Configure ControlNet 算子节点
精细配置一个独立的 ControlNet 空间结构控制实体——包含模型仓库、空间引导图以及条件注入强度等关键超参,专供下游 ControlNet Pipeline 算子装配消费。
算子所属分类:ModularDiffusion/Conditioning
核心速查 (TL;DR)
- 优先选定
provider架构提供方:所有后续参数(适配的模型列表、运行期引导旋钮)均为动态属性,会根据选定的架构体系自动重新生成; - 单节点对应单路控制信号:每个节点负责装配一种特定的 ControlNet 特征(如单线边缘或深度图);若需叠加多重控制(如同时约束姿态与边缘),在画布中放置多个本节点,并将各个节点的
control_net输出全部连入 ControlNet Pipeline 的列表输入端口; - 全面覆盖主流架构:支持 Flux、Qwen、Stable Diffusion (SDXL)、Z-Image 等前沿扩散模型生态。
典型工作流编排拓扑
Load Image (前处理引导图) → [Configure ControlNet] → ControlNet Pipeline → Generate Media Latents
节点外观预览

输入端口规范 (Inputs)
| 端口名称 | 数据类型 | 是否必填 | 详细功能与业务规范说明 |
|---|---|---|---|
control_image |
ImageArtifact / ImageUrlArtifact |
是 | 承载空间引导信号的图像素材(如 Canny 边缘二值图、单目深度估计图、OpenPose 人体骨骼图等,具体取决于所选控制模型)。 |
controlnet_conditioning_scale |
float (0.0~1.0) |
否 | 该路 ControlNet 对画面生成的引导强度权重,出厂默认值为 1.0。 |
controlnet_model |
Hugging Face 选择器 | 是 | 选用的 ControlNet 物理模型仓库;候选列表会根据所选 provider 自动过滤刷新。 |
输出端口矩阵 (Outputs)
| 端口名称 | 数据类型 | 详细功能与业务规范说明 |
|---|---|---|
control_net |
control_net (字典) |
封装了模型 ID、引导图凭据与条件超参的结构化配置实体,直接喂给下游 ControlNet Pipeline 节点。 |
架构特定自适应参数特性
下拉模型与附加高级控制项会根据具体模型生态动态重构,典型特性包括:
- Flux 架构:开放了
control_mode控制模式选择器(支持canny、tile、depth、blur、pose、gray、low_quality等多维模态),以及精准调节控制介入时序区间的control_guidance_start与control_guidance_end(例如仅在去噪前 30% 步长施加结构约束); - Qwen / Stable Diffusion / Z-Image 架构:自动呈现各自专有的模型列表以及特定架构的条件引导参数。
避坑技巧与最佳实践 (Tips & pitfalls)
- 架构必须与主干管线严格保持一致:将为 Flux 训练的 ControlNet 强行连入 SDXL 管线会在下游 ControlNet Pipeline 算子的静态校验器中直接报错阻断。
- 引导图必须在上游完成物理前处理:本节点假定接收到的是即插即用的成品空间信号图——请务必在上游串联好 Canny 边缘提取、深度估计 (Depth Estimator) 或骨骼姿态识别算子,并将前处理产出的单通道/三通道图像送入
control_image。 - 多控制网堆叠时的权重独立性:当叠加多个 ControlNet 节点时,每一个节点内部的
controlnet_conditioning_scale是彼此物理隔离、独立生效的;你可以自由分配“边缘保留 0.8、姿态保留 0.4”的差异化引导配比。
推荐延伸阅读
- ControlNet Pipeline — 汇聚并激活本节点产出的
control_net配置的关键下游 - 经典工作流样板源码:
workflows/templates/ControlnetText2Image.py