i18n: sync VOID video inpainting masking clarification to zh, ja, ko

Author: lin-bot23

ja/tutorials/utility/void-video-inpainting.mdx

@@ -1,5 +1,5 @@
 ---
-title: "VOID：ComfyUI ビデオ修復ワークフロー"
+title: "VOID：ComfyUIにおけるビデオ修復"
 sidebarTitle: "VOID ビデオ修復"
 description: "Netflix の VOID ビデオ修復モデルを使って、動画からオブジェクトを削除する方法を学びます"
 translationSourceHash: aaa47b1e
@@ -17,7 +17,7 @@ import UpdateReminder from '/snippets/ja/tutorials/update-reminder.mdx'
 
 VOID（Video Object Inpainting and Deletion）は、Netflix がオープンソース化した強力なビデオ修復モデルで、[CogVideoX](https://github.com/THUDM/CogVideo) をベースに構築されています。2パス拡散パイプラインを採用し、動画からオブジェクトを削除し、時間的に一貫性のあるコンテンツで穴を埋めます。
 
-VOID はオブジェクトそのものを削除するだけでなく、オブジェクトがシーンに及ぼした**すべての物理的相互作用**も取り除きます — 単なる影や反射などの二次的効果だけでなく、人物を削除した際に物体が落下するといった物理的相互作用も含まれます。例えば、ギターを持っている人物を削除すると、VOID はその人のギターへの影響も取り除き、ギターが自然に落下するように処理します。
+VOID は、オブジェクトがシーンに引き起こす**すべての相互作用**を除去します：影や反射といった二次的な効果だけでなく、人物を除去したときに物体が落下するといった物理的な相互作用も含みます。例えば、ギターを持っている人物を削除すると、VOID はその人のギターへの影響も取り除き、ギターが自然に落下するように処理します。
 
 VOID は ComfyUI でネイティブサポートされており（PR [#13403](https://github.com/Comfy-Org/ComfyUI/pull/13403)）、完全なモデルウェイトは [Apache 2.0 ライセンス](https://github.com/Netflix/void-model?tab=Apache-2.0-1-ov-file) のもとで提供されています。
 
@@ -35,28 +35,28 @@ VOID は ComfyUI でネイティブサポートされており（PR [#13403](htt
 
 </div>
 
-**処理前**（左）— スノーボーダーが映った元の動画。**処理後**（右）— スノーボーダーを除去した結果。VOID はオブジェクトを除去しながら、自然な動き、照明、シーンの一貫性を維持します。
+**処理前**（左）：スノーボーダーが映った元の動画。**処理後**（右）：スノーボーダーを除去した結果。VOID は不要なオブジェクトを除去しながら、フレーム全体で自然な動き、照明、シーンの一貫性を維持します。
 
 ### 主な強み
 
-- **インタラクション認識型削除** — オブジェクトだけでなく、それがシーンに及ぼしたすべての物理的相互作用（影、反射、落下物体など）も除去
-- **単なる単一フレームの修正ではない真のオブジェクト削除** — クリップ全体で一貫性のある動きと照明を生成
-- **2パス最適化** — Pass 2 は Pass 1 単独よりも優れた時間的安定性（少ないジッターやフラッシュ）を提供。特に長いカットやテクスチャ背景で効果的
+- **インタラクション認識型削除**：オブジェクトだけでなく、それがシーンに及ぼしたすべての物理的相互作用（影、反射、落下物体など）も除去
+- **オブジェクト削除（単一フレームのパッチングではない）**：クリップ全体で一貫性のある動きと照明を生成
+- **2パス最適化**：Pass 2 は Pass 1 単独よりも優れた時間的安定性（少ないジッターやフラッシュ）を提供。特に長いカットやテクスチャ背景で効果的
 
