Noden Apply ControlNet i ComfyUI
Apply ControlNet kopplar en guidebild och en laddad ControlNet till den positiva och negativa CONDITIONING med styrka och start-/slutprocent, så att samplern följer kanter, djup eller pose från guiden.
Vad Apply ControlNet gör
Apply ControlNet (den nyare ControlNetApplyAdvanced, visas som Apply ControlNet) tar positiv och negativ conditioning, en CONTROL_NET, den förbehandlade guidebilden IMAGE och, i nyare versioner, VAE. Den returnerar ny conditioning som för kontrollsignalen till samplern. styrka bestämmer hur starkt påverkan är (1.0 är full), start_percent och end_percent begränsar kontrollen till en del av samplingen, till exempel 0.0-0.6 så kompositionen sätts tidigt men modellen får avsluta detaljer fritt.
Guidebilden måste redan vara i det format som ControlNet förväntar sig: en Canny ControlNet vill ha vita kanter på svart, en Depth ControlNet vill ha en grå djupkarta, OpenPose vill ha det färgade skelettet. Förbehandlare från ControlNet Aux-paketet skapar dessa från ett foto. För Tile ControlNets är guiden själva bilden, ofta suddad eller nedskalad.
Ingångar
Namn | Typ | Vad det är |
|---|---|---|
positive / negative | CONDITIONING | Från CLIP Text Encode-noderna. |
control_net | CONTROL_NET | Från Load ControlNet Model. |
image | IMAGE | Den förbehandlade guiden (kanter, djup, pose eller bilden för Tile). |
vae | VAE | Valfritt i nyare versioner; krävs av vissa Flux och Union ControlNets. |
strength | FLOAT | 0-2, hur starkt guiden följs. 0.6-1.0 är vanligt. |
start_percent / end_percent | FLOAT | Del av samplingen där kontrollen är aktiv. |
Utgångar
Namn | Typ | Vad det är |
|---|---|---|
positive | CONDITIONING | Kontrollerad positiv conditioning för KSampler. |
negative | CONDITIONING | Kontrollerad negativ conditioning för KSampler. |
Så använder du Apply ControlNet
- Ladda ett foto med Load Image och kör det genom en förbehandlare (Canny Edge, Depth Anything, DWPose).
- Ladda motsvarande ControlNet med Load ControlNet Model.
- Lägg till Apply ControlNet; koppla positiva, negativa, control_net och guidebilden.
- Ställ in styrka till 0.8 och end_percent till 0.8 som startvärden.
- Koppla de två utgångarna till KSampler positiva och negativa; behåll latentstorleken så den matchar guidebildens proportioner.
Inställningar och tips
- Kedja flera Apply ControlNet-noder (pose + djup) genom att mata utgångarna från en till nästa.
- Sänk end_percent (0.5-0.7) för att låta modellen lägga till detaljer och undvika ett stelt, spårat utseende.
- Håll guidebilden i samma bildförhållande som latenten; den skalas om för att passa.
- För Tile-upscaling använd styrka 0.5-0.8 så detaljer kan ändras.
- Förhandsgranska förbehandlarens output: en svart eller brusig guide förklarar de flesta fall där "ingen effekt" syns.
Felsökning av Apply ControlNet
Resultatet ignorerar guiden
Varför det händer
styrka nära 0, end_percent för låg, en svart guidebild eller en Union ControlNet utan typ.
Så löser du det
Förhandsgranska guiden, sätt styrka 0.8-1.0 och end_percent 1.0 för test, sen sänk. Lägg till SetUnionControlNetType för union-modeller.
Fel: mat1 och mat2 former kan inte multipliceras / ControlNet mismatch
Varför det händer
ControlNet-familjen matchar inte checkpointen (SD 1.5 vs SDXL vs Flux).
Så löser du det
Använd en ControlNet för samma familj som checkpointen.
Bränd, högkontrast, posteriserad bild
Varför det händer
styrka över 1 med en stark ControlNet (Canny eller Lineart) och hög cfg.
