ComfyUI 里的 ControlNet 2026：姿态转图像分步工作流

ComfyUI 强大但吓人。这篇教程逐节点走完一个完整的姿态转图像 ControlNet 工作流——同时学会两者的最快方式。

💡 你将学到

ComfyUI 强大但吓人。这篇教程逐节点走完一个完整的姿态转图像 ControlNet 工作流——同时学会两者的最快方式。

📜 目录

• 为什么从姿态转图像开始
• 第一步：准备零件
• 第二步：提取姿态
• 第三步：搭节点图
• 第四步：要紧的设置
• 第五步：迭代
• 调试清单

为什么从姿态转图像开始

姿态转图像是理想的 ControlNet 入门：输入（骨架）容易生成，效果戏剧化（角色摆出精确姿势），而且工作流教的节点模式可以迁移到深度、Canny 和一切其他模式。你会用到 ComfyUI（127,047 stars）和 ControlNet（34,064 stars，sd-webui 插件生态 17,852 stars——均为 2026-08-13 实测）。

第一步：准备零件

1. 安装 ComfyUI 并启动
2. 下载 ControlNet OpenPose 模型（control_v11p_sd15_openpose 或 SDXL 对应版）放进 ComfyUI/models/controlnet
3. 下载匹配的基础模型放进 ComfyUI/models/checkpoints（SD1.5 或 SDXL——ControlNet 必须匹配基础模型家族）
4. 需要的话装 ComfyUI 的 ControlNet helper 自定义节点

第二步：提取姿态

从参考照片跑 OpenPose 预处理节点（ComfyUI 内置 controlnet 支持的一部分）：加载图像、跑姿态估计、得到骨架图。这张骨架就是你的条件输入。

第三步：搭节点图

加载官方 ControlNet 示例工作流（ComfyUI 自带模板），按上面代码块的方式连线：加载 checkpoint → 正负提示词编码 → 骨架图进 ControlNet Loader → ControlNet Apply → KSampler → VAE 解码 → 保存。关键边：ControlNet Apply 同时接收 checkpoint 模型和骨架，输出 KSampler 使用的条件化模型。漏掉这条边，ControlNet 就静默不干活。

第四步：要紧的设置

• strength：0.6-0.9。太低姿态漂移；太高风格死掉。从 0.8 起步
• start/end percent：ControlNet 只作用于 0%-70% 的步数，之后让采样器自由发挥——保姿态保纹理
• CFG：SD1.5 用 6-7，SDXL 更低
• 正向提示词：完整描述主体——姿态来自骨架，身份、服装、光照来自你的文字

第五步：迭代

固定种子生成 4-6 个变体，变化 strength 0.6/0.7/0.8，然后挑。姿态对了脸不对时，问题在基础模型或提示词，不在 ControlNet——别用更多控制去追它。

调试清单

• 预览里能看到骨架？能——说明 ControlNet 收到输入了
• 姿态被无视？strength 太低或 ControlNet 模型家族不对
• 奇怪接缝？ControlNet 模型与 checkpoint 世代不匹配

十五分钟的拖节点，换来解锁所有其他 ControlNet 模式的模式。