-> **制限事項：** 不明瞭なマスク、乱雑な動き、またはフレームを支配する対象物は、依然として最適とは言えない結果を生む可能性があります — プロンプトでは根本的に誤ったセグメンテーションを修正できません。
+> **制限事項：** 不明瞭なマスク、乱雑な動き、またはフレームを支配する対象物は、依然として最適とは言えない結果を生む可能性があります：プロンプトでは根本的に誤ったセグメンテーションを修正できません。
 
 ## VOID ビデオ修復ワークフロー
 
 ### 1. ワークフローをダウンロード
 
-ComfyUI を最新バージョンにアップデートし、メニューから `ワークフロー` -> `テンプレートを閲覧` に進み、Utility カテゴリから "VOID: Video Inpainting" を見つけてください。
+ComfyUI を最新バージョンにアップデートし、メニューから `ワークフロー` -> `テンプレートを参照` に進み、Utility カテゴリから "VOID: Video Inpainting" を見つけてください。
 
 <Card title="JSON ワークフローをダウンロード" icon="download" href="https://raw.githubusercontent.com/Comfy-Org/workflow_templates/refs/heads/main/templates/utility_void_video_inpainting.json">
-    Download workflow
+    ワークフローをダウンロード
   </Card>
 
 <Card title="Comfy Cloud で実行" icon="cloud" href="https://cloud.comfy.org/?template=utility_void_video_inpainting&utm_source=docs">
-    Open in cloud
+    クラウドで開く
   </Card>
 
 ### 2. モデルをダウンロード
@@ -65,7 +65,7 @@ ComfyUI を最新バージョンにアップデートし、メニューから `
 
 **拡散モデル** — 中核となる2パス修復モデル：
 
-- [void_pass2.safetensors](https://huggingface.co/Comfy-Org/void-model/resolve/main/diffusion_models/void_pass2.safetensors) — 精錬パス、時間的安定性に優れる
+- [void_pass2.safetensors](https://huggingface.co/Comfy-Org/void-model/resolve/main/diffusion_models/void_pass2.safetensors) — 精錬パス：時間的安定性に優れる
 - [void_pass1.safetensors](https://huggingface.co/Comfy-Org/void-model/resolve/main/diffusion_models/void_pass1.safetensors) — 一次パス
 
 **VAE：**
@@ -76,7 +76,7 @@ ComfyUI を最新バージョンにアップデートし、メニューから `
 
 - [raft_large_C_T_SKHT_V2-ff5fadd5.safetensors](https://huggingface.co/Comfy-Org/void-model/resolve/main/optical_flow/raft_large_C_T_SKHT_V2-ff5fadd5.safetensors)
 
-**SAM3 セグメンテーション：**
+**SAM3チェックポイント**（セグメンテーション用）：
 
 - [sam3.1_multiplex_fp16.safetensors](https://huggingface.co/Comfy-Org/sam3.1/resolve/main/checkpoints/sam3.1_multiplex_fp16.safetensors)
 
@@ -104,11 +104,11 @@ ComfyUI を最新バージョンにアップデートし、メニューから `
 
 **入力パラメータ：**
 
-- **ソース動画** — `Load Video` ノードで動画を読み込みます（ComfyUI `input/` フォルダに配置）
-- **ポジティブプロンプト（修復フィル）** — オブジェクト削除**後**のシーンを説明します。削除されたものではなく、残ったものとその見え方に焦点を当てます
+- **ソース動画**：`Load Video` ノードで動画を読み込みます（ComfyUI `input/` フォルダに配置）
+- **ポジティブプロンプト（修復フィル）**：オブジェクト削除**後**のシーンを説明します。削除されたものではなく、残ったものとその見え方に焦点を当てます
   - 例：`empty kitchen counter, daylight, tiles visible`
-- **ネガティブプロンプト** — オプションのアーティファクト防止リスト。空でも可
-- **SAM3 オブジェクトプロンプト** — **削除したいもの**の短いラベル。SAM3 は意味理解によりターゲットオブジェクトのセグメンテーションマスクを作成します
+- **ネガティブプロンプト**：オプションのアーティファクト防止リスト。空でも可
+- **SAM3 オブジェクトプロンプト**：**削除したいもの**の短いラベル。SAM3 は意味理解によりターゲットオブジェクトのセグメンテーションマスクを自動的に作成します。マスクを手動で描画したりアップロードする必要はありません。
   - 例：`person in blue jacket`、`red cup on table`
   - SAM3 プロンプトの最大トークン数は **32**。複数の対象を個別に指定する場合はカンマで区切り、`:N` でプロンプトごとの最大検出数を指定：`eye:2, window panels:4`
 
