# 概述

使用 SAM3 的記憶體追蹤器在影片幀之間追蹤物體。此節點處理一系列影片幀，並透過使用初始遮罩或文字提示來定義要追蹤的內容，從而跨幀維持物體身份。

# 輸入

| 參數 | 說明 | 資料類型 | 必要 | 範圍 |
| --- | --- | --- | --- | --- |
| `影像` | 作為批次圖像的影片幀 | IMAGE | 是 | 批次影片幀 |
| `model` | 用於追蹤的 SAM3 模型 | MODEL | 是 | SAM3 模型 |
| `初始 mask` | 第一幀要追蹤的物體遮罩（每個物體一個）。如果未提供 `條件`，則為必要。 | MASK | 否 | 每個物體一個遮罩 |
| `條件` | 用於在追蹤過程中檢測新物體的文字條件。如果未提供 `初始 mask`，則為必要。 | CONDITIONING | 否 | 文字條件 |
| `偵測閾值` | 文字提示檢測的評分閾值 | FLOAT | 否 | 0.0 到 1.0（預設：0.5） |
| `最大物件數` | 最大追蹤物體數量。初始遮罩計入此限制。0 表示使用內部上限 64。 | INT | 否 | 0 到 64（預設：0） |
| `偵測間隔` | 每 N 幀執行一次檢測（1=每幀）。較高的值可節省計算資源。 | INT | 否 | 1 到無限制（預設：1） |

**注意：** 必須提供 `initial_mask` 或 `conditioning`。如果兩者都省略，節點將引發錯誤。

# 輸出

| 輸出名稱 | 說明 | 資料類型 |
| --- | --- | --- |
| `track_data` | 包含所有影片幀中物體遮罩和元資料的追蹤資料 | SAM3TrackData |

> 本文檔由 AI 生成。如果您發現任何錯誤或有改進建議，歡迎貢獻！ [在 GitHub 上編輯](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/SAM3_VideoTrack/zh-TW.md)

---
**Source fingerprint (SHA-256):** `30768bdf5839c1d7b984675e68a127a27f21b17724a2dc885e27f00c272db3cb`