前置知识卡
控制网在上一课已经见过,这里不从零讲。这一课换的是深度预处理器,重点看 strength / start / end 三个旋钮怎么配合。顺手再分一次:控制网管形,提示词管内容,LoRA 是一块补丁——贴在底模上换材质,不换结构。
VAE 编码与 latent
#16 把原图压进潜空间,只是给采样器一个“画布尺寸”。denoise 1.0 时,这块草稿画布上的内容会被抹掉重画。
SDXL室内大模型.safetensors、SDXL 室内/大平层SDXL.safetensors、SDXL/diffusers_xl_depth_full.safetensors,以及第三方插件 comfyui_controlnet_aux 提供的 DepthAnythingV2Preprocessor(AIO 预处理包,本链是 #17)。它不是 ComfyUI 自带节点:没装这个插件,AIO_Preprocessor 会显示为红框缺失。原文件的输入图是 测试线稿图.png,换成你自己的手绘或白模图。
这一课会用到的词
| 词 | 英文原名 | 一句人话 | 一个反例 |
|---|---|---|---|
| 控制网 | ControlNet | 一张额外的条件网,把参考图翻成结构提示,塞进采样过程管形。 | 不是“参考图层”:它不复制像素,只拿结构图限制形体。 |
| 预处理器 | Preprocessor | 把原图翻译成控制网看得懂的那种图,比如深度图、线稿、分割色块。 | 不是滤镜预览:它吐出来的图直接决定控制信息,不是给你看着玩的。 |
| denoise | Denoising Strength | 采样从噪声路的哪一段起手:1.0 从纯噪声起,0.5 还有一半原图。 | 不是“控制强度”:它管从哪一步起手,不管形被锁得多死。 |
| LoRA | Low-Rank Adaptation | 一块补丁,贴在底模上,改材质与风格。 | 不是新模型:它自己出不了图,必须挂在底模上。 |
| 控制强度 | strength | 这张网管得多严,1.0 是全程紧抓。 | 不是“相似度”:它不比较两张图像不像。 |
| CFG | Classifier-Free Guidance | 听话程度:模型有多贴提示词。 | 不是“创意度”:调高不会更有想象力,只会更硬。 |
| 批量 | batch | 一次出几张。 | 不是画质档位,张数变多不会让每张更清楚。 |
三种预处理,各留下什么
同一张图,丢给三种预处理器,会得到三种完全不同的“结构图”。先分清它们各自保留什么,再决定你要哪一道控制。
很多人以为 denoise 1.0 等于“完全不控制”。这里不是:控制来自 ControlNet,不来自潜空间。原图只提供了一个尺寸和一张深度结构图,像素本身被完全重画。
反过来,如果你把 denoise 调到 0.5 却仍然开着 strength 1.0,会得到一张“又想保留又想重画”的糊图。这两个旋钮管的是不同的事。
链路图:一条主干,一条模型轨
15 个节点,主干只要五步。图下方单独画出提示词,是因为它不进预处理,直接进采样器。
模型与补丁
#1 #2室内写实底模。它同时提供 MODEL、CLIP、VAE 三件套(VAE 就是 07 课那台有损翻译机);VAE 通过 #18 Reroute 分给编码、解码、控制网三处。
模型强度只有 0.47,CLIP 强度 1.0(CLIP 就是 07 课表里那台“文字翻译”)。这是把补丁“贴一半”:让它改材质和配色,不让它把构图和透视也一起改掉。
深度这一道
#15 #17 #13 #12 #19把图压到 512 再估深度。512 是预处理分辨率,不是出图分辨率——它决定了“结构图有多细”。
整条链只有这一道控制网,所以 strength 给满。0 和 1 是生效区间,覆盖整个采样过程。
深度图长什么样,只能在这里看。它不参与生成,但决定了你要不要继续排队。
提示词与采样
#5 #7 #16 #31 #4 #9 #11一套短的英文词堆:空间类型 + 风格 + 家具 + 光线 + 渲染质量。这套流程没有接 Florence 反推。Florence2 是个“看图写话”的模型,能把图翻成一句英文描述,10 课会用到。这里没有它,提示词是人手写的,跟 10 课的长句描述完全不同。
空字符串。CFG 只有 2.67,负向本来就没多大作用;真要压畸形,先在正向里写清楚,而不是堆一长串负面词。
原图编码成 latent,再限成 1 张。因为 denoise 1.0,这块 latent 上的内容不会保留,唯一作用是让输出尺寸等于输入图。
15 步、CFG 2.67、euler_ancestral、denoise 1.0。低 CFG 让 SDXL 的材质更自然,euler_ancestral 带一点随机性,适合室内。
参数速查表
这张表请在动手前扫一眼。三个数值最容易“照搬别的工作流”:strength、CFG、denoise。
| 参数 | 现值 | 位置 | 调大之后 | 调小之后 | 建议区间 |
|---|---|---|---|---|---|
| 预处理分辨率 | 512 | #17 resolution | 结构图更细,细部家具能锁住,但可能把噪声当结构 | 更稳更概括,小物件消失 | 512 – 768 |
| 控制强度 | 1.0 | #12 strength | 已满,再调无意义 | 0.6 以下开始跑形,0.3 只剩一点透视暗示 | 0.8 – 1.0 |