@@ -117,17 +117,12 @@ ComfyUI を最新バージョンにアップデートし、メニューから `
 | プロンプト | 役割 |
 |--------|------|
 | SAM3 オブジェクト | **何を**削除するか（SAM3 が意味セグメンテーションでマスクを作成） |
-| ポジティブ（修復） | **どのように**穴を埋めるか |
+| ポジティブ（修復） | **どのように**穴が時間的に埋められるか |
 
 長いクリップやテクスチャ背景では **Pass 2**（精錬パス）を使用することで時間的安定性が向上します。**Pass 1** のみの方が高速ですが、ジッターが発生しやすくなります。
 
 <Card title="Subgraph について学ぶ" icon="book-open" href="/ja/interface/features/subgraph">
   このワークフローはモジュラーな動画処理に Subgraph ノードを使用しています。Subgraph ドキュメントを参照して、ワークフローのカスタマイズと拡張方法を学んでください。
 </Card>
 
-## 補足説明
-
-- **マスクの品質が重要** — 削除対象をしっかり囲むクリーンなマスクが最良の結果を生みます
-- **プロンプト作成のコツ** — 削除後、シーンが自然に見えるべき姿を説明し、削除そのものを説明しないでください
-- **ネガティブプロンプト** は、繰り返し現れる欠陥（ウォーターマーク、ぼやけ、余分な手足など）が見られる場合にのみ使用してください
-- **2パスワークフロー** — テンプレートは Pass 1 から Pass 2 を自動実行します。テスト中は Pass 1 のみを実行して迅速に反復することもできます
+## 補

ko/tutorials/utility/void-video-inpainting.mdx

@@ -3,6 +3,7 @@ title: "VOID: ComfyUI에서의 비디오 인페인팅"
 sidebarTitle: "VOID 비디오 인페인팅"
 description: "Netflix가 개발한 VOID 비디오 인페인팅 모델을 사용해 비디오에서 객체를 제거하는 방법을 알아보세요. ComfyUI에서 기본적으로 지원됩니다."
 translationSourceHash: aaa47b1e
+translationSourceHash: 25eb2a18
 translationFrom: tutorials/utility/void-video-inpainting.mdx
 translationBlockHashes:
   "_intro": 47509aec
@@ -49,7 +50,7 @@ VOID는 ComfyUI에서 기본적으로 지원되며([PR #13403](https://github.co
 
 ### 1. 워크플로우 다운로드
 
-ComfyUI를 최신 버전으로 업데이트한 후, `워크플로우` -> `템플릿 둘러보기`로 이동해 유틸리티 카테고리에서 "VOID: 비디오 인페인팅"을 찾으세요.
+ComfyUI를 최신 버전으로 업데이트한 후, `워크플로우` -> `템플릿 탐색`으로 이동해 유틸리티 카테고리에서 "VOID: 비디오 인페인팅"을 찾으세요.
 
 <Card title="JSON 워크플로우 파일 다운로드" icon="download" href="https://raw.githubusercontent.com/Comfy-Org/workflow_templates/refs/heads/main/templates/utility_void_video_inpainting.json">
     워크플로우 다운로드
@@ -61,7 +62,7 @@ ComfyUI를 최신 버전으로 업데이트한 후, `워크플로우` -> `템플
 
 ### 2. 모델 다운로드
 
-모델은 모두 [Comfy-Org VOID 모델 저장소](https://huggingface.co/Comfy-Org/void-model)에 호스팅됩니다.
+모든 모델은 [Comfy-Org VOID 모델 저장소](https://huggingface.co/Comfy-Org/void-model)에 호스팅됩니다.
 
