SAM3 视频抠图教程：视频逐帧自动抠人，蒙版直出

SAM3 视频抠图是什么？能做什么

上一篇的 SAM3 图像抠图解决"图片抠人"，这一篇的 SAM3 视频抠图解决"视频里抠人"——用同一套语义理解能力，对视频逐帧自动抠图：加载一段视频，提示词写要抠的主体，它就输出整段视频的蒙版（每帧的人物轮廓）。

它能做什么？

• 视频人物抠出：把视频里的人从背景中分离（逐帧蒙版），用于换背景/合成
• 背景移除预处理：视频合成、虚拟演播室、去背景素材——先出蒙版再合成
• 和图像版同一套提示词：会图像抠图就会视频抠图，参数逻辑完全一样

和图像版的区别：图像版输出"透明背景图"，视频版默认输出蒙版预览（黑白逐帧蒙版）——它是"抠图的第一半"，后半（用蒙版合成透明视频）可以接后续节点完成，本篇先把前半讲透。

第 1 步：打开 SAM3 视频抠图工作流

启动 ComfyUI，打开 AI星尘-Minimax H3 文件夹里的 AI星尘--SAM3视频抠图.json。

模型和图像版是同一个（sam3.1_multiplex_fp16.safetensors），已在包内，开箱即用。

第 2 步：认识工作流（3 个关键节点）

• LoadVideo（加载视频）：上传/选择要抠的视频，起点（支持 mp4 等常见格式）
• SAM3 抠图节点：核心——输入视频 + 提示词，逐帧输出蒙版（MASK）
• MaskPreview（蒙版预览）：黑白蒙版预览（白色=保留区域）

第 3 步：加载视频

点 LoadVideo 节点，选择要抠的视频（人物出镜的视频最合适，比如人物介绍、跳舞、走路）。工作流默认挂了一段示例视频，可以先跑通流程再换自己的。

⚠️ 提示：视频越长抠得越慢（逐帧处理），建议先用 3~5 秒的短片段试效果。

第 4 步：填提示词（要抠什么）

在 SAM3 节点上找到 text 输入框，填上要抠的主体，和图像版完全一样的规则：

• 抠人物：woman / man / person
• 抠物体：cat / car / product
• 多主体逗号分隔：woman, cat

⚠️ 同样是 token 上限 32——只写主体名，别写长句子。

第 5 步：参数（和图像版一样，保持默认）

• threshold（阈值）：0.5——蒙版置信度阈值，边缘复杂的视频主体（飘动头发/快速动作）可调低到 0.3~0.4
• refine_iterations（细化迭代）：2——边缘细化，动作大的视频可以调 3~4 让轮廓更稳
• individual_masks：False——多主体时开 True 单独出蒙版

第 6 步：点运行，看逐帧蒙版

点「运行」——模型逐帧处理视频，MaskPreview 显示每帧的黑白蒙版（白色=保留的人物区域，黑色=背景）。可以拖动预览帧查看不同时间点的抠图效果。

蒙版是视频抠图的"第一半"：确认蒙版干净后，后续可以接视频合成节点（用蒙版做 alpha 合到新背景，或用 H3 工作流做背景替换），这就是"换背景视频"的完整链路。

进阶玩法（知道有这些方向即可）

蒙版只是地基，怎么用取决于你的目标，几个常见方向：

• 视频换背景：蒙版做 alpha 合成透明视频，贴到任意新背景——没有绿幕也能拍抠像视频（语义抠图不依赖背景颜色）
• 喂给 H3 当参考：把抠出的人物/蒙版作为参考图给 H3 多参考工作流，让视频里的人生成到新场景——"实拍人物进 AI 世界"
• 局部重绘：蒙版圈定区域，让 H3 只重绘背景保留人物（或反之），改视频背景不动人
• 批量素材：电商产品视频去背景出透明素材、舞蹈视频抠人做特效

技巧

• 先用短片段试：视频逐帧抠图，越长越慢——先用 3~5 秒片段调好提示词和参数，再跑长视频
• 动作大的视频：人物快速移动/转身时蒙版容易抖——refine_iterations 调高（3~4），threshold 微调
• 多主体视频：提示词逗号分隔，individual_masks 开 True，各主体单独蒙版
• 配合 H3 使用：抠出的蒙版/主体可以作为参考，让 H3 在生成时把人物锁定到新场景

常见问题

• 提示词 token 超限？模型上限 32 token——只写主体名
• 蒙版边缘抖/跳？视频逐帧独立抠图，动作大时边缘会抖——refine_iterations 调高、threshold 微调，或换更稳定的片段
• 跑得很慢？视频逐帧处理，正常现象——先用短视频试，确认效果再跑长视频
• 视频版为什么没有透明视频输出？工作流默认输出蒙版预览；透明视频合成需要接视频合成节点（用蒙版做 alpha），属于进阶玩法

小结

SAM3 视频抠图 = 图像抠图的视频版：加载视频 → 提示词写主体（英文，多主体逗号分隔）→ 运行出逐帧蒙版。参数、提示词规则和图像版完全一致，会图像版就会视频版。默认输出蒙版预览（验证抠图效果），透明视频合成是后续进阶——先会抠，再谈合。