如何用本機 AI 替換影片裡的物體
點一下道具或車輛,SAM2 就會追蹤它,再把它周圍的背景換成透明、純色、圖庫圖片或模糊,不用上傳片段。
短答案
在 KwaFlux 裡,「替換影片裡的物體」指的是保留物體、換掉它身後的背景:在一格上點選物體,讓 SAM2 追蹤它,再選透明、純色、圖庫或模糊背景。它針對非人物主體,人物請用人物替換;要把物體擦掉是另一個工具。用 物體背景替換。

什麼時候物體背景替換優於人像替換
- 主體是瓶子、招牌、車或其他道具 — 不是肖像
- 你要的是點擊追蹤遮罩,不是為人優化的身體遮罩
- 你需要 Alpha 或簡單換底板,不想開 After Effects
什麼仍需要合成軟體
- 嚴重遮擋、運動模糊,或看起來像背景的目標
- 多層特效或追蹤過的運鏡
- 你需要給別人的工程交帶 alpha 的 ProRes 4444 或 WebM
如何跑這套工作臺
- 匯入片段並點擊要分離的物體
- 選透明、純色、圖庫或模糊;在難幀上預覽 1 秒/3 秒/5 秒
- 本機匯出,或把合成件送進 格式轉換
匯出前,先把難處理的畫格看過
選哪種背景,決定的是交付方式,而不是品質高低。「透明」保留 Alpha 通道,方便別的剪輯師把追蹤到的物體放到另一個背景上;「純色」在物體後面鋪一種顏色;「圖庫」放一張你選的靜態圖片;「模糊」保留原本的場景,只把點選範圍以外的地方柔化,適合道具留在原處、讓街景退到後面的情況。你點選的是自己正在剪的片子裡的一個物體,例如一個瓶子、一塊招牌或一輛車,然後替換它周圍的那塊區域。
SAM2 會順著這次點選,在整條鏡頭裡追蹤物體。輪廓蔓延到和物體同色的牆或桌面上時,可以在標註欄裡還原、重做或重新產生。把免費的 1 秒、3 秒或 5 秒預覽放在難處理的那一刻:轉身、從另一件道具後面經過,或者邊緣本該清楚卻糊掉的那一格。平靜的開頭畫面會掩蓋邊緣的蔓延。預覽不需要帳號。匯出、轉換、檔案修復和從連結下載檔案需要登入並選擇付費方案。兩個步驟都在你的電腦上處理,不需要上傳影片。
AI 消除 是把一個地方補上,讓走過的人或停著的垃圾桶消失。物體背景替換則保留你選中的東西,換掉它身後的背景,或者把 Alpha 通道交給你。瓶子要消失,就用消除;瓶子要放在乾淨的背景上,就用這個模組。人像仍然交給 AI 智慧摳像,它的遮罩專門針對頭髮和身體調過。人手裡拿著的道具可以作為點選對象,但不要讓這個模組去摳人。
仍然需要合成軟體的情況,不會因為靜格上背景看起來整齊就變簡單。嚴重遮擋、動態模糊,以及和背景融在一起的目標,依然很難處理。多層特效和需要追蹤的運鏡,仍然要在別的軟體裡做。合作方需要帶 Alpha 的 ProRes 4444 或 WebM 時,就匯出 Alpha,讓對方在自己的專案裡完成合成。已經確認沒問題的合成成片,可以用 格式轉換 改編碼,這一步同樣在本機完成。
有用的一輪處理,刻意做得很短。匯入片子,在物體輪廓清楚的那一格上點一下。如果第一次產生的遮罩把桌子、天空或另一件相似的道具也包了進去,就重新產生再點一次,不要指望匯出時它自己會變乾淨。然後按交接方式選背景:別人還要合成,就選「透明」;這個檔案就是成片,就選「純色」或「圖庫」;物體留在畫面裡、只想讓周圍退到後面,就選「模糊」。在動作最劇烈的地方看預覽。邊緣在那裡穩得住,就本機匯出;穩不住,就換一個點選位置,或者把這條鏡頭交給合成軟體。
只處理你有權剪輯的素材。點選的是這條鏡頭裡的某個物體。產品鏡頭、B-roll 和使用者生成內容是最常見的用法:一件道具或一輛車,在你的 GPU 上追蹤,原始檔案留在匯出檔旁邊。本頁圖片顯示的是載入了片段、還沒標註任何物體的模組介面,所以裡面沒有替換結果。請以你自己的 1 秒、3 秒或 5 秒預覽來判斷。
最該主動去找的失敗,是顏色相近。深色瓶子對著深色吧檯、白色招牌對著陰天、車身和路面顏色差不多,都容易讓遮罩游移。先在邊界明顯的那一格上點選物體,再拖到邊界不明顯的那一格,在那裡跑一段短預覽。如果重新產生也守不住這條邊界,老實說下一步該用合成軟體,而不是把同一個遮罩匯出得更長。
- 在你正在剪的影片裡點道具、招牌或車
- 透明、純色、圖庫和模糊是底板種類,不是高低檔
- 在物件被擋住、或顏色貼近背景的地方看短預覽
- 物件該消失用消除,該留下用這個工作臺
- 難處理的畫格站得住再匯出,並留著原檔
用你自己的素材試試效果
下載 KwaFlux,付費前先用自己的素材免費預覽效果——無需註冊,在你的 GPU 上處理,處理不需要上傳媒體檔案。 影片預覽可選 1、3或5 秒;防抖預覽可選 5、15或30 秒。
常見問題
追蹤物體時會上傳我的影片嗎?
不會。追蹤和替換都在你的電腦上執行,預覽和匯出都不會上傳片段。追蹤模型只在第一次使用這個功能時下載一次。
該改用人像替換嗎?
主體是人就該用 — 那條路徑為人像優化。物體背景替換給其它能點中的東西。
參考資料
- Ravi et al. (2024), SAM 2: Segment Anything in Images and Videos (2026-10-11 查閱)
- Meta AI: SAM 2 code and model repository (GitHub) (2026-10-11 查閱)