Så löser du det
Styrka 0.6-0.9, end_percent 0.7, cfg inom modellens normala intervall.
Gammalt arbetsflöde visar "Apply ControlNet (OLD)"
Varför det händer
Noden för enkel conditioning bytte namn; den funkar fortfarande men saknar start-/slutkontroll och negativ pass.
Så löser du det
Byt ut mot Apply ControlNet och koppla både positiv och negativ.
Flux ControlNet-fel om saknad vae
Varför det händer
Vissa Flux och Union ControlNets behöver VAE för att koda guiden.
Så löser du det
Koppla VAE-utgången från Load VAE till vae-ingången på Apply ControlNet.
Frågor om Apply ControlNet
Måste jag förbehandla bilden?
Ja, förutom för Tile och Inpaint ControlNets som tar själva bilden. Varje ControlNet är tränad för en viss typ av karta.
Kan jag använda ControlNet med img2img?
Ja. Latenten kommer från VAE Encode, kontrollen från den här noden; de är oberoende.
Hur många ControlNets kan jag stapla?
Så många som VRAM tillåter; två eller tre är vanligt. Varje lägger till minnes- och tidskrav.
Relaterade noder
Load ControlNet Model
ComfyUI core
Load ControlNet Model läser en ControlNet (eller T2I-Adapter / ControlNet Union) fil från models/controlnet och ger ut ett CONTROL_NET-objekt för Apply ControlNet.
Load Image
ComfyUI core
Load Image läser in en bild från ComfyUI:s input-mapp (eller en uppladdning) och ger ut en IMAGE-tensor plus en MASK som tas från alfakanalen, startpunkten för img2img, inpainting, ControlNet och IP-Adapter-flöden.
KSampler
ComfyUI core
KSampler kör avbrusningsloopen: den tar modellen, prompts och en latent och skapar den färdiga latenta bilden, styrd av seed, steg, cfg, sampler, scheduler och denoise.
CLIP Text Encode (Prompt)
ComfyUI core
CLIP Text Encode omvandlar en textprompt till CONDITIONING med hjälp av modellens textkodare. En nod håller den positiva prompten, en annan den negativa prompten.
Ultimate SD Upscale
ComfyUI_UltimateSDUpscale
Ultimate SD Upscale förstorar en bild med en ESRGAN-modell, och delar sedan upp den i bitar som bearbetas igen genom diffusionsmodellen med din prompt på låg brusreducering, vilket lägger till verkliga detaljer vid 2x-4x utan att VRAM tar slut.
Fler ComfyUI-noder
ComfyUI Manager
ComfyUI-Manager
ComfyUI Manager är tillägget som installerar, uppdaterar och fixar anpassade nodpaket och modeller direkt i gränssnittet, löser saknade noder i importerade arbetsflöden och sparar en ögonblicksbild av din setup.
Load Checkpoint
ComfyUI core
Load Checkpoint (CheckpointLoaderSimple) öppnar en .safetensors- eller .ckpt-modellfil och delar upp den i de tre delar som varje arbetsflöde behöver: diffusionens MODEL, CLIP textkodare och VAE.
Save Image
ComfyUI core
Save Image sparar IMAGE-tensorn som en PNG i ComfyUI/output, med hela arbetsflödet inbäddat i filens metadata så att bilden kan dras tillbaka till ComfyUI för att återställa grafen.
VAE Decode
ComfyUI core
VAE Decode omvandlar den samplade LATENT till en pixel-BILD med VAE; VAE Decode (Tiled) gör samma sak i kakel för väldigt stora bilder.
Empty Latent Image
ComfyUI core
Empty Latent Image skapar den tomma latenta ytan (bredd, höjd, batch_size) som text-till-bild-sampling börjar från; dimensionerna måste vara multiplar av 8 och matcha modelfamiljen.
Load LoRA
ComfyUI core
Load LoRA (LoraLoader) applicerar en LoRA-fil på MODEL och CLIP med separata styrkor, så att en stil, karaktär eller koncept kan läggas till vilken checkpoint som helst utan att slå ihop dem.