想让 SD 按你画的姿势、构图出图?光靠提示词不够,ControlNet 入门把这三步走对

　　玩 Stable Diffusion 久了你会撞上一个天花板:提示词写得再细,人物姿势、画面构图还是随缘。想要”举着右手、侧身回头”的动作,文字描述一万遍模型也未必摆对;照着一张参考图想复刻构图,出来的图永远差着意思。这不是你词没写好,是纯文字本身就控不了这么精细的东西。

　　ControlNet 就是来补这个缺口的。它能让你拿一张”参考图”——线稿、火柴人姿势、或深度图——去硬性约束 SD 的构图和形体:文字管内容,它管形。这是 SD 进阶里最值钱的技能之一,但新手特别容易被它一堆选项劝退。今天就把入门最该搞明白的几件事讲清楚。

第一步:先搞懂”预处理器”和”模型”是两回事

　　这是新手第一个大坑。ControlNet 面板里有两个下拉框,一个叫预处理器(Preprocessor),一个叫模型(Model),很多人随便选一对就开跑,结果图全乱。

　　它俩是分工的。预处理器负责把参考图”翻译”成 SD 能读的控制图——给一张照片,选 Canny 它就提取出只剩边缘线条的线稿,选 OpenPose 就把人抠成标着关节点的火柴人,选 Depth 则生成一张表示远近的灰度深度图。模型则拿着这张控制图去真正约束出图。

　　关键规矩就一条:预处理器和模型的类型必须配对。选了 openpose 的预处理器,模型也要选名字带 openpose 的那个;选 canny 就配 canny 的。一般它们开头关键词一致,对着选就行,选串了画面必崩。再提一句:控人物姿势时预处理器优先选 DW OpenPose,它对手和手指的识别比老版准不少——而手恰恰是 SD 最容易画崩的地方。

第二步:三个最常用的控制类型,按需求挑

　　ControlNet 类型有十几种,但新手真正高频用的就三个,先把这三个吃透完全够用。

　　Canny(线稿)适合你想严格保住物体轮廓和结构的时候,比如照着一张产品图、一栋建筑出图,它能把外形框得死死的。Depth(深度)管的是空间前后关系和透视,适合控场景的纵深、人和背景的层次,约束比 Canny 松一点、更自然。OpenPose(姿势)只抓人的骨架关节,不管你穿什么、长什么样、背景是啥,所以特别适合”我只要这个动作、其他全部重画”的场景。

　　记不住就这么理解:要轮廓用 Canny,要空间感用 Depth,要动作用 OpenPose。

第三步:两个旋钮决定它管得严不严

　　ControlNet 不是开了就完事,管多严是你说了算,主要靠两个旋钮。

　　第一个是控制权重(Control Weight),默认 1。这个数越大,它对你的约束越死板;越小,越只是”参考一下”。新手别一上来就拉满,建议在 0.5 到 1.0 之间、每次 0.1 地试,感受一下差别。权重给太高,图会变得很僵硬、细节发死;给太低又控不住,得自己找平衡点。

　　第二个是控制模式(Control Mode),三个选项:平衡、更注重提示词、更注重 ControlNet。说白了就是当你的文字和这张参考图”打架”时,听谁的。默认选平衡就好;如果发现构图被参考图带得太死、你写的内容出不来,就切到”更注重提示词”;反过来想让构图卡得更准,就切”更注重 ControlNet”。

　　还有个进阶但实用的点:ControlNet 可以设置只在前面一部分采样步骤里介入(面板里有个介入时机的起止比例)。因为出图时越靠前的步骤越决定大构图、越靠后越管细节,所以让它只在前段发力、后段松手,常常能既保住构图又让画面更自然,不那么死板。

一个能照着走的上手顺序

　　第一次用别贪多。找一张姿势清楚的参考图,预处理器选 DW OpenPose、模型选对应的 openpose,权重默认 1、模式用平衡,先点一下预处理那个爆炸图标看抠出来的火柴人对不对——这步很多人跳过,骨架本身抠错了后面全白搭。骨架没问题再正常写提示词出图。太僵就把权重降到 0.7 左右,内容出不来就切”更注重提示词”,一次只动一个变量。

　　最后说句实在的:ControlNet 确实有门槛,选项多、第一次配对容易懵,而且多个一起叠(姿势加深度加线稿)对显存有要求,2026 年这么玩稳妥起码得 12GB 显存。但它是把 SD 从”抽卡”变成”我说了算”的分水岭。先把这套单 ControlNet 流程跑顺,你对出图的掌控感会完全不一样。