Przejdź do treści
AI 生圖參數指南 / ControlNet (控制網權重)
Stable Diffusion 與 ComfyUI

ControlNet (控制網權重)

ControlNet 是生成式 AI 繪圖中的空間引導擴充套件,能強制模型遵循參考圖的幾何結構,例如線稿輪廓、景深地圖或人體骨架。控制權重(conditioning scale)則決定最終成品要多嚴格地貼合這套骨架,數值愈高,畫面構圖就愈難被提示詞撼動。

又稱: ControlNet, conditioning scale, controlnet strength, canny, depth, pose

前後對比實測

ControlNet (控制網權重) - 原始圖片
原始圖片
ControlNet (控制網權重) - 邊緣輪廓 (canny)
邊緣輪廓 (canny)
ControlNet (控制網權重) - 權重 0.3
權重 0.3
ControlNet (控制網權重) - 權重 0.9
權重 0.9

模型: Stable Diffusion XL 1.0 (przez API fal.ai, 30 kroków, CFG 7,5) + ControlNet canny SDXL. 設定: 線稿萃取自步數詞條的測試圖,seed 1411,僅調整 conditioning_scale. 日期: 14.11.2026.
提示詞: a bronze metal teapot and two cups on a marble table, studio photo

在控制權重設為 0.3 時,模型對線條邊界表現得相當隨性,自行在桌面上多補了一只帶把手的茶壺與碗,整體桌面擺設完全偏離參考稿。當我將數值拉高到 0.9,茶壺與茶杯便精準鎖定在線稿的原位、角度與比例上,提示詞僅負責填充青銅與大理石材質。這次邊緣輪廓我是用基礎邊緣濾鏡擷取的,連帶捕捉了木紋雜訊,高權重下這些雜質也會直接被固化在成品裡。

各生圖工具中的對應名稱

生圖工具參數數值範圍預設值
Stability AI (SD 3.5)Control: Structure / Sketch - control_strength來自 Structure 端點的數值0-10.7
ComfyUIControlNetApplyAdvanced: strength, start_percent, end_percent來自 nodes.py 程式碼的範圍 (docs.comfy.org 未提供)strength 0.0-10.0 (步長 0.01); start/end 0.0-1.0 (步長 0.001)strength 1.0; start 0.0; end 1.0
Midjourney無--
FLUXAPI 中無 ControlNet;透過 bounding boxes 構圖 (FLUX 3)0-1000 網格上的外框 [top, left, bottom, right]-
Ideogram無 (4.0/4.5 JSON 提示詞中的 bbox)--
GPT Image無--

適用時機

常見錯誤

許多初學者常直接把權重拉到 1.0 甚至更高,若參考線稿本身品質粗糙,AI 就會毫無保留地把雜訊也畫成實體物件。另一個常見失誤是版本混用,例如把舊版架構的 ControlNet 模組套在全新規格的底模上,導致運算直接報錯或輸出灰階雜訊畫面。

可直接複製的範例

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

常見問題

ControlNet 的 Canny 邊緣檢測功能是什麼?

Canny 會先掃描來源圖片並萃取出高對比的線條輪廓,隨後要求生成模型必須在完全相同的線條骨架內重新上色與描繪細節。

控制權重通常設定在多少最理想?

多數場景建議設在 0.6 到 0.85 之間。這樣既能牢牢鎖住原本的構圖,又能留出足夠的彈性讓提示詞去渲染真實的材質紋理與光影層次。

可以同時串聯多個 ControlNet 嗎?

可以,例如同時使用 OpenPose 鎖定人物手腳姿勢,再搭配 Depth 維持背景走廊的空間深度,但此時建議調低個別權重以避免畫面過度僵硬。

相關詞條

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