| 生效起点 | 0 | #12 start_percent | 晚介入,构图先自由长再被拉回,容易双透视 | — | 0 – 0.1 |
| 生效终点 | 1.0 | #12 end_percent | — | 0.7 之后放手,材质更自由但边缘会飘 | 0.8 – 1.0 |
| 采样步数 | 15 | #4 steps | 更细腻,超过 25 收益很小 | 低于 10 会糊、材质发脏 | 12 – 20 |
| CFG | 2.67 | #4 cfg | 更听提示词,到 5 以上开始发硬、发脏 | 低于 2 会跑题 | 2.5 – 3.5 |
| denoise | 1.0 | #4 denoise | — | 0.6 左右开始保留原图像素,草图会“透”到成品上 | 0.95 – 1.0 |
| LoRA 模型强度 | 0.47 | #2 strength_model | 0.7 以上室内感更强,但风格被拉走、构图更容易动 | 0.3 以下几乎只剩底模 | 0.4 – 0.6 |
| 批量 | 1 | #31 batch_size | 一次多张方便挑,显存按倍数涨 | — | 1 – 4 |
踩坑
这一课的坑集中在“输入图到底适合当什么用”。深度图不是万能的,尤其当输入是纯线稿的时候。
拿线稿当深度源,深度图可能“平”得没用
线稿没有明暗、没有遮挡阴影,DepthAnythingV2 只能从线条的相对位置猜前后。输出常接近一张几乎均匀的灰图,此时 strength 再高也锁不住空间。
修法:先看 #19 预览。如果灰阶没有明显层次(近处不够亮、远处不够暗),这张图就不该当深度源——改用白模、照片或带明暗的草图。
denoise 1.0 下,原图像素其实不参与
很多人以为“图从 VAEEncode 进来,所以会保留原图颜色”。denoise 1.0 会把 latent 完全加噪再重建,原图只剩尺寸信息。
修法:要保留颜色,把 denoise 降到 0.5–0.7 并同步降低控制强度;要彻底换材质,就接受 1.0,别指望它“记得”原图。
照搬 04 号的 strength 0.35
04 号里深度 0.35、线稿 0.30、IPA 0.70,是三道控制分摊的结果。这里只有一道,照搬 0.35 会得到一张“只是有点像”的图。
修法:单控制网走 0.8–1.0;多控制网再按主次分配,主控 0.6–0.8,辅控 0.2–0.4。
CFG 2.67 不是随便写的
SDXL 写实类底模配低 CFG 才自然。把它改回 7,画面立刻变硬、边缘发黑、材质像塑料。
修法:SDXL 写实 2.5–3.5;SD1.5 才常见 5–8。换底模先查它的推荐区间。
出图尺寸跟着输入图走,没有第二道保险
这条链没有 resize,也没有 ImageScaleToTotalPixels。输入一张 512 的小图,出图就是 512,再放大只能靠 C1 那套。
修法:输入图先统一到 1024–1600 级别;或在 #15 后加一个 ImageScaleToTotalPixels(2 MP)再进 #16。
提示词是手写的,不是反推的
这套流程没有 Florence 节点。你以为的“AI 自己看图写提示词”,在这里不存在;风格完全取决于 #5 那段词。
修法:把 #5 当成你的“风格旋钮”,按“空间 + 材质 + 光线 + 镜头”四段写,别堆无关形容词。
Reroute 不是新节点,别在它上面找参数
#18 只是把 VAE 一根线分成三根,视觉上少了几条交叉线。它没有参数,也没有计算。
修法:看到细长的小圆点就是 Reroute;参数永远在上游真正的加载器上。
动手练习 + 自检清单
这一组练习的目标是让你对“控制强度”有手感:什么时候该满,什么时候该让。
先看结构图
换成自己的图,先只看 #19 的深度预览,不排队。判断灰阶有没有前后层次。
三档强度
固定 seed,把 #12 strength 设成 0.4 / 0.7 / 1.0,各出一张。
512 对 768
只改 #17 的 resolution,比较小家具(灯具、挂画)是否被锁住。
让 denoise 松一口
把 #4 denoise 从 1.0 降到 0.65,其余不动。
换掉提示词里的光线
把 morning light 换成 night, warm lamp light,其他词保留。
给它补一个尺寸保险
在 #15 之后加 ImageScaleToTotalPixels(2 MP),再接回 #16。
自检清单(勾选状态会存在本机)
- 我能说出深度图保住的是“远近与遮挡”,不是材质。
- 我能解释 denoise 1.0 时原图像素为什么不参与生成。
- 我知道这道链只有一道控制网,所以 strength 是 1.0。
- 我知道 512 是预处理分辨率,不是出图分辨率。
- 我知道出图尺寸跟着输入图,因为这条链没有 resize。
- 我做过 0.4 / 0.7 / 1.0 三档强度对比。
- 我能指出 #19 预览是判断输入图能不能用的唯一入口。
ComfyUI_工作流架构/基础工作流 文生图+深度控制.json。共 15 个节点、无分组、无子图;参数逐项读取自 widgets_values(#2 LoRA 0.47 / 1.0,#4 seed 846530841037298、15 步、CFG 2.67、euler_ancestral、normal、denoise 1.0,#12 strength 1 / 0 / 1.0,#17 512,#31 batch 1)。三预处理对照为示意绘制,不代表真实像素值;#19 的实际输出请以你本机预览为准。