AI 入门与 ComfyUI 出图课
L3 / C 线 / C2
L3 · 单品课 · 增强线第 2 站

文生图 + 深度控制

老师给了一张手绘室内草图,让你交一张写实效果图:构图不能动,材质要全换。这两个要求听着矛盾,08 号就是干这件事的。它先把草图的远近关系抽成一张灰图,再让模型照着灰图重画一遍。

01 / 一句话目标

用一张手绘图当深度源,跑出构图基本不变、质感完全换掉的写实图;并能解释清 denoise 1.0 为什么还算“控制”。

源文件 基础工作流 文生图+深度控制.json 节点 15 控制网 1 道 · depth strength 1.0 采样 15 步 · CFG 2.67 数据核对日 2026-11-08
当前位置C 线 · 增强线 · 第 2 站
C1
高清放大
C2
文生图 + 深度你在这里
C3
深度 + 语义分割
C4
IPA 风格迁移
D1
LINK 搭建练习
R
综合复盘
02 / PREREQUISITES

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。

L2-02

ControlNet 是什么

它是一张额外的“条件网”,把参考图翻译成结构提示,塞进采样过程。看 ControlNet 与 预处理器。

L2-01 / L2-03

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。

L2-03

CFG 与采样步数

本链 CFG 2.67、15 步,是很典型的 SDXL 写实配置。见 CFG、采样器。

运行前需要: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。
denoiseDenoising 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。
LoRALow-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。
CFGClassifier-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。
03 / BLUEPRINT

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。

原图 颜色 · 纹理 · 光影 信息最全 深度图 只留远近:亮=近,暗=远 本课使用这一道 线稿 只留轮廓:没有前后关系 下一课对照 语义分割 只留类别:一片一片的色块 C3 叠加使用 四块尺寸相同,只是同一张图被翻译成了三种“结构图”;填充色为示意,不代表真实像素值
深度能锁什么遮挡、远近、体量关系。所以它能保住“这个房间是往里收的”。
深度锁不住什么材质、颜色、家具样式、文字。这些全靠提示词和模型。
为什么本课只用深度只有一道控制网时,它必须同时扛住构图和透视,所以开到 1.0。
关键区分

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。

04 / BLUEPRINT

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。

LoadImage #15 测试线稿图.png 深度预处理 #17 · 512px ControlNet #12 · strength 1.0 KSampler #4 · 15 步 / 2.67 解码 + 保存 #9 VAEDecode → #11 #5 正向提示词 #7 负向 = 空字符串 直接进采样器 潜空间:#16 VAEEncode + #31 batch 1 → #4(图上未画,只提供尺寸) 模型轨:#1 SDXL 室内大模型 → #2 大平层 LoRA 0.47 → #4 预处理预览:#17 同时接 #19 PreviewImage,用来看深度图是否可用
青绿:控制网 蓝:采样器 实线:数据流
N1

模型与补丁

#1 #2
#1CheckpointLoaderSimple底模

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。

ckpt_nameSDXL室内大模型.safetensors
MODEL → #2CLIP → #5 / #7VAE → #18
#2LoraLoader室内补丁

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。

lora_nameSDXL 室内/大平层SDXL
strength_model0.47
strength_clip1.0
N2

深度这一道

#15 #17 #13 #12 #19
#15 → #17DepthAnythingV2抽结构图

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”。

preprocessorDepthAnythingV2Preprocessor
resolution512
输出单通道灰图
→ #12 image→ #19 Preview
#13 → #12ControlNetApplyAdvanced唯一控制

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。

control_netSDXL/diffusers_xl_depth_full
strength1.0
start_percent0
end_percent1.0
0.35 那套数值属于 04 号(还有线稿 + IPA 一起控),别直接搬过来。
#19PreviewImage唯一验证入口

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。

N3

提示词与采样

#5 #7 #16 #31 #4 #9 #11
#5CLIPTextEncode正向 · 手写

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。

textinterior design, luxury style, modern style, background cabinet, sofa, living room … vray render, morning light
#7CLIPTextEncode负向 · 空

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。

text""
#16 → #31VAEEncode / Batch只给尺寸

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。

batch_size1
这条链没有 resize 节点。换一张 4:3 的图,出图就变 4:3。
#4KSampler重画(采样器)

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。

seed846530841037298
steps15
cfg2.67
samplereuler_ancestral
schedulernormal
denoise1.0
05 / CHEAT SHEET

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
CFG2.67#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
denoise1.0#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_model0.7 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
06 / TRAPS

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。

深度工作流 · #15 → #17

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。

深度工作流 · #16

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。

深度工作流 · 全局

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。

深度工作流 · #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。

深度工作流 · 尺寸

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。

深度工作流 · #5

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。

深度工作流 · #18

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。

07 / PRACTICE

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。

EX 01 · 5 分钟

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。

看什么:亮处是否集中在近景。如果是平灰一片,换图。
EX 02 · 10 分钟

三档强度

固定 seed,把 #12 strength 设成 0.4 / 0.7 / 1.0,各出一张。

看什么:0.4 时家具位置是否开始漂。
EX 03 · 10 分钟

512 对 768

只改 #17 的 resolution,比较小家具(灯具、挂画)是否被锁住。

看什么:768 是否把噪声也当成了结构。
EX 04 · 10 分钟

让 denoise 松一口

把 #4 denoise 从 1.0 降到 0.65,其余不动。

看什么:草图线条是否“透”到成品上,以及颜色是否变得保守。
EX 05 · 10 分钟

换掉提示词里的光线

把 morning light 换成 night, warm lamp light,其他词保留。

看什么:深度不变、氛围全变——这就是分工。
EX 06 · 15 分钟

给它补一个尺寸保险

在 #15 之后加 ImageScaleToTotalPixels(2 MP),再接回 #16。

看什么:同一条链能否吃下不同尺寸的输入。

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。
本课数据来源与核对方式: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。