Skip to content

ControlNet परिचय: लाइनआर्ट, डेप्थ और पोज़ से कंपोज़िशन नियंत्रण ​

एक-पंक्ति में लक्ष्य: अपने चलने वाले टेक्स्ट-से-इमेज वर्कफ़्लो में ComfyUI ControlNet जोड़ें, ताकि इमेज की कंपोज़िशन, गहराई और पात्रों की पोज़ आपकी रेफ़रेंस इमेज का अनुसरण करें, न कि पूरी तरह प्रॉम्प्ट के भरोसे संयोग पर निर्भर रहे।

पूर्व-आवश्यक: पहली इमेज जनरेशन: डिफ़ॉल्ट वर्कफ़्लो नोड-दर-नोड समझाया गया।

तैयारी ​

  1. ComfyUI से सामान्य रूप से इमेज बन सकती हैं (पूर्व-आवश्यक पाठ देखें)।
  2. एक ControlNet मॉडल फ़ाइल डाउनलोड करें, उसे ComfyUI/models/controlnet/ डायरेक्टरी में रखें, और ComfyUI को रीस्टार्ट करें।
  3. एक रेफ़रेंस इमेज तैयार करें: सफ़ेद पृष्ठभूमि वाला लाइनआर्ट, सामान्य फ़ोटो या पात्र की फ़ुल-बॉडी तस्वीर—कोई भी चलेगी।
  4. नोड सूची में Canny, Depth, OpenPose प्रीप्रोसेसर खोजें; Comfy Core में सभी नोड नहीं होते, अगर खोजने पर न मिले तो इसका मतलब है कि प्रीप्रोसेसर एक्सटेंशन अभी गायब है; आमतौर पर इस्तेमाल होने वाला ComfyUI ControlNet aux (github.com/Fannovel16/comfyui_controlnet_aux) है, पहले इंस्टॉल करें फिर आगे बढ़ें।

मेरे साथ करें ​

चरण 1: ComfyUI ControlNet को वर्कफ़्लो में जोड़ें ​

कार्रवाई: कैनवास पर डबल-क्लिक करके नया «Load ControlNet Model» नोड जोड़ें और अपना रखा हुआ मॉडल चुनें; फिर नया «Apply ControlNet» जोड़ें। ध्यान दें कि ControlNet कंडीशन पाथ पर जुड़ता है, MODEL से नहीं गुज़रता; Checkpoint का MODEL अभी भी सीधे KSampler के model से जुड़ा है, उसे हाथ न लगाएं। बदलने वाली लाइनें ये हैं:

  • Load ControlNet Model का CONTROL_NET → Apply ControlNet का control_net
  • पॉज़िटिव कंडीशन → Apply ControlNet का positive, निगेटिव कंडीशन → negative
  • Checkpoint का VAE → Apply ControlNet का vae
  • Apply ControlNet के आउटपुट positive / negative → KSampler के संगत इनपुट

अपेक्षित परिणाम: कंडीशन डेटा फ़्लो «CLIP Text Encode → Apply ControlNet → KSampler» हो जाता है, MODEL अभी भी Checkpoint से सीधे KSampler को मिलता है, और चलाने पर conditioning अनकनेक्टेड की त्रुटि नहीं आती।

चरण 2: रेफ़रेंस इमेज को कंट्रोल मैप में बदलें ​

कार्रवाई: नियंत्रण लक्ष्य के अनुसार प्रीप्रोसेसर चुनें—Canny किनारों का लाइनआर्ट निकालता है, Depth दूर-पास की गहराई बनाता है, OpenPose मानव शरीर का स्केलेटन निकालता है। Load Image से रेफ़रेंस इमेज लोड करें, प्रीप्रोसेसर से जोड़ें, और प्रीप्रोसेसर के आउटपुट कंट्रोल मैप को Apply ControlNet के image इनपुट से जोड़ें।

अपेक्षित परिणाम: प्रीप्रोसेसर एक कंट्रोल मैप आउटपुट करता है: Canny का काला-सफ़ेद किनारों वाला लाइनआर्ट, Depth का पास में चमकीला और दूर में गहरा ग्रेस्केल मैप, OpenPose का रंगीन स्केलेटन पॉइंट-लाइन।

चरण 3: strength ट्यून करके इमेज बनाएं ​

कार्रवाई: पहले Apply ControlNet की strength 0.8 पर सेट करें, seed फ़िक्स करके क्यू एक बार चलाएं; अगर कंपोज़िशन मेल न खाए तो बढ़ाएं, अगर इमेज रेफ़रेंस से जकड़ी जाए या डिटेल धुँधली हो जाए तो घटाएं, और फिर तुलना के लिए चलाएं।

अपेक्षित परिणाम: जनरेट की गई इमेज की समग्र कंपोज़िशन, पोज़ या गहराई रेफ़रेंस इमेज के अनुरूप होती है, जबकि स्टाइल, रंग और डिटेल अभी भी प्रॉम्प्ट और मॉडल के नियंत्रण में रहते हैं।

सत्यापन ​

  • एक ही seed, एक ही प्रॉम्प्ट पर Apply ControlNet को डिस्कनेक्ट करके एक बार और कनेक्ट करके एक बार चलाएं: कनेक्ट करने पर कंपोज़िशन स्पष्ट रूप से कंट्रोल मैप का अनुसरण करनी चाहिए।
  • नियंत्रण प्रकार बदलते समय प्रीप्रोसेसर और ControlNet मॉडल को जोड़ी में बदलें (Canny मैप के साथ Canny मॉडल), वरना नियंत्रण प्रभाव अस्त-व्यस्त होगा या बेअसर भी हो सकता है।

आम समस्याएँ ​

  • strength सीधे अधिकतम कर देना 1.0: कंपोज़िशन अकड़ जाती है, इमेज रेफ़रेंस की डिटेल से दूषित हो जाती है। 0.6–0.9 रेंज से आज़माना शुरू करें।
  • रेफ़रेंस इमेज और लक्ष्य आकार में बहुत अंतर: पहले रेफ़रेंस इमेज को स्केल करें फिर प्रीप्रोसेस करें, वरना कंट्रोल मैप की लाइनें या स्केलेटन गलत जगह पर आ जाएँगे।
  • कई ControlNet स्टैक करना: कई Apply ControlNet को श्रृंखला में जोड़ें (पिछले का कंडीशन आउटपुट अगले के कंडीशन इनपुट से), और अलग-अलग strength सेट करें, जैसे लाइनआर्ट से आउटलाइन और पोज़ से एक्शन नियंत्रित करना।
  • फ़ोटो का बैकग्राउंड बहुत अव्यवस्थित: Canny बैकग्राउंड के किनारे भी निकाल देता है; पहले रेफ़रेंस इमेज क्रॉप करें या Depth का उपयोग करें।

अगला पाठ ​

अलग-अलग मॉडलों में ControlNet के उपयोग में अंतर होता है; Z-Image और Qwen-Image के मॉडल ट्यूटोरियल में संबंधित अनुभाग हैं (संबंधित पठन देखें)। अगला पाठ: GGUF क्वांटाइज़्ड मॉडल: कम VRAM में बड़ा मॉडल चलाना।

संबंधित पठन: Z-Image-Turbo टेक्स्ट-से-इमेज · Qwen-Image टेक्स्ट-से-इमेज · LTX-2/2.3 वीडियो जनरेशन

gaodong.aiAboutPrivacyContact

Independent tutorials, not affiliated with any product mentioned. Product names and trademarks belong to their owners. Check official pages for prices and policies.