aivinla的博客

在之前我们也提到了，有的Controlnet负责控制人物面部表情以及姿势，然后有的Controlnet控制的是图片线条，还有的Controlnet控制的是空间关系以及其他。上几期为大家讲解了单个Controlnet如何使用，终于，咱们Controlnet系列即将正式结束，本篇我们来讲一个不一样的操作，如何让Controlnet与Controlnet之间的连接，以及我们该如何去同时的运用各种各样的Controlnet。你大可以串联三个，四个，五个都没有问题，这样做的目的可以让生成的图片更加精细化。

那么目前比较经典的控制网模型在本文或者之前的文章中都有涉猎，已经基本介绍完毕，更多的还需要小伙伴们自行进行探索，大部分都是找到对应的预处理器和控制网模型略作调整即可，知道其功能才能更好的进行使用。当然，你可以去使用更接近真实设计质感的大模型，这样生成的建筑或室内设计的图片会更具有真实感。我们还是沿用上一篇文章中搭建的工作流，按下图中，将Controlnet加载器更换成对应的。下面分别展示：第一张为输入原图，第二张为预处理后的法线贴图，最后一张是最终生成的图片。，可以很好的检测出原图的直线线条，它的。

接下来我们把加载图像的输出节点按下图中进行连接，这些连接方式在之前的文章中已经有过介绍了，这里就简单讲解一下就好，其中获取图像尺寸节点和它的宽度和高度输出接入到空latent的输入部分的作用都是为了使最终生成的图片与输入的图片保持一致。他的输入部分接到加载图像的输出部分，而他的输出部分接入到上方Controlnet应用节点的图像输入接口部分。我们点击运行查看结果：你可以看到，一张简单的涂鸦画变成了一个非常真实的耳机产品照片图，在产品设计领域这也是一个非常有用的控制网，可以让你天马行空的想法变为现实。

指的是实时地检测图像或视频中的人体姿态，包括关键点（如关节位置）的定位，我们可以改变输入的姿态图，可以在保持人物外观的同时改变其姿势。大家都知道，Controlnet主要应用于线条处理、深度处理和姿态控制，学会有助于我们提升我们的生图技巧，在我们ComfyUI中也是非常重要的部分，所以学会今天这节教学，可以让你的生图技巧再精进一步。，指的是根据深度图调整新添加对象的大小和遮挡关系，尽量能够还原参考图的特征以及一些图片细节，使我们生成的图片看起来更自然。这个处理器与我们的Depth是配套使用的。

模型部分连接了后面的K采样器节点的输入部分：K采样器节点的作用我们一样用做饭来类比，他就像是“烹饪中的定时尝味的动作”，帮助你抓住关键时刻的状态，从而调整整个过程。随着之前几篇讲解ComfyUI基础工作流，相信大家已经熟练掌握基础节点，但是当创建工作流时想要输出更好的效果，可能还需要更多的相似性节点辅助，这需要我们必须掌握一些高频率常用节点，本篇我们将从通过介绍。本次我们使用的依然是无阶未来为大家准备的通用工作流，这里是我们已经搭好的工作流文件，你可以进行下载并在此基础上自己进行修改。

这样我们也能更好得理解，为什么步数高并不一定会让生成的图像变得更好，就像是烹饪时间过长，导致菜肴原本的味道已经流失一样，这也需要你自己进行调整，当然，在这里我们选择了默认的20步，大多数情况下，你将步数调整在附近数即可。就像是你在正面提示词描述了包子在盘子中的场景，当cfg低的时候，他可能会生成馒头在碗里的图像。，那种子的作用是什么呢，当我们需要产出一张一模一样的图的时候，我们不仅需要提示词一样，我们还需要种子一样，这样才能产生出完全一样的图片，当然我们在生图时一般都将种子设置为随机，就像紧跟在下面的。

学习就到这里了，咱们文章每篇安排的内容不多，但是希望同学们能够学习消化，从而融入到实际的运用之中。欢迎感兴趣的小伙伴持续关注学习，我们致力于用最基础简单的语言，让你一键学会ComfyUI工作流！喜欢的小伙伴还可以加入无阶未来用户群，实时学习相关内容！

最新更有腾讯混元hunyuan-ComfyUI，支持一键生图，小白上手，一键操作！