用 AI 从照片和视频中移除物体:2026 测试
如何用 AI 从照片或视频中移除物体、贴纸或文字:描述它,或在上面涂抹。五个图像模型、蒙版与文字提示、成本的真实测试。
自动翻译自英文。 查看英文原文
要用 AI 从照片或视频中移除物体或文字,请上传文件,然后描述要消失的内容,或在其上涂抹标记;模型会延续周围背景来填补该区域。我们在 2026 年 11 月 9 日对 5 个照片模型使用文字说明进行了比较,并在 2026 年 11 月 12 日测试了涂抹区域。涂抹区域后,GPT Image 2.6 只移除了照片中被标记的文字,Gemini Omni Flash 1.2 则从视频的每一帧中移除了它,而画面中其他位置外观相同的文字保持完全不变。
主要发现
- 文字不够时,就把区域涂出来。 蒙版(涂抹区域)会准确告诉照片模型要处理哪里;它移除了一个文字,并保留了另一个。
- 不要把涂抹过的副本作为第二张图像发送。 同一个模型在收到红色涂抹副本而不是蒙版时,移除了两个文字。
- 对于视频,请用文字说明区域。 视频模型不接收蒙版,但“从宽度 52% 到 97% 的右下区域”只移除了所有帧中的该处文字。
- GPT Image 2.6 是最可靠的照片模型 在我们针对物体和文字测试的 5 个模型中:处理干净,约 10 秒完成。
- 费用: 在 Cut Marketing (Cutma) 中,每张照片 $0.18,5 秒 720p 视频约 $0.63。
我们开发了 Cut Marketing,其物体移除工具使用下方的模型和方法。测试由我们完成;数据来自真实调用,限制列在文末。
我们如何测试
我们用自己的作品展示素材进行了两轮真实调用测试,所有素材都是虚构产品。
- 2026 年 11 月 9 日,文字说明(测试 1 和叶影片段):5 个图像模型 GPT Image 2.6、Seedream 5.0 Pro、Nano Banana 2.1、FLUX.3 Klein 和 Qwen Image 3.0 Pro,对约 2K 的产品照片和广告版式进行了编辑。Gemini Omni Flash 1.2 在编辑模式下,从一个 5 秒 720×1280 的珠宝片段中以 720p 移除了叶影。
- 2026 年 11 月 12 日,标记区域(测试 2 和 3):一张静态图和一个 5 秒 9:16 片段,两者都有两处叠加文字,左上角是“SAMPLE”,右下角是“@shop_kr”,且只标记了右下角那处。GPT Image 2.6 收到的是带蒙版的照片,或红色涂抹副本;Gemini Omni Flash 1.2 收到的是用文字说明的区域,然后是文字加上标记帧作为参考图像。该轮两次 Omni 运行和四次图像编辑的成本约为 $0.70。
- 成本是提供商对该次运行收取的费用,而不是标价:叶影编辑 5 秒收费 $0.3129,此处显示为 $0.31。“如何在 Cut Marketing 中操作”下方的价格是 Cut Marketing 自己的积分价格。
- 限制:只测试了几张我们自己的图像和两个短片。Nano Banana 2.1 的拒绝发生在水印测试中,而不是本次测试中。
描述它,还是涂出来?
容易命名时就描述该对象;当它很小、不规则,或是多个相似物品中的一个时,就把它涂出来。
| 情况 | 更好的方法 | 为什么 |
|---|---|---|
| 一个容易命名的物体(“左边的咖啡杯”) | 描述一下 | 速度很快,模型就找到了 |
| 小东西:价签、把手、标签 | 涂抹它 | 很难用言语指出 |
| 相似的东西,但只应移除其中一个(两段文字中的一段、三个杯子中的一个) | 涂抹它 | 用文字描述可能会把它们全部移除 |
| 不规则形状:电缆、阴影、裂缝 | 涂抹它 | 画笔跟随形状 |
| 一个视频 | 在某一帧上标记它 | 每一帧中的标记区域都会被清理 |
您可以两种方式一起用:涂抹该区域,并添加一条简短说明,例如“白色把手上的文字”。说明能帮助模型理解它要替换的内容。
测试 1:哪种照片模型移除物体效果最好?
GPT Image 2.6 最可靠:它在大约 10 秒内干净地移除了纸质背景和标题,并保留了其余文字。Nano Banana 2.1 在这里的结果也很干净,但在我们的另一项测试中拒绝处理水印移除提示;另外三个模型则留下了污迹、只移除了部分纸张,或改变了版式。
我们给五个图像模型提供了同一张虚构瓶子的产品照片,并让它们完成两项任务:移除瓶子后面的纸质背景,以及从广告版式中移除标题,同时保留其余文字。
| 模型 | 物体(纸质背景) | 文字(标题) | 时间 | 备注 |
|---|---|---|---|---|
| GPT Image 2.6 | 简洁 | 干净,保留其他文字 | 约 10 秒 | 边缘和小文本在 2K 下保持清晰 |
| Seedream 5.0 Pro | 简洁 | 留下淡淡的污迹 | 85–106 秒 | 为平坦的背景添加类似纸张的纹理 |
| Nano Banana 2.1 | 简洁 | 简洁 | — | 在其他测试中拒绝了一些移除提示 |
| FLUX.3 Klein | 仅部分去除纸张 | 简洁 | — | 移除物体不够可靠 |
| Qwen Image 3.0 Pro | 简洁 | 布局发生变化 | — | 移动其他元素 |
于 2026 年 11 月 9 日测试,分辨率约为 2K,使用真实调用。Cut Marketing 的照片移除工具使用的是 GPT Image 2.6。
测试 2:遮罩还是涂抹副本?
