ControlNet：AI绘画革命，让创作更可控！
ControlNet 是自 WebUI 出现以来最具革命性的扩展插件，它解决了 AI 生图中最棘手的问题——如何让生成过程变得可控。它的原理是通过“预处理器”提取参考图中的结构信息（如姿势、边缘、深度等），再由 ControlNet 模型将这些信息转化为大模型能够理解的条件，从而在生成过程中精确地还原参考特征。这样一来，用户不再只能依赖提示词“碰运气”，而是能用参考图指导 AI，得到符合需求的结果。
在应用层面，ControlNet 的控制类型大致分为三类：
- 强控制：如 Canny、LineArt、SoftEdge、Depth，它们严格固定图像的结构和轮廓，适合用来复现主体形象、线稿上色、风格转绘或保持画面构图。例如用 Canny 给线稿快速上色，用 Depth 让建筑或景观作品具备真实的空间感，甚至能通过深度图修复人物手势。
- 弱控制：如 OpenPose、Scribble、Segmentation，它们把控更宽松，给模型保留更多发挥空间。OpenPose 能精准复现复杂姿势，并且可通过姿势编辑器手动摆出任意动作；Scribble 则允许用户用随意的涂鸦勾勒大致轮廓，AI 会在此基础上自由生成；Segmentation 通过语义分割让用户能添加或替换画面元素，比如往场景中植入一个新人物。
- 功能型控制：如 Tile、Recolor、Inpaint，它们更像为特定场景准备的“工具包”。Tile 用于保持放大或修复时的全局一致性，避免画面分块错乱；Recolor 可以为黑白照片上色或为现有作品整体换色；Inpaint 则赋予任何模型局部重绘的能力，让修改、去除或扩展画面内容变得自然流畅。
更进一步，ControlNet 还能多重协同使用。在一个生成任务中，用户可以同时启用多达三个 ControlNet 单元，比如用 OpenPose 固定姿势，再用 Depth 辅助空间关系，从而达到单一控制无法实现的效果。这种“叠加控制”极大提升了灵活性，让复杂需求也能得到可靠的结果。
ControlNet模型与预处理器下载
Section titled “ControlNet模型与预处理器下载”模型和预处理器下载地址：https://pan.baidu.com/s/1_qh-wjhIO_ei7Sii6gUMuw?pwd=9kbn
模型放置位置：webui\models\ControlNet
预处理器放置位置：webui\extensions\sd-webui-controlnet\annotator
（解压Annotator.zip，将里面的东西放进文件夹中》
1. 什么是 ControlNet？
Section titled “1. 什么是 ControlNet？”ControlNet 是 Stable Diffusion WebUI 中最受欢迎且最具革命性的扩展插件之一 。
核心作用：解决 AI 生图过程中“难以控制”的痛点。它可以控制人物的指定动作、场景的空间层次，以及在放大修复过程中确保细节不变形 。
解决的问题：传统的提示词很难还原复杂的手势或组合动作（例如“手托着手”或“手指指嘴”），而 ControlNet 可以精准复现参考图的姿态 。
2. 安装与模型准备
Section titled “2. 安装与模型准备”ControlNet 的安装方式与常规插件相同，但能够正常运行的前提是必须配置好对应的模型文件 。
必要文件：需要将预处理模型和控制模型分别放入 WebUI 的指定文件夹中 。
重启：放置好模型后，重启 WebUI，界面下方会出现 ControlNet 的折叠选单 。
3. ControlNet 的核心工作逻辑
Section titled “3. ControlNet 的核心工作逻辑”ControlNet 的工作流程可以概括为：“参考图 预处理器 信息图 ControlNet 模型 生成结果”。
输入参考图：上传一张包含你想要提取特征（如姿势）的图片 。
预处理 (Preprocessor)：
- AI 从原图中读取特定信息（如姿势骨架），并生成一张“信息图”（例如黑底彩线的骨架图）。
- 预览功能：点击预处理器旁边的“爆炸”小图标，可以提前预览生成的预处理图 。
- 多种选择：同一种控制类型有不同的预处理器。例如姿态控制中，
dw_openpose比默认的openpose_full精度更高，能识别肢体末梢细节，但耗时更长 。
模型介入：ControlNet 模型处理这张信息图，将其转化为大模型能理解的条件信息，从而指导生成过程 。
4. 基础操作步骤（以姿态控制为例）
Section titled “4. 基础操作步骤（以姿态控制为例）”上传图片：在 ControlNet 选单中，将参考图拖入输入区域 。
启用插件：勾选图片下方的 “启用 (Enable)” 。
选择类型：点击下方的 “姿态 (Pose)” 等控制类型按钮 。
确认配置：
- 预处理器 (Preprocessor)：通常会自动匹配，如
openpose_full。 - 模型 (Model)：确保选中了对应的模型文件（如以
openpose结尾的文件）。
点击生成：AI 将忽略提示词中的动作描述，直接根据参考图生成相同的姿势 。
5. 关键参数详解
Section titled “5. 关键参数详解”为了精准控制生成效果，需要理解以下参数的作用：
完美像素 (Pixel Perfect)：推荐勾选。它会自动将预处理图的分辨率与目标输出分辨率匹配，是最稳妥的选择 。
- 控制权重 (Control Weight)：
- 默认值为
1。 - 大于 1 会增强控制效果，小于 1 则弱化控制 。
- 引导介入/终止时机 (Starting/Ending Control Step)：
- 控制 ControlNet 在生成过程中生效的时间段（0~1 代表 0%~100% 的采样步数）。
- 例如设置介入时机为
0.5，意味着 ControlNet 从采样的一半进度才开始生效 。 - 控制模式 (Control Mode)：
- 决定是更听提示词的话，还是更听 ControlNet 的话 。
- 多数情况下保持 “均衡 (Balanced)” 即可 。
低显存模式 (Low VRAM)：如果设备配置较低，建议勾选此选项以确保顺利运行 。
6. 进阶应用技巧
Section titled “6. 进阶应用技巧”文生图 vs. 图生图：
文生图：ControlNet 可以排除原图颜色影响，专注于结构控制（如姿势），允许大幅改变人物和背景特征 。
图生图：ControlNet 用于在风格转换等操作中保持原图的特征（如姿态、构图）不变 。
使用独立的控制图像：在图生图中，勾选 “使用独立的控制图像 (Upload independent control image)“，可以实现“用 A 图做底图重绘，但用 B 图来控制姿势” 。
直接上传预处理图：如果已经有了骨架图（信息图），可以直接上传并将预处理器选为 “无 (None)“，这样可以跳过预处理步骤，节省时间 。
7.知识大纲
Section titled “7.知识大纲”