工作流

runcomfy run wan-ai/wan-2-7/edit-video \
  --input '{"video_url": "...", "prompt": "Remove the watermark..."}' \
  --output-dir ./out

显著优点

• 零本地算力：完全云端运行，无需 GPU
• 智能路由：根据编辑意图自动选择最优模型
• 自然语言控制：无需手动绘制遮罩，描述即可定位
• MIT 开源：Skill 本身透明可审计

潜在局限

• 精度天花板：提示词驱动无法替代像素级遮罩，精细修复需转 ComfyUI 工作流
• 时序一致性风险：复杂动态背景可能出现闪烁或填充不连贯
• 成本累积：按调用计费，长视频多次迭代成本较高
• 网络依赖：必须保持 RunComfy 服务可用

适合人群

• 内容创作者快速去除水印/杂物
• 视频编辑者处理背景路人、电线等干扰元素
• 无本地 ComfyUI 环境但需要视频修复能力的用户

常规风险

• 第三方内容注入：源视频 URL 中的 EXIF 或嵌入文本可能影响编辑结果
• Token 泄露：RUNCOMFY_TOKEN 需妥善保管，避免硬编码
• 供应链安全：务必通过 npm 官方渠道安装 CLI，禁用管道脚本安装