掌握AIGC技能：深入解析SD插件ControlNet

Stable Diffusion是目前应用最广泛的本地AIGC，AI的最大特点就是强随机性，虽然在大部分时候它是优点，但难以掌控，随机抽卡也让用户颇为头疼。今天我们就为大家详细介绍一下Stable Diffusion中的ControlNet插件，它可以极大降低抽卡的随机性，让用户更容易的控制AI出图。

ControlNet是什么？有什么作用？

ControlNet是Stable Diffusion中的一款超强插件，它不同于模型，不会控制出图的风格，而是在底部的菜单栏中调用。

ControlNet需要结合不同大模型使用，插件本身的模型用于控制单元计算。

ControlNet可以多单元组合应用，增强出图控制。

ControlNet可以控制人物姿势、线稿生图（多种风格可选）、老照片上色、光影艺术字、固定照片物体生图、固定景深生图等等。

1 ControlNet插件界面讲解

在这里我们就不讲SD的操作以及插件的安装了，默认大家已经下好秋叶大神的整合包（里面包含ControlNet），如果想了解基础操作，可以翻看我前一篇文章。

AIGC技巧：SD图生图 如何控制变量生成想要的效果？

下面直接来看看ControlNet操作界面：

1.工作单元，ControlNet运行时可多单元同步参与计算

2.图像区，上传照片、手绘、效果预览（ControlNet的本质仍是图生图）

3.辅助功能区，新建画布，打开摄像头，尺寸同步等

4.设置勾选，勾选启用生成的图片才会参考ControlNet插件效果

5.控制类型，不同生成效果

6.模型区，ControlNet生成必须要有对应模型，预处理器可以空白

7.生成权重和介入控制区（这里我们后面详细讲解）

8.简单的字面意思

2 测试平台

SD出图对于显卡算力和显存的要求不过多赘述了，ControlNet对于显存的要求同样很高。在常规文生图中，我们大多数时间会参照模型（512×512或1024×1024）的尺寸进行生成。

但图生图会根据原图尺寸进行调整，如果想生成一次可用的图片，尺寸要比模型大很多，这时候对于显存的要求就非常高。

本次测试平台我们选择了技嘉提供的整机，整体采用纯白配件打造，兼顾美观与性能。对于内容创作者或玩家来说，也是桌搭非常好的选择。

显卡为技嘉GeForce RTX 4080 SUPER AERO OC雪鹰，RTX 4080拥有16GB大显存，304个Tensor Cores，达到780 AI TOPS，在简单的内容创作和日常主流AIGC软件中，都能够提供高速稳定的体验。

主板为技嘉B760M冰雕，采用16（14+1+1）相供电，且采用了M.2全覆盖散热以及供电全覆盖散热，轻松驾驭i9级处理器。

另外在AIGC软件中，图像或视频的生成均以GPU为主，在算力上GPU也要比CPU高出几十倍。不过我们在长时间的生成中，不可能干等着，所以一颗好的CPU也能够让我们同时处理更多工作。