遮罩。使用遮罩时,GPT Image 2.6 只移除了标记的文字;使用涂成红色的照片副本时,它移除了两处文字。
更难的情况是:有两个相似的东西,但只应移除其中一个。我们在一张作品展示照片上添加了两段文字:左上角的“SAMPLE”和右下角的“@shop_kr”,并且只标记了右下角那一段。然后我们用两种方式把照片发送给 GPT Image 2.6:
- 照片加遮罩:一张同尺寸 PNG,只在我们涂抹的位置透明。
- 照片加上它的一份副本,副本中的目标区域被涂成半透明红色,并附上清理红色区域的说明。
遮罩准确完成了要求。使用涂抹副本时,模型把任务理解为“移除叠加文字”,于是把两段文字都移除了,包括我们想保留的那一段。对任何工具来说,结论都是:标记必须以遮罩的形式传给模型,而不是作为第二张图片。
测试 3:能在视频中标记区域吗?
可以,前提是把标记转成文字描述。把标记区域描述为画面中的百分比框后,剪辑每一帧中的标记文字都被移除了,另一段文字则保留了下来。
视频模型接收的是剪辑和指令,而不是遮罩。因此,我们把标记框转成文字:“移除右下区域内的叠加文字,范围为画面宽度的 52% 到 97%,以及画面高度的 89% 到 97%。不要更改该区域之外的任何内容。”Gemini Omni Flash 1.2 的编辑模式在一个包含相同两段文字的 5 秒 720p 剪辑上运行了这条指令。
添加标记帧作为参考图像,得到的结果与只用文字描述相同,所以文字描述就足够了。同一模型也能移除真实物体:在早期测试中,它移除了珠宝照片后墙上的树叶阴影,同时保留了耳环、托盘和光线。
如何在 Cut Marketing 中执行此操作
打开照片或视频物体移除器,上传文件,涂抹或描述要去除的内容,并确认您拥有相关权利。一张照片需要 18 积分,一段 5 秒 720p 短片需要 63 积分。
- 打开 照片物体移除器 或 视频物体移除器.
- 上传文件。照片:JPG、PNG 或 WebP,最大 10 MB。视频:MP4,3 至 15 秒,9:16 或 16:9,最大 50 MB。
- 在“标记区域”下,点击“在图像上标记”(视频则点击“在帧上标记”),然后涂抹要去除的内容。默认会先选中画笔;对于边缘平直的物体,可切换到矩形。对于视频,请使用滑块选择物体清晰可见的一帧。
- 也可以添加一句简短说明,描述它是什么。
- 确认您拥有该内容或可以对其进行编辑,然后开始。在开始之前,费用会显示在按钮上。
| 照片 | 视频(720p) | 视频(1080p,付费套餐) | |
|---|---|---|---|
| 积分 | 每张照片 18 积分 | 每计费秒 12 积分 | 每计费秒 18.08 积分 |
| 示例 | $0.18 | 5 秒短片:63 积分($0.63) | 5 秒短片:95 积分($0.95) |
视频按每秒片段 1.05 积分计费,因为模型还需读取输入内容。1 积分 = 0.01 美元;方案起价每月 9 美元,可获得 900 积分,新账户可获得 30 个试用积分。失败的任务会退还积分。在结果页面点击“生成视频”,即可将清理后的照片直接用于视频。旧的促销文字从片段中移除后,请在工作室的完成广告中以准确文字输入新的开场钩子、价格和行动号召,添加字幕和旁白,并一次导出 9:16、1:1 和 4:5。
获得干净结果的技巧
涂抹范围要大方一些,每次只去除一类内容,并以原尺寸检查结果。
- 涂抹时稍微超出物体边缘;轮廓太紧可能会留下边。
- 每次只删除一类内容。一次处理多个不同物体,会增加其他内容被改变的可能性。
- 阴影或倒影也要一起去除。只去除物体而不去除阴影,会留下“幽灵”痕迹。
- 对于视频,请标记物体最大的那一帧。如果它在画面中移动,请标记它的整个移动路径。
- 以原尺寸检查结果:小字、产品边缘和标签最容易隐藏改动。使用结果上的滑块对比前后效果。
AI 移除做不到什么
AI 移除会用合理的猜测填补该区域,可能改变附近内容,并且只适用于短片。
- 它无法还原从未显示过的内容。藏在手后面的 logo 是生成出来的,不是恢复出来的。
- 它可能会改变区域之外的内容。蒙版可以尽量减少这种情况,但仍要检查整个画面。
- Cut Marketing 支持 3 到 15 秒的短片,输出会保持源文件的 9:16 或 16:9 画幅。
- 这些是用我们自己的几张图片做的小规模测试。结果会因照片而异;请把它们作为参考方向,而不是保证。
您的权利至上
仅编辑您拥有或有权编辑的照片和视频。删除他人的水印、logo 或署名可能会侵犯其权利。Cut Marketing 会在每次移除前要求您确认这一点,我们的条款也禁止从您无权编辑的内容中移除标记。典型的合法用途包括:您自己的产品照片中的贴纸或价格标签、您自己的照片中的线缆或污渍、您自己的短片中的路人、您自己的视频中的旧促销文字。
如需处理您自己视频和照片中的内嵌字幕、logo 和水印,请参阅 我们的字幕和水印去除测试。如需处理背景,请参阅 如何去除产品照片中的背景;如需了解电商平台图片规则,请参阅 面向电商平台的 AI 产品照片编辑;发布前,请 审核 AI 产品视频.