ComfyUI ControlNet 入门：精准控制姿势与构图

同一条提示词、同一个模型、种子也差不多，人物却一会儿侧身、一会儿正对镜头，头顶的留白和背景的分界每次都不一样。提示词擅长说明“谁、在做什么、什么风格”，却几乎管不住关节角度、人物占画面的位置，以及轮廓把空间切成什么样。你要是已经能在 ComfyUI 里稳定跑通文生图，这种构图漂移通常不是词写得不够长，而是采样时缺少一张几何参考。ControlNet 做的就是这件事：把参考图变成姿势或线稿一类控制信号，让生成在听从提示词的同时，跟上你指定的姿势和构图。

提示词管内容，控制信号管几何

文生图从噪声里逐步去噪。前几步主要决定大形：人站在哪、身体朝哪、画面怎么分割。提示词对这一层只有软约束，所以同一句话换个种子，构图就会飘。ControlNet 不是把参考图贴到结果上，也不等于遮罩。它先从参考图里抽出一种简化信号，再把这股信号写进送往采样器的条件里，让去噪过程更愿意长成那个形状。

这篇只走两条最常用的入门路径。姿势控制抽的是身体关节点，适合“人必须保持这个动作”。构图控制这里用线稿或边缘来代表，适合“轮廓、分块和物体位置要稳住，但表面可以重新画”。深度、涂鸦等信号以后可以按同一接法替换，不必一上来叠很多条。

控制信号和提示词是同时起作用的，不是谁完全覆盖谁。信号太强，画面会像把参考描了一遍，光影和材质被挤掉；信号太弱，等于没接。后面调强度和起止步数，就是在这两头之间找能用的区间。

参考图是怎样进入工作流的

一条最小可用的 ControlNet 链路只有三样东西要对上：底模、ControlNet 权重、参考图。底模负责会画什么风格，ControlNet 权重负责“看得懂哪一种控制图”，参考图负责提供这次要遵守的几何。三者对不上时，节点往往照样能跑，只是控制很弱，或者画面发脏、发糊。

参考图不会直接进采样器。中间要经过预处理器：姿势路线会输出彩色骨架或关节点图，线稿路线会输出黑白或浅色轮廓。你在 ComfyUI 里应该先预览这张预处理结果。采样器真正参考的是它，不是原始照片。骨架断了、人被框在画面外、线稿只剩一团噪点，后面的强度再拉高也没用。

预处理图和 ControlNet 模型一起进入应用节点，改写正向条件，通常也同时改写负向条件，再把这两路条件交给 KSampler。因此，控制效果出在条件上，而不是出在一个可以单独开关的滤镜上。你把应用节点旁路掉，工作流就退回普通文生图。

底模和 ControlNet 必须属于同一代架构。SD1.5 的底模配 SD1.5 的 ControlNet，SDXL 配 SDXL 的对应权重。预处理器类型也要和权重类型一致：OpenPose 或 DWPose 的骨架不要拿去喂 Canny 权重，线稿也不要拿去喂姿势权重。节点不会替你检查这种错配。

先接一条只控制姿势的最小工作流

假设你原来的文生图已经能出图：加载底模、写正负向提示词、编码、采样、解码。姿势控制只在“提示词条件”和“采样器”之间插入一段，不要另起一套无关的采样链。

1. 用加载图像节点读入姿势参考。先选单人、全身或至少半身完整、动作清楚的图，人物不要被裁掉关节。生成尺寸的宽高比尽量和参考一致，否则人会被拉高或压扁，控制点也对不齐。
2. 接姿势预处理器。常见是 OpenPose 或 DWPose，具体节点名取决于你安装的 ControlNet 辅助节点包。把预处理结果接到一个预览节点。看不到骨架就先不要往下看成图。
3. 用 ControlNet 加载器读入与底模同架构的姿势 ControlNet。文件名里通常能看出架构和类型，不确定时宁可停下来核对，也不要先连上碰运气。
4. 使用带起止范围的 ControlNet 应用节点。正向条件、负向条件、ControlNet 模型、预处理图分别接入；强度、开始百分比、结束百分比先用下文的起点，不要一上来拉满。
5. 把应用节点输出的正向和负向条件，接到 KSampler 原来接提示词的那两个口。潜空间、步数、采样器和 CFG 保持你平时能出图的设置，方便判断问题是不是 ControlNet 引入的。

