Netflix 近日正式发布了一款名为 VOID（Video Object and Interaction Deletion）的视频编辑 AI 模型，旨在通过人工智能技术重塑电影后期制作流程。
该模型由 Netflix 研发团队与索菲亚大学的研究人员共同开发。与传统的视频裁剪或后期补帧技术不同，VOID 能够识别并移除视频中的特定对象，同时利用视觉语言模型（VLM）自动填补被移除对象留下的视觉空白。这种“物理驱动”的补全方式，能够确保背景画面符合逻辑，例如将原本发生碰撞的车辆移除后，模型会自动生成平整的路面及周围环境。
复杂场景的动态重构
研究团队在预印本论文中指出，VOID 的核心优势在于其处理复杂动态场景的能力。在测试中，VOID 不仅能擦除目标，还能推演剩余物体在失去交互对象后的行为。例如，当从一段有人跳入泳池的视频中移除人物时，该模型可以生成一段水面平静、没有水花溅出的原始画面。
为了验证其性能，研究人员将 VOID 与 Runway、Generative Omnimatte 以及 DiffuEraser 等现有视频编辑工具进行了对比。根据 25 名参与者的主观偏好调查显示，64.8% 的受访者更倾向于 VOID 生成的效果，而 Runway 的支持率仅为 18.4%。
目前，Netflix 已将该模型上传至 Hugging Face 平台，向公众开放安装与使用权限。该项目的开发者包括 Saman Motamed、William Harvey、Benjamin Klein 等人。他们表示，VOID 在合成数据与真实世界数据评估中，均表现出对复杂动态场景的出色建模能力。
尽管电影行业对于 AI 介入创作持有不同态度，但 VOID 的出现为后期制作提供了一种无需重新拍摄即可修改情节的方案。无论是在处理简单的物体遮挡，还是在进行大规模的画面重写，这一工具都为视频内容创作者提供了新的技术选择。