下面直接进入正题，来看看ControlNet到底有何神奇之处。

PS：由于时间有限，每种效果仅用了简单的提示词控制，生成图像比较简陋。如果想生成理想图像，大家还需要在提示词上进行打磨，反复实验。

3 Canny（硬边缘）

Canny可以识别到画面中非常详细的线条，能够最大程度还原照片，可以说是ControlNet中约束性最强的控制。

在第一次讲解中，我们先大概了解一下ControlNet的操作流程。

首先上传一张图片后，如果生成想保持原图的尺寸，可以点击预处理结果预览右下方的上剪头；

在控制类型中选择好Canny后，下面的预处理器和模型会自动变成Canny对应的，大部分时间无需手动调节。但有时预处理中会有不同分支，需手动选择。

点击对话框中的爆炸图表，插件就会生成一张由该模型控制的预处理效果。从图中能看到在硬边缘模式下，生成图像为包含了所有边缘的黑白线稿。

控制权重默认为1，也是最为均衡的；引导介入时机和引导终止时机，可以理解为ControlNet在生成这张图片中参与了哪些部分，默认的0-1就是全程参与。

4 SoftEdge（软边缘）

用了最简单的Canny讲解操作方法后，我们再来看SoftEdge，相比硬边缘，它在预处理效果中的线条比较柔和，没有框定所有约束，给AI发挥的空间也就越大。

5 Lineart（线稿）

Lineart是专门提取线稿的模型，相比硬边缘和软边缘，它更接近手绘的风格，并且可以针对不同类型的图片进行不同的处理。

可以看到在不同线稿的提取方法中，预处理的线稿差别会很大，上图中标准线稿提取-白底黑线反色，比较好的还原了整个场景的结构和关系，但是它与硬边缘不同的是，仅靠白底反色处理，所以边缘仍然较为柔和，出图效果在最大程度还原原图结构外，也会有一些发挥空间。

而在coarse（粗略线稿提取）中，则更像标准的手绘线稿，而且它更偏向描绘主体。不过这样的问题就是AI发挥度更大，关键词少的话更容易崩。

在realistic（写实线稿提取）中，风格化更为明显。不过这几种先搞提取方法整体的出图效果大同小异，如果默认标准的提取无法达到效果，可以试试不同的手法。

6 Scribble/Sketch（涂鸦/草图）

Scribble/Sketch的风格更为粗犷一些，基本只保留了图片中的大致轮廓，所以生成出来的图片也只能看出与原图神似，但完全不是一回事。

不过既然是涂鸦玩法，那么使用照片显然有点违背初衷，在草稿上随便画几条线，然后静静看着AI能够联想出来什么，才是最有意思的。

而且这个功能相比NVIDIA Canvas所呈现的效果更好，毕竟Canvas是用画笔颜色代替物体，有点类似于Segmentation的效果，而Scribble/Sketch只是用画笔给了轮廓，重要的还是靠提示词来生成。

7 MLSD（直线）

MLSD是仅能提取直线的线稿，一般在建筑，或家居场景中使用的比较多，不过我们依然能发现一些有意思的用法。

可以看到模型将显卡边框的线条全部提取了出来，但是转角部位的弧形则没有。而且直线提取，少了很多具象化的东西，想象空间更大，非常容易出现意想不到的效果。

小结

上面几种都是属于线稿出图，只是在细分领域中有所区别。用过图生图的大家都知道，它依靠原图的效果来控制生成图像，所以可以做到与原图很像，但自由度非常小。想要更大的自由度又非常难以控制。

ControlNet这几个模型的本质上来说还是图生图，但相比图生图，它相当于有了一层蒙版，自由度更高，更可控。

8 Openpose（姿态）

Openpose是非常实用的一个工具，SD生图最大的困难就是对于姿态的控制，往往仅靠提示词，AI无法明确我们想表达的内容，而Openpose的火柴人就可以完美还原图中角色的姿态，更厉害的是，它还可以调节多人的不同姿态。

全身像适合full预设，姿态、手部及脸部都会被火柴人框住

Openpose预设中分的较为细致，对应不同的构图，可选择脸部、手部、姿态等范围。

在Openpose中，除了预处理，还可以手动调节捕捉细节，从而保障画面的真实or夸张，比如大家也可以把自己照片的腿部拉长，这样就会在其他结构不变的情况下，生成一个大长腿小姐姐。

9 Recolor（重上色）

Recolor可以对图片进行重新上色，它可以将现有的彩色照片进行黑白处理，然后重新由提示词填上颜色；但为黑白照片添加颜色应该才是大家最期望看到的，

为黑白老照片上色其实比较困难，首先老照片的清晰度都比较低，灰阶也没有现代黑白照片那样对比明显，AI识别起来很困难；另外老照片特有的噪点和马赛克又为AI区分细节增加了困难。

如果想要高清还原一张彩色照片，可以分为几步：1、运用AI的高清修复，先将照片分辨率放大；2、消除噪点、修复损坏部分；3、最后再进行上色填充。

不过相比于高分辨率无噪点的AI精修，个人还是更倾向于老照片那种“低保真”的年代感。其实用高糊原片，我们同样能够再利用PS对多张图片进行叠加处理，从而保留相对准确的部分。