 **확산 모델** — 핵심 2회 통과 인페인팅 모델:
 
@@ -104,11 +105,11 @@ ComfyUI를 최신 버전으로 업데이트한 후, `워크플로우` -> `템플
 
 **입력:**
 
-- **소스 비디오** — `비디오 로드` 노드를 통해 비디오를 로드하세요(ComfyUI의 `input/` 폴더에 넣으세요)
-- **양성 프롬프트(인페인팅 채우기)** — 제거된 이후의 장면을 설명하세요. 무엇이 제거되었는지가 아니라 남아있는 부분과 그 모습에 집중하세요.
+- **소스 비디오** — `비디오 불러오기` 노드를 통해 비디오를 불러오세요(ComfyUI의 `input/` 폴더에 넣으세요)
+- **포지티브 프롬프트(인페인팅 채우기)** — 제거된 이후의 장면을 설명하세요. 무엇이 제거되었는지가 아니라 남아있는 부분과 그 모습에 집중하세요.
   - 예시: `empty kitchen counter, daylight, tiles visible`
-- **음성 프롬프트** — 선택적 아티팩트 방지 목록; 비워둘 수도 있습니다
-- **SAM3 객체 프롬프트** — 마스크할 **무엇인지**에 대한 짧은 레이블입니다. SAM3는 의미적 이해를 통해 대상 객체의 세그멘테이션 마스크를 생성합니다.
+- **네거티브 프롬프트** — 선택적 아티팩트 방지 목록; 비워둘 수도 있습니다
+- **SAM3 객체 프롬프트** — 마스크할 **무엇인지**에 대한 짧은 레이블입니다. SAM3는 의미적 이해를 통해 대상 객체의 세그멘테이션 마스크를 자동으로 생성합니다. 마스크를 직접 그리거나 업로드할 필요가 없습니다.
   - 예시: `person in blue jacket`, `red cup on table`
   - SAM3 프롬프트의 최대 토큰 수는 **32**입니다. 여러 대상을 별도로 프롬프트하려면 쉼표로 구분하고, 각 프롬프트당 감지되는 최대 객체 수를 지정하려면 `:N`을 사용하세요: `eye:2, window panels:4`
 
@@ -131,3 +132,4 @@ ComfyUI를 최신 버전으로 업데이트한 후, `워크플로우` -> `템플
 - **프롬프트 작성 팁** — 제거된 이후의 장면이 자연스럽게 보이는 모습을 묘사하세요. 제거 자체가 아니라요.
 - **음성 프롬프트 사용**은 반복적인 결함(워터마크, 흐릿함, 과다한 팔다리)이 보일 때만 사용하세요.
 - **2회 통과 워크플로우** — 템플릿은 1회 통과 후 자동으로 2회 통과를 실행합니다; 테스트 중 더 빠른 반복을 위해 1회 통과만 실행할 수도 있습니다.
+  - SAM3 프롬프트의 최대 토큰 수는 **32**입니다. 여러 대상을 별도로 프롬프트하려면 쉼표로 구분하고, 각 프롬프트당 감지되는 최대 객체 수를 지정

zh/tutorials/utility/void-video-inpainting.mdx

@@ -17,7 +17,7 @@ import UpdateReminder from '/snippets/zh/tutorials/update-reminder.mdx'
 
 VOID（Video Object Inpainting and Deletion）是 Netflix 开源的一款强大的视频修复模型，基于 [CogVideoX](https://github.com/THUDM/CogVideo) 架构。它采用两阶段扩散 pipeline，能够从视频中移除物体并以时间连贯的内容填补空缺。
 