连接关系可以对照这张表检查，少接一路时，表现往往是“能出图但姿势完全不跟”。

从哪里来	接到哪里	你要确认的事
加载图像	姿势预处理器	参考图本身清楚，宽高比接近最终出图
预处理器的图像	应用节点的图像口，并另接预览	预览里有完整骨架，而不是空白或半截
ControlNet 加载器	应用节点的 ControlNet 口	架构和类型都是姿势，不是线稿或深度
正向、负向提示词条件	应用节点对应的两个条件口	两路都经过应用节点，而不是只改了一路
应用节点输出的两路条件	KSampler 的正负向条件	采样器不再直接吃原始提示词条件

线稿控制：同一套接法，只换信号

构图不稳、但动作不必精确时，把姿势预处理器换成 Canny 或 Lineart 一类线稿预处理器，ControlNet 权重也换成同架构的线稿或边缘模型。后面的应用节点、采样器都不用改。

两者约束的东西不同。姿势信号几乎不关心衣服花纹和背景线条，只关心肢体怎么摆，所以画面风格更自由，也更容易和“衣服、材质、光影”这类提示词合作。线稿会把轮廓和分块一并交出去，背景的框、地平线和物体外沿都会被跟着画，构图更稳，但也更容易把参考图的线条纹理带进成图。参考若是杂乱的照片，线稿会抽出大量无用边缘，画面就会碎。

同一张参考可以分别试这两种信号，用固定种子比较。姿势路线适合换服装、换画风仍要保持动作；线稿路线适合海报式分块、室内外轮廓和静物摆位。不要在还没看懂一条信号时就两条一起上，叠加强度很容易互相打架，最后像一组扭曲的双重曝光。

强度和起止步数怎么取舍

应用节点上先看三个数：强度、开始百分比、结束百分比。强度决定这股条件有多大声。开始和结束百分比决定它在整个采样过程的哪一段说话，不是“从第几像素开始”。0 表示采样一开始，1 表示一直到结束。

构图和姿势主要形成于前段去噪。开始百分比若挪到 0.4、0.5 以后，大形已经大致定了，控制信号只能在后段修补，看起来就会像没生效。结束百分比提前到 0.5 到 0.7 左右，等于前段把位置和动作定住，后段把笔还给提示词，用来收材质、光和五官，这是保留画面自由度最有效的办法之一。

可以按这个起点试，再每次只改一个量：

目标	强度起点	开始百分比	结束百分比	什么时候往下调
姿势要准，衣服和画风仍听提示词	0.7 到 0.85	0	0.8 到 1	身体发硬、皮肤像塑料、背景被骨架边缘污染时，先降强度或把结束百分比收到 0.7 附近
线稿稳住构图，但不想描原图	0.45 到 0.7	0	0.6 到 0.85	画面全是参考图的碎线、材质画不出来时，优先降强度，而不是加步数
只要大致站位，动作可以松一点	0.4 到 0.6	0	0.5 到 0.7	人物开始漂出参考位置时，再小幅加强度，不要直接拉到 1

强度拉到 1、结束百分比也到 1，适合检查“这条链路到底有没有接上”。确认骨架或线稿能被跟上之后，再把强度降下来。降强度不是失败，而是把控制从“描图”改回“约束”。提示词里的镜头、服饰和光影，只有在控制留出空隙时才进得去。

还有一种该降强度的情况：参考姿势和提示词明显打架。例如骨架是侧面弯腰，提示词却写正面直立特写。控制越高，人物越容易被拧成两套姿态的混合物。这时先改提示词去迁就参考，或换一张更接近文案的参考，而不是继续加强度。