10 AI光影艺术字

这一部分我没有写对应的控制类型，它可以用ControlNet自带的Tile/Blur（分块/模糊）来制作，也可以用自己下载的模型，都能达到想要的效果。

比如上面的图片，我使用了
Control_v1p_sd15_brightness模型来制作，它能够将字体通过光影的形式更好的融入图片中。

这里重点讲解一下AI艺术字的设置，原始图像可以在PS中直接写好字导出图片，或者使用ControlNet自带的画笔进行涂鸦。

如果使用Tile/Blur自带的模型，预处理器和模型这里都无需改动，如果想要选择自己下载的模型，预处理器需要选择none，然后刷新模型，找到自己想要的。

控制权重、引导介入时机、引导终止时机在其他模型中都是默认的，不过在艺术字中均要手动调节。

控制权重设置为0.5为宜，如果是1的话会让字体过于突出，而出现上图的效果。

引导介入时机和引导终止时机这两项是相辅相成的，0-1代表艺术字全程参与画面的迭代生成，但那样得出的效果与控制权重为1差不多。通常设置为0.2-0.4左右，代表着画面迭代在20%-40%的时间段有字体参与。

但这一数值并不绝对，如果你的画面迭代步数越高，引导终止时机则可以越大。

如果想要得到理想效果，仍需要多次尝试。在提示词、字体、大小、介入终止时机均达到理想平衡时，再更换文字，就能够比较快速的批量出图了。

11 Depth（深度）

Depth则可以很好地控制原图中的景深，如果想保持图像中的纵深结构可以选择。除了街景，在室内场景中，AI往往会生成出空间错乱的图片，Depth能够完美解决这一点。

Depth的发挥空间也非常大，能够看到它的预处理图像仅有“近白远黑”的概念，所以如果看到有哪些喜欢的构图，可以利用Depth借鉴一下。

除了ControlNet预处理的黑白图像，所有的模型都可以自定义上传蒙版，大家在PS中可以把过于突出的元素抹掉或增减，防止上图中出现明显边缘的情况。

12 NormalMap（法线贴图）

NormalMap比较神奇，它能够计算图片中主体的明暗关系，并且相对较为还原原图的姿势。

不过相对来说，NormalMap在预处理之后的修改空间不大，如果是普通的二三次元转换，不如线稿来的方便可操作性强；但如果是明暗光影效果较强的图片，想要保留这些细节的话NormalMap是不错的选择。

13 Segmentation（语义分割）

Segmentation拥有超强的稳定性和发散性，它的预处理结果不像其他模型是线稿，而是色块图，不同色块也有对应的不同物体。

可以看到Segmentation拥有超强的固定性，虽然预处理只是一些不同的色块，但每个色块都代表着固定的东西，这个模型也非常适合居家类风格，它可以将物体原本的形状固定住，然后转换为任何形式。

另外，虽然是色块图，但Segmentation不像NormalMap的预处理那么难以修改，知道了颜色代码之后，用户同样可以自行绘制色块到蒙版上，生成图像中就会出现对应的物体；以及在预处理识别不准确的时候也可以手动修改。

14 总结

这次技巧相对比较详细的介绍了ControlNet的各种控制类型，一些没讲到的相对大同小异，或者可替代性较强，当然大家也可以自行尝试。由于时间关系，本次所有模型出图均以演示为主，效果有所欠缺。

ControlNet本质上来讲，依然是图生图。但相比SD自带的图生图，它又更偏向以文字生成。在都有原图约束的情况下，他们最大的区别在于ControlNet拥有多种底稿的控制类型，如边缘线稿、深度、光影、姿态等。

所以它能够在遵循原构图的情况下，对生成图像随意调整，而SD自带图生图想要拥有自由度，则需要靠重绘幅度来调整，但这样一来会对原图有较大破坏。

最后总结一下ControlNet中容易碰到的坑：

1、提示词很重要，没有正反提示词，即使有原图打底也容易生成奇怪的东西

2、更换大模型后，需要注意ControlNet模型是否丢失

3、所有ControlNet生图都会附带一张预处理结果预览，没有的话代表ControlNet没有启用

4、ControlNet必须要使用对应模型，但它的模型与大模型不同，不控制生图风格，更偏功能性

5、使用放大涂鸦绘制时，一定一定一定不要点这个叉子，它是删除图像，不是让图像复位……

(8690529)