Przejdź do treści
Parameter für Bildgeneratoren / ControlNet (Kontrollstärke)
Stable Diffusion und ComfyUI

ControlNet (Kontrollstärke)

ControlNet ist eine funktionale Erweiterung für Bildgeneratoren, die den Aufbau eines Bildes anhand externer Vorgaben wie Kanten, Posen oder Tiefenkarten fixiert. Über die Kontrollstärke (Conditioning Scale) wird geregelt, wie sklavisch das Modell diesem Gerüst folgen muss. Dadurch lassen sich Kompositionen reproduzierbar steuern, während Materialien, Licht und Motive frei über Textprompts verändert werden.

Auch bekannt als: ControlNet, conditioning scale, controlnet strength, canny, depth, pose

Vorher und nachher: Praxistest

ControlNet (Kontrollstärke) - Ausgangsbild
Ausgangsbild
ControlNet (Kontrollstärke) - Konturen (Canny)
Konturen (Canny)
ControlNet (Kontrollstärke) - Stärke 0,3
Stärke 0,3
ControlNet (Kontrollstärke) - Stärke 0,9
Stärke 0,9

Modell: Stable Diffusion XL 1.0 (przez API fal.ai, 30 kroków, CFG 7,5) + ControlNet canny SDXL. Einstellungen: Kantenmaske aus dem Bild des Schritt-Artikels, Seed 1411, variiert wurde nur die conditioning_scale. Datum: 14.11.2026.
Prompt: a bronze metal teapot and two cups on a marble table, studio photo

Bei einer Stärke von 0,3 interpretierte das Modell die Konturen noch sehr frei: Es zeichnete eigenständig eine zweite Kanne samt Henkel sowie eine Schale dazu, und auch die Tischkante verschob sich deutlich. Bei einem Wert von 0,9 standen Kanne und Tasse exakt an der vorgegebenen Position im gleichen Winkel, während der Prompt lediglich die neuen Materialien wie Bronze und Marmor beisteuerte. Weil ich die Kantenmaske mit einem einfachen Filter erzeugt hatte, erfasste sie auch die Holzmaserung des Untergrunds, was bei hoher Stärke prompt als störende Artefakte im Bild landete.

Bezeichnung je Generator

GeneratorParameterWerteStandard
Stability AI (SD 3.5)Control: Structure / Sketch - control_strengthWert aus dem Structure-Endpoint0-10.7
ComfyUIControlNetApplyAdvanced: strength, start_percent, end_percentBereiche aus dem Code nodes.py (docs.comfy.org gibt sie nicht an)strength 0.0-10.0 (Schritt 0.01); start/end 0.0-1.0 (Schritt 0.001)strength 1.0; start 0.0; end 1.0
Midjourneynicht vorhanden--
FLUXkein ControlNet in der API; Komposition über Bounding Boxes (FLUX 3)Boxen [top, left, bottom, right] auf einem 0-1000-Raster-
Ideogramnicht vorhanden (bbox in JSON-Prompts 4.0/4.5)--
GPT Imagenicht vorhanden--

Wann einsetzen

Typischer Fehler

Ein häufiger Fehler ist das Ansetzen einer maximalen Stärke von 1,0 oder höher bei verrauschten Kantenmasken: Das Modell übernimmt dann jeden Bildfehler und jedes Texturdetail starr in das Render-Ergebnis. Zudem führt die Kombination von inkompatiblen Versionen unweigerlich zu Fehlern, etwa wenn ein für SD 1.5 trainiertes ControlNet-Modell auf eine modernere SDXL-Basis angewendet wird.

Beispiel zum Kopieren

ComfyUI: Apply ControlNet -> strength = 0.8, start_percent = 0.0, end_percent = 1.0
Stability (Control): /control/structure mit "control_strength": 0.7

Häufig gestellte Fragen

Was bewirkt ControlNet Canny?

Canny extrahiert mithilfe eines Kantenfilters harte Konturen aus einem Referenzbild und zwingt das Modell, das neue Bildmotiv exakt an diesen Linien auszurichten.

Was unterscheidet Depth von Canny?

Während Canny flache zweidimensionale Außenlinien nachzeichnet, liest eine Depth-Map räumliche Entfernungen, wodurch Proportionen, Raumtiefe und Vordergrundelemente wesentlich natürlicher erhalten bleiben.

Warum wirkt das Bild bei hoher ControlNet-Stärke oft künstlich?

Wenn der Wert zu nah an 1,0 liegt, verliert das Diffusionsmodell jeden kreativen Spielraum für realistische Lichtbrechungen oder weiche Übergänge; ein Bereich zwischen 0,6 und 0,85 liefert meist deutlich organischere Resultate.

Verwandte Begriffe

🛒 Sklep Kinetyka CapCut Pro 460 zł/rok Lovable Pro 450 zł/rok Replit Core 119 zł/rok Zobacz wszystko →
× ‹ powiększenie ›