怎样判断这轮控制真的生效了

不要只看一张“好不好看”的成图。用固定种子做两次对照。

第一次，参考图不动，只把应用节点旁路掉。构图若明显变回随意摆放，说明刚才的稳定来自 ControlNet，不是来自提示词碰巧写对了。第二次，接回 ControlNet，只更换参考姿势或线稿，种子和提示词不动。人物动作或画面分块若跟着参考走，控制就是有效的。

再对着预处理预览看三处：脚和头有没有被裁掉；关节方向和成图是否同向，而不是镜像拧着；人物在画幅中的位置是否一致。线稿则看主要外轮廓是否还在，而不是要求每根头发都重合。细节、衣服图案和背景材质本来就应该允许漂移，那是提示词的工作。

姿势 ControlNet 通常稳不住手指和细小道具。手部仍畸形时，不要指望把身体强度加到极限来修好手；那只会把全身画死。手部需要单独的参考、局部重绘或其他专用信号，那是下一步，不是这条入门链路的失败。

不跟、过弱或画面变形时先查哪里

多数故障出在错配和预处理，不在采样器。按现象对照，一次只改一项，改完用同一个种子复测。

现象	优先检查	处理
姿势或构图和没接时几乎一样	预处理预览是不是空白；权重类型和架构是否配错；条件有没有真的进采样器	先做出一张能看见骨架或线条的预处理图，再核对 SD1.5 与 SDXL 没有混用
控制有一点，但动作经常松开	强度过低，或开始百分比偏晚，结束百分比过早	开始百分比回到 0，强度每次加 0.1，结束百分比先不要低于 0.6
身体跟上了，但人被拉长、关节错位	参考图和出图宽高比不一致；预处理分辨率太低导致丢点	统一宽高比，提高预处理器的检测分辨率，让骨架完整
线条印在脸上和衣服上，画面发灰、发硬	线稿强度过高，或参考图边缘太碎	降到 0.5 附近，结束百分比提前；换更干净的线稿参考
肢体扭曲、像两个姿势叠在一起	提示词描述的机位、人数和参考冲突；两条 ControlNet 同时很强	改提示词或参考使其一致；入门阶段只留一条控制
预处理图是好的，成图却完全无视	ControlNet 权重类型反了，例如用边缘模型去读骨架	按信号类型更换权重，不要只换预处理器

模型不匹配还有一个隐蔽情况：底模能正常文生图，所以你会以为环境没问题。ControlNet 是另一套权重，架构不一致时，它输出的条件对这个底模几乎没有意义，采样器就当噪声忽略掉。现象很像强度太低。区分方法是看预处理预览：预览正常却毫无约束，优先怀疑权重；预览就是空的，则与强度无关。

显存不够时，不要靠把参考图缩到很小来硬跑。姿势检测会先失败，你随后会在错误的控制图上调半天参数。先降低出图尺寸或换更轻的底模，保证预处理图完整，再谈控制强不强。

做一次可复现的验证，再决定要不要加码

选一条你平时能出图的提示词，固定种子、步数和 CFG。准备两张宽高比相同、动作明显不同的单人参考。用同一套姿势 ControlNet，强度 0.75、开始百分比 0、结束百分比 0.85，各出一张。两张成图的动作应分别贴近各自的骨架，服饰和画风仍大致听从提示词。若只有这一步成立，这条姿势链路就是通的。

然后把结束百分比改到 0.6 再出一张。动作应还在，面部和衣服细节通常会更活。如果这一步动作就散了，再把强度加回 0.85 左右，而不是把结束百分比重新拖到 1。线稿同理：用一张轮廓简单的参考，强度从 0.55 开始，确认分块稳定后，再尝试把强度降到不留下描边感的位置。

验证通过之后，再考虑更细的调整：给背景单独用很弱的线稿、或只在前半段使用姿势控制。在单条信号还不能稳定复现之前，不值得叠加多条 ControlNet，也不必更换整套采样参数。控制的目标不是把参考图重画一遍，而是让同一提示词下的姿势和构图终于站得住，同时给风格留出还能变化的余地。