它给扩散模型补了什么
一条纯文字提示词对布局几乎没有控制力。你写「低角度、人物举起一只手」，每跑一次构图都不一样。ControlNet 补的就是这块：训练一份模型编码器的副本去接收第二路输入，也就是那张结构图，并在每一个去噪步骤里注入它。
结构图是预处理器从你给的图里提取的。openpose 预处理器把照片压成一个火柴人；深度预处理器把它变成一张灰度距离场；canny 预处理器把它变成黑底白线。活下来的部分就是会被强制执行的部分，整个设计思路就在这里：把你希望模型重新发挥的东西全部扔掉，只留下你要它守住的那一部分。
预处理器怎么挑
| 预处理器 | 保住什么 | 适合 |
|---|---|---|
| openpose | 关节位置 | 改姿势、留住一个手势 |
| depth 深度 | 空间布局、体积 | 室内、镜头几何、产品摆位 |
| canny / lineart | 精确轮廓 | logo、包装、机械形体 |
| scribble / softedge | 粗形状 | 用自己的草图定布局 |
| tile | 局部细节 | 放大时不让它乱加内容 |
这一步最常见的错误是默认就选 canny。canny 会把轮廓照抄，源图如果是某个真人的照片，生成出来的人就继承了那个人的体型和发型。你要的是姿势、不是这个身体时，正确的工具是 openpose。
真正要调的三个数
control weight（控制权重） 决定结构图说话有多大声，一般范围 0 到 2，真正好用的区间是 0.5 到 0.9。调高不等于更准，只是更僵。
引导开始步数 是从去噪进度的哪个比例开始施加条件，通常留在 0。布局就该留 0，因为构图是在最早那几步定下来的。
引导结束步数 是什么时候停，这是最被浪费的一个旋钮。把它设到 0.6 或 0.7，等于把最后三分之一的过程还给模型，而明暗、材质、颗粒感恰好是在那里加上去的。绝大多数「出图像描线稿」的抱怨，改这一个数就好了。
什么时候用它是白费劲
它补不了知识。权重本身画不出一匹像样的马，那么再完美的马的深度图，只会得到一匹形状正确的烂马。它也救不了自相矛盾的提示词：提示词写「坐着」，喂进去的却是站姿骨架，出来的就是一个从髋部折断的折中产物。
在托管平台上你通常看不到 ControlNet 这个开关，对应的入口是一个参考图槽位，标签可能叫「结构参考」或「风格参考」，预处理器已经替你选好了。调的直觉是通用的：出来的东西像照抄，就削弱参考或缩短它的作用时长；出来的东西像没看参考，那大概是这张结构图本身太含糊。