ControlNet 适合解决什么问题
ControlNet 是 Stable Diffusion WebUI 环境中使用频率极高的 AI 绘画插件，其核心价值在于“让画面生成更加可控”。常规的文生图过程主要依赖提示词，人物姿态、构图位置、线条轮廓等细节往往难以稳定复现；安装 ControlNet 之后，用户可以通过姿态图、线稿、深度图、边缘图等多种条件来约束生成结果，让 AI 按照指定的结构输出图像。对于新手而言，它最典型的用法包括：让角色保持固定动作、将草图转化为精细插画、参考建筑轮廓生成场景、借助深度关系控制空间层次，以及在图生图环节中尽可能保留原始构图。
需要说明的是，ControlNet 并非独立的绘画软件，而是运行在 Stable Diffusion WebUI 之上的扩展插件。也就是说，电脑中应先具备可正常启动的 WebUI 环境，然后再安装 ControlNet。如果 WebUI 本身无法运行，请优先处理基础环境问题，否则插件即使装好也无法正常使用。
安装前准备：先确认环境是否满足
建议新手优先选用 AUTOMATIC1111 版本的 Stable Diffusion WebUI，该版本教程资源丰富、插件兼容性好。安装前请确认三个要点：首先，WebUI 能正常启动并进入浏览器界面；其次，电脑已安装 Git，以便从插件仓库拉取文件；最后，Python 版本与 WebUI 要求一致，常见环境多使用 Python 3.10.x。显卡方面，4GB 显存可尝试轻量模型与较低分辨率，6GB 到 8GB 则更加从容；显存不足时可降低出图尺寸、开启低显存参数或减少批量生成数量。
此外，建议为 WebUI 单独创建文件夹，避免放在系统权限复杂的目录中。路径尽量使用英文与数字，避开中文、空格及特殊符号，这样可以减少启动脚本识别失败的概率。安装插件前最好关闭正在运行的 WebUI，并备份已有配置文件，尤其是已经安装了大量插件的用户，备份能在出现兼容问题时快速恢复环境。
方法一：通过 WebUI 扩展页面安装
这是最适合新手的安装方式。首先启动 Stable Diffusion WebUI，在浏览器页面顶部找到“Extensions”扩展选项，进入后选择“Install from URL”。在 URL 输入框中填入 ControlNet 插件的官方仓库地址：github.com/Mikubill/sd-webui-controlnet，然后点击安装按钮。页面下方会显示安装日志，等待提示完成即可。
安装完成后，不要急于使用。切换到“Installed”页面，点击“Apply and restart UI”应用并重启界面。重启后进入文生图或图生图页面，如果下方出现“ControlNet”折叠面板，说明插件主体已经成功安装。若未出现，可完全关闭 WebUI 的命令行窗口，再重新运行启动脚本，许多插件需要完整重启才能被正常加载。
方法二：手动放入插件目录
如果通过扩展页面安装失败，也可以采用手动方式安装。进入 WebUI 根目录，找到 extensions 文件夹，将 ControlNet 插件文件夹放入其中，最终路径通常类似于 stable-diffusion-webui/extensions/sd-webui-controlnet。请勿随意修改文件夹名称，以免影响后续更新或识别。放入后重新启动 WebUI，插件会在启动时自动加载。
手动安装适合网络不稳定、需要迁移离线环境，或者已从可信来源下载好插件压缩包的情况。注意不要混用来历不明的修改版插件，尤其是包含额外启动脚本或未知可执行文件的压缩包。AI 工具的安装看似简单，但插件具备读取本地模型、调用运行环境的能力，来源不清的文件会带来安全隐患。
下载 ControlNet 模型文件
仅安装插件还不能真正控制画面，还需要下载对应的 ControlNet 模型文件。常见模型包括 openpose、canny、depth、lineart、scribble、normal、tile、softedge 等。新手不必立即下载全部，建议先准备三个：openpose 用于人物姿态控制，canny 用于边缘轮廓控制，depth 用于空间深度控制。这样既能覆盖大部分入门场景，又不会占用过多硬盘空间。
模型文件通常为 .safetensors 或 .pth 格式，部分可能附带 .yaml 配置文件。下载后放入 WebUI 目录下的 extensions/sd-webui-controlnet/models 文件夹。放置完成后重启 WebUI，打开 ControlNet 面板，在 Model 下拉列表中应能看到对应模型。如果没有显示，点击刷新按钮；若仍未出现，请检查文件是否放错了目录、文件是否下载完整、扩展是否正常加载。
首次运行：用一张姿态图测试