-VOID 不仅能移除物体本身，还能移除物体对场景造成的**所有物理交互影响**——不仅仅是阴影和反射等次要效果，还包括物体被移除后其他物体的物理运动。例如，如果移除一个拿着吉他的人，VOID 会自动处理人对吉他的影响，让吉他自然掉落。
+VOID 不仅能移除物体本身，还能移除物体对场景造成的**所有物理交互影响**：不仅仅是阴影和反射等次要效果，还包括物体被移除后其他物体的物理运动。例如，如果移除一个拿着吉他的人，VOID 会自动处理人对吉他的影响，让吉他自然掉落。
 
 VOID 在 ComfyUI 中获得原生支持（PR [#13403](https://github.com/Comfy-Org/ComfyUI/pull/13403)），完整模型权重基于 [Apache 2.0 协议](https://github.com/Netflix/void-model?tab=Apache-2.0-1-ov-file) 发布。
 
@@ -43,7 +43,7 @@ VOID 在 ComfyUI 中获得原生支持（PR [#13403](https://github.com/Comfy-Or
 - **真正的物体移除**，而非单帧修补 — 在整个片段中生成连贯的运动和光照
 - **双阶段优化** — Pass 2 提供了更优的时间稳定性（更少的抖动和闪烁），尤其适用于长片段或纹理复杂的背景
 
-> **限制：** 模糊的遮罩、杂乱的运动或占据画面大部分的物体可能仍会产生不理想的结果——提示词无法修正根本的分割错误。
+> **限制：** 模糊的遮罩、杂乱的运动或占据画面大部分的物体可能仍会产生不理想的结果：提示词无法修正根本的分割错误。
 
 ## VOID 视频修复工作流
 
@@ -59,7 +59,7 @@ VOID 在 ComfyUI 中获得原生支持（PR [#13403](https://github.com/Comfy-Or
     Open in cloud
   </Card>
 
-### 2. 手动下载模型
+### 2. 下载模型
 
 所有模型均托管在 [Comfy-Org VOID 模型仓库](https://huggingface.co/Comfy-Org/void-model)。
 
@@ -108,9 +108,7 @@ VOID 在 ComfyUI 中获得原生支持（PR [#13403](https://github.com/Comfy-Or
 - **正向提示词（修复填充）** — 描述移除物体**之后**的场景。关注剩余内容和画面效果，而非被移除的物体
   - 示例：`empty kitchen counter, daylight, tiles visible`
 - **负向提示词** — 可选的防伪影词表，可以留空
-- **SAM3 目标提示词** — 简短的**要遮罩移除**的对象描述。SAM3 通过语义理解为目标物体创建分割遮罩
-  - 示例：`person in blue jacket`、`red cup on table`
-  - SAM3 提示词上限为 **32 个 token**，多个目标用逗号分隔，用 `:N` 指定每个提示检测的物体数量：`eye:2, window panels:4`
+- **SAM3 目标提示词** — 简短的**要遮罩移除**的对象描述。SAM3 通过语义理解为目标物体自动创建分割遮罩。您无需手动绘制或上传遮罩。SAM3 提示词上限为 **32 个 token**，多个目标用逗号分隔，用 `:N` 指定每个提示检测的物体数量：`eye:2, window panels:4`
 
 **提示词分工：**
 
@@ -130,4 +128,4 @@ VOID 在 ComfyUI 中获得原生支持（PR [#13403](https://github.com/Comfy-Or
 - **遮罩质量至关重要** — 围绕目标物体的清晰紧致的遮罩能产生最佳效果
 - **提示词写作技巧** — 描述移除后场景应自然呈现的样子，而非描述移除本身
 - **负向提示词** 仅在你看到反复出现的缺陷时使用（水印、模糊、多余肢体等）
-- **双阶段工作流** — 模板会自动运行 Pass 1 然后 Pass 2；测试时也可以仅运行 Pass 1 以加快迭代
+- **双阶段工作流** — 模板会自动运行 Pass 1 然后 Pass 2；测试时也可以仅运行 Pass 1 以加快迭代