Przejdź do treści
Parametri dei generatori di immagini / ControlNet (forza di controllo)
Stable Diffusion e ComfyUI

ControlNet (forza di controllo)

ControlNet è un modulo aggiuntivo che vincola la generazione dell'immagine alla geometria di una figura di supporto, come contorni definiti, mappe di profondità o scheletri di posa. Il parametro di forza (conditioning scale) stabilisce quanto rigidamente l'algoritmo debba seguire questa traccia rispetto alla descrizione testuale.

Noto anche come: ControlNet, conditioning scale, controlnet strength, canny, depth, pose

Prima e dopo: la mia prova

ControlNet (forza di controllo) - immagine sorgente
immagine sorgente
ControlNet (forza di controllo) - contorni (canny)
contorni (canny)
ControlNet (forza di controllo) - forza 0,3
forza 0,3
ControlNet (forza di controllo) - forza 0,9
forza 0,9

Modello: Stable Diffusion XL 1.0 (przez API fal.ai, 30 kroków, CFG 7,5) + ControlNet canny SDXL. Impostazioni: contorni dall'immagine del test sui passaggi, seed 1411, varia solo conditioning_scale. Data: 14.11.2026.
Prompt: a bronze metal teapot and two cups on a marble table, studio photo

Impostando la forza su 0,3 il modello ha interpretato le linee guida con molta libertà: ha aggiunto una seconda teiera con manico, una ciotola e ha stravolto la disposizione del tavolo. Con un valore di 0,9 la brocca e la tazza sono rimaste esattamente nella posizione originale, con la medesima angolazione e dimensione, mentre dal prompt sono arrivati solo i materiali: bronzo e marmo. Avendo ricavato i contorni con un semplice filtro di rilevamento bordi, la mappa ha catturato anche il rumore delle venature del legno: alzando troppo la forza, questi elementi spuri finiscono per sporcare l'opera finale.

Come si chiama in ciascun generatore

GeneratoreParametroValoriPredefinito
Stability AI (SD 3.5)Control: Structure / Sketch - control_strengthValore dall'endpoint Structure0-10.7
ComfyUIControlNetApplyAdvanced: strength, start_percent, end_percentIntervalli dal codice nodes.py (docs.comfy.org non li riporta)strength 0.0-10.0 (passo 0.01); start/end 0.0-1.0 (passo 0.001)strength 1.0; start 0.0; end 1.0
Midjourneynessuno--
FLUXnessun ControlNet nell'API; composizione tramite bounding boxes (FLUX 3)box [top, left, bottom, right] su griglia 0-1000-
Ideogramnessuno (bbox nei prompt JSON 4.0/4.5)--
GPT Imagenessuno--

Quando usarlo

Errore tipico

Impostare una forza pari a 1,0 o superiore in presenza di una mappa di contorno rumorosa: il sistema ricostruirà con ostinazione anche graffi, venature o imperfezioni involontarie. Un altro errore frequente è associare pesi di ControlNet non allineati all'architettura specifica del modello base caricato, provocando output illeggibili o blocchi nel software.

Esempio pronto da copiare

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

Domande frequenti

Cosa fa il pre-processore Canny in ControlNet?

Rileva i bordi netti e i dettagli di contorno dell'immagine pilota, imponendo al generatore di disegnare il nuovo soggetto dentro quelle precise sagome.

Qual è il valore ideale di conditioning scale?

Per la maggior parte dei progetti visivi il bilanciamento ideale si attesta tra 0,6 e 0,8: la struttura originale rimane solida senza soffocare la creatività del prompt.

A cosa serve impostare inizio e fine percentuale del controllo?

Permette di applicare la guida solo nelle prime fasi di generazione per stabilire la scena globale, lasciando al modello la libertà di rifinire texture e microdettagli nelle fasi finali.

Quale differenza c'è tra un controllo canny e una mappa depth?

Canny segue i contorni bidimensionali come un disegno a china, mentre Depth calcola la distanza nello spazio tridimensionale, ideale per non distorcere le volumetrie delle stanze.

Termini correlati

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