ControlNet (fuerza de control)
ControlNet es una extensión que obliga al generador de imágenes a respetar la estructura de una imagen auxiliar, ya sean líneas de contorno, mapas de profundidad o posturas humanas. El valor de fuerza (conditioning scale) determina qué tan fielmente debe ceñirse el resultado final a ese esqueleto guía sin perder libertad estética.
También conocido como: ControlNet, conditioning scale, controlnet strength, canny, depth, pose
Antes y después: prueba real




Modelo: Stable Diffusion XL 1.0 (przez API fal.ai, 30 kroków, CFG 7,5) + ControlNet canny SDXL. Ajustes: contornos extraídos de la imagen de prueba sobre pasos de muestreo, seed 1411, variando únicamente conditioning_scale. Fecha: 14.11.2026.
Prompt: a bronze metal teapot and two cups on a marble table, studio photo
Al probar con una fuerza de 0,3, el modelo interpretó los contornos con mucha holgura: añadió una segunda tetera con asa, un cuenco y reorganizó la mesa a su criterio. Al subir a 0,9, la jarra y la taza quedaron clavadas exactamente en la posición, escala y ángulo de la guía, tomando del prompt únicamente los materiales: bronce y mármol. Como obtuve los contornos con un filtro simple de bordes, el sistema también capturó el ruido de las vetas de la madera, y con una fuerza alta esas marcas residuales se colaron en la imagen final.
Cómo se llama en cada generador
| Generador | Parámetro | Valores | Por defecto |
|---|---|---|---|
| Stability AI (SD 3.5) | Control: Structure / Sketch - control_strengthValor del endpoint Structure | 0-1 | 0.7 |
| ComfyUI | ControlNetApplyAdvanced: strength, start_percent, end_percentRangos del código nodes.py (docs.comfy.org no los especifica) | strength 0.0-10.0 (paso 0.01); start/end 0.0-1.0 (paso 0.001) | strength 1.0; start 0.0; end 1.0 |
| Midjourney | ninguno | - | - |
| FLUX | sin ControlNet en la API; composición mediante bounding boxes (FLUX 3) | boxes [top, left, bottom, right] en cuadrícula 0-1000 | - |
| Ideogram | ninguno (bbox en prompts JSON 4.0/4.5) | - | - |
| GPT Image | ninguno | - | - |
- Fuentes, verificadas el 14.11.2026:
- Stability AI: docs.stability.ai/api-reference/control/structure.md
- ComfyUI: raw.githubusercontent.com/comfyanonymous/ComfyUI/master/nod...
- Midjourney: docs.midjourney.com/hc/en-us/articles/32859204029709-Parame...
- FLUX: docs.bfl.ml/flux_3/flux3_image_overview.md
- Ideogram: docs.ideogram.ai/prompting/text-in-images
- GPT Image: developers.openai.com/api/docs/guides/image-generation
Cuándo usarlo
- Al buscar mantener la composición exacta de una escena real cambiando materiales, iluminación o estilo artístico.
- Para replicar con precisión la postura de un personaje mediante OpenPose en storyboards, cómics o diseño de moda.
- Al utilizar mapas de profundidad (depth) para conservar la perspectiva geométrica en renders de arquitectura o interiorismo.
Error frecuente
Subir la fuerza a 1,0 o más cuando el mapa de entrada tiene ruido o trazos sucios, ya que el modelo intentará dibujar cada artefacto como si fuera parte del objeto. Otro error crítico es utilizar un archivo de ControlNet incompatible con la arquitectura base, por ejemplo, cargar un módulo entrenado para SD 1.5 dentro de un flujo de SDXL.
Ejemplo listo para copiar
ComfyUI: Apply ControlNet -> strength = 0.8, start_percent = 0.0, end_percent = 1.0 Stability (Control): /control/structure con "control_strength": 0.7
Preguntas frecuentes
¿Qué hace el preprocesador ControlNet Canny?
Aplica un detector de bordes sobre la imagen de referencia para extraer líneas estructurales limpias, obligando al modelo a generar el nuevo contenido dentro de esos límites.
¿Cuál es la diferencia entre ControlNet strength y el denoising strength habitual?
El denoising strength mide cuánto se altera la imagen píxel a píxel en img2img. ControlNet conditioning strength condiciona la dirección geométrica del modelo a partir de una guía estructural independiente, permitiendo crear una imagen desde cero con ruido puro respetando la forma.
¿Por qué la imagen final luce rígida o artificial al usar ControlNet?
Ocurre cuando la fuerza de control supera el umbral óptimo (cerca de 1,0). Conviene reducirla a rangos entre 0,6 y 0,8 o finalizar la influencia antes del último paso para que el modelo aplique texturas orgánicas.
¿Se pueden encadenar varios modelos de ControlNet?
Sí, es habitual combinar OpenPose para la pose de una persona y un mapa Depth para la profundidad del entorno, graduando la fuerza de cada uno por separado.