首次测试建议从 openpose 开始，因为效果最为直观。进入文生图页面，展开 ControlNet 面板，勾选 Enable 启用。上传一张人物动作清晰的参考图，Preprocessor 选择 openpose，Model 选择对应的 control_openpose 模型。提示词可写“a girl, full body, detailed illustration, clean background”等简单描述，反向提示词可加入“low quality, bad hands, blurry”等常见质量限制。分辨率先设为 512×768 或 512×512，采样步数 20 左右，CFG 设为 7 左右即可。
点击生成后，ControlNet 会先从参考图中提取姿态骨架，再将骨架作为条件交给绘图模型。如果生成结果的人物动作接近参考图，说明首次运行成功。若画面完全不受控制，请先检查 Enable 是否勾选、预处理器与模型是否匹配、Control Weight 是否过低。通常 Control Weight 设在 0.8 到 1.2 之间比较稳定，数值越高约束越强，但过高可能导致画面僵硬或出现细节异常。
常用参数怎么理解
ControlNet 面板中有几个参数新手必须了解。Preprocessor 是预处理器，用于从参考图中提取控制信息，例如边缘、姿态、深度等。Model 是控制模型，必须与预处理器大致匹配，例如 canny 对应 canny，depth 对应 depth。Control Weight 是控制强度，决定参考条件对生成画面的影响程度。Starting Control Step 和 Ending Control Step 表示控制从生成过程的哪个阶段开始、到哪个阶段结束，默认值为 0 到 1，即全程控制，入门阶段无需改动。
Resize Mode 也很关键。当参考图比例与出图比例不一致时，选择不同模式会影响构图效果。新手可优先使用“Crop and Resize”或“Resize and Fill”，前者更强调填满画面，后者更容易保留完整内容。如果发现人物被裁切或边缘缺失，可以换一种缩放模式再试。
常见问题与排查办法
问题一：通过扩展页安装后看不到 ControlNet。处理方法是关闭 WebUI 后完整重启，确认插件文件夹位于 extensions 目录下，并查看启动日志是否有报错信息。问题二：模型下拉列表为空。多数原因是模型文件放错位置，正确目录应为 sd-webui-controlnet/models，放在 Stable Diffusion 大模型目录中不会被识别。问题三：生成速度明显变慢。ControlNet 会增加预处理和推理负担，属于正常现象；可降低分辨率、减少批量数量，或只启用一个 ControlNet 单元。
问题四：提示缺少依赖或导入失败。可以在 WebUI 启动时观察命令行日志，有时重启后会自动补装依赖；若仍失败，可更新 WebUI 和插件，或检查 Python 环境是否被多个软件混用。问题五：画面过度贴合参考图，缺乏创意。可以降低 Control Weight，或把 Ending Control Step 调至 0.6 到 0.8，让后半段生成有更多发挥空间。
升级、回退与兼容建议
ControlNet 更新较为频繁，新功能和新预处理器通常通过插件升级获得。在 Extensions 的 Installed 页面点击检查更新，再应用并重启即可。升级前建议确认当前 WebUI 版本不要太旧，否则可能出现界面错位、参数失效或依赖冲突。如果你正在赶项目，不建议临时升级所有插件，稳定完成任务比追求新功能更重要。
如果升级后出现问题，可以进入 extensions/sd-webui-controlnet 目录，使用 Git 回退到之前可用的版本；不熟悉命令的新手，也可以删除新插件文件夹，换回备份的旧文件夹。回退前请务必保存好 models 文件夹，避免重复下载大型模型。在多插件环境下，问题不一定来自 ControlNet，也可能是其他脚本扩展冲突，可通过临时移出可疑插件来定位。
安全边界与实用建议
安装 AI 绘画插件时，应优先选择官方仓库、知名模型社区和可信镜像来源。不要运行来源不明的安装脚本，也不要随意将个人照片、工作资料、未公开设计图上传到不可信页面。ControlNet 虽然能帮助复现姿态和构图，但使用参考图时应尊重原作者权益，商用前务必确认素材授权，避免直接复制他人作品的独特表达。
入门阶段建议建立一个“测试工作流”：每次只更改一个参数，记录预处理器、模型、权重、分辨率和种子值。这样遇到好效果可以复现，遇到坏结果也能明确问题来源。掌握 openpose、canny、depth 三类用法后，再尝试 lineart、tile 等进阶模型，会比一次性堆满参数更高效。只要基础环境稳定、模型放置正确、预处理器匹配，ControlNet 的首次运行并不复杂，它真正的价值在于让 AI 绘画从“碰运气”逐步转变为“可设计、可复现、可调整”的创作流程。
