ControlNet (kontrollstyrka)
ControlNet är ett populärt verktyg som tvingar bildmodellen att följa strukturen från en hjälpbild, såsom konturer, en djupkarta eller en mänsklig pose. Kontrollstyrkan (conditioning scale) avgör hur slaviskt den nya bilden måste anpassa sig efter denna geometriska mall.
Även känd som: ControlNet, conditioning scale, controlnet strength, canny, depth, pose
Före och efter: mitt test




Modell: Stable Diffusion XL 1.0 (przez API fal.ai, 30 kroków, CFG 7,5) + ControlNet canny SDXL. Inställningar: konturer från bilden i uppslaget om steg, seed 1411, endast conditioning_scale ändras. Datum: 14.11.2026.
Prompt: a bronze metal teapot and two cups on a marble table, studio photo
Vid styrka 0,3 tolkade modellen konturerna ganska fritt: den lade till en extra tekanna med handtag samt en skål, och bordsplaceringen tog en helt egen väg. Vid 0,9 stod tekannan och koppen precis där konturerna angav, i exakt samma vinkel och storlek, medan prompten enbart styrde materialvalen med brons och marmor. Jag tog fram konturkartan med ett enkelt kantfilter som även fångade upp ådringen i träunderlaget, och vid hög styrka riskerar sådant brus att ritas ut som fula artefakter i slutbilden.
Vad det kallas i respektive generator
| Generator | Parameter | Värden | Standardvärde |
|---|---|---|---|
| Stability AI (SD 3.5) | Control: Structure / Sketch - control_strengthVärde från Structure-slutpunkten | 0-1 | 0.7 |
| ComfyUI | ControlNetApplyAdvanced: strength, start_percent, end_percentIntervall från koden nodes.py (docs.comfy.org anger dem inte) | strength 0.0-10.0 (steg 0.01); start/end 0.0-1.0 (steg 0.001) | strength 1.0; start 0.0; end 1.0 |
| Midjourney | saknas | - | - |
| FLUX | inget ControlNet i API:et; komposition via bounding boxes (FLUX 3) | rutor [top, left, bottom, right] på ett 0-1000-rutnät | - |
| Ideogram | saknas (bbox i JSON-prompter 4.0/4.5) | - | - |
| GPT Image | saknas | - | - |
- Källor, kontrollerade 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
När det ska användas
- när du vill behålla kompositionen från ett foto men ändra material, stil eller tid på dygnet
- för att låsa en karaktärs kroppsposition (OpenPose) vid illustrationer och bildmanus
- tillsammans med djupkartor för att bevara korrekt rumsperspektiv vid inredningsvisualisering
Vanligt misstag
Att ställa styrkan på 1,0 eller högre vid en lågkvalitativ eller brusig konturkarta: modellen ritar då troget av alla felaktigheter och linjebrus. Ett annat vanligt misstag är att använda en ControlNet-adapter som inte matchar basmodellen, exempelvis en ControlNet byggd för SD 1.5 i ett arbetsflöde med SDXL.
Exempel att kopiera
ComfyUI: Apply ControlNet -> strength = 0.8, start_percent = 0.0, end_percent = 1.0 Stability (Control): /control/structure med "control_strength": 0.7
Vanliga frågor
Vad gör ControlNet canny?
Canny läser av skarpa ytterkanter i källbilden och tvingar modellen att bygga upp den nya bilden längs exakt samma linjer.
Vad är skillnaden mellan canny och depth?
Canny låser fast exakta linjer och detaljer, medan depth (djupkarta) fokuserar på tredimensionella avstånd, vilket ger friare tyglar att byta ut objekt utan att tappa rummets vinklar.
Vilken kontrollstyrka ger bäst resultat?
Ett värde mellan 0,6 och 0,8 är ofta den gyllene medelvägen, eftersom det behåller formen utan att blockera AI-modellens förmåga att skapa naturliga ljusreflektioner och material.
