【进阶】Stable Diffusion 插件 Controlnet 安装使用教程（图像精准控制）

Stable Diffusion WebUI 的绘画插件 Controlnet 最近更新了 V1.1 版本，发布了 14 个优化模型，并新增了多个预处理器，让它的功能比之前更加好用了，最近几天又连续更新了 3 个新 Reference 预处理器，可以直接根据图像生产风格类似的变体。

使用 Reference only 预处理器生成一张图片的多个变体

因为 Controlnet 在更新时涉及到多个网页里的不同的资源，这里帮大家梳理一下更新 V1.1 所需要的各种资源，以及如何有效的安装 Controlnet 插件。如果你还没有安装 Stable Diffusion WebUI，可以阅读下面这篇文章，了解安装 WebUI 需要的电脑配置，以及下载相关的一键安装包。

一、安装 Controlnet 插件

Controlnet 插件安装网址：https://github.com/Mikubill/sd-webui-controlnet

①打开 WebUI，点击“扩展”选项卡，选择“从网址安装”，复制（https://github.com/Mikubill/sd-webui-controlnet.git ），粘贴在第一行的“拓展的 git 仓库网址”中。点击“安装”按钮，等待十几秒后，在下方看到一行小字“Installed into stable-diffusion-webui\extensions\sd-webui-controlnet. Use Installed tab to restart”，表示安装成功。

（从网址安装可以保证插件的更新能在 WebUI 中自动显示，如果是下载压缩包文件放进根目录，就无法自动更新）

②点击左侧的“已安装”选项卡，单击“检查更新”，等待进度条完成；然后单击“应用并重新启动 UI”；最后完全关闭 WebUI 程序，重新启动进入（也可以重启电脑），我们就可以在 WebUI 主界面中下方看到 Controlnet 的选项。

③如果安装后 Controlnet 界面只有一个选项卡，你可以点击“设置”界面，找到 Controlnet，将 Multi Controlnet 中设置你想要的值，点击保存设置并重启 WebUI。

④此时我们可以打开 WebUI 所在的文件夹，进入 Controlnet 的根目录，具体路径为 C:\Stable Diffusion\novelai-webui-aki-v3\extensions\sd-webui-controlnet，打开 models 文件夹，里面有 38 个尾缀为.yaml 的文件，最新的 Reference 系列也在其中；再点开 WebUI 中 Controlnet 中的预处理器（preprocessors）列表，会发现二者的内容完全一致。因为 yaml 文件就是预处理器文件，它们规定 Controlnet 提取图像的那些特征。

到这一步我们已经成功安装了 Controlnet 插件，以及提取预处理器所需要的 .yaml 文件，下一步就是安装模型（models），模型的文件尾缀为 pth，它的作用是将图像特征执行到我们的图像生成过程中，Controlnet V1.1 的模型需要我们到 Huggingface 中去下载。

二、安装 V1.1 新模型

Controlnet V1.1 模型下载：https://huggingface.co/lllyasviel/ControlNet-v1-1/tree/main（文末有安装包）

在这个 Huggingface 页面中，我们只需要下载全部 14 个.pth 尾缀的模型文件，下载方式为点击“文件大小”右侧的下载小箭头。下载完成后，将 14 个文件放入 .yaml 所在的文件夹，即 C:\Stable Diffusion\novelai-webui-aki-v3\extensions\sd-webui-controlnet\models。

三、安装 T21 模型

T2I- Adapter 模型下载：https://huggingface.co/TencentARC/T2I-Adapter/tree/main/models（文末的链接里有 T2I- Adapter 的 Color、Style 模型）

T2I- Adapter 详细介绍：https://github.com/TencentARC/T2I-Adapter

ControlNet V1.1 支持目前所有可用的模型和预处理器，包括 T2I- Adapter 模型。T2I- Adapter 模型由 TencentARC 研发，和 ControlNet 的模型作用类似，都是可以精准控制图像生成效果，T2I- Adapter 的模型可在 ControlNet 中使用，而且二者模型功能有重合。

ControlNet 插件的自带 T2I- Adapter 的 Color、Sketch 和 style 预处理器，为 sd14 版本，所以我们可以只下载 Color 和 Style 对应的模型（Sketch 功能和 softedge 差不多，我就不重复下载了），记得要选择对应的 sd14 的版本，不然模型无法生效。这两个模型我都放进都文末的链接里了。

下载完成后，依旧是放入 Controlnet 根目录的 models 文件夹中，然后在 WebUI 的 Controlnet 中，按“模型”选项右侧蓝色小图标刷新模型，就能看与我们下载的全部 16 个模型了。

四、试用 V1 .1 新功能

Controlnet V1 .1 更新介绍：https://github.com/lllyasviel/ControlNet-v1-1-nightly

Controlnet V1 .1 在 V1.0 的基础上对模型进行了优化，并新增了不少新的预处理器，还进一步规范了模型的命名，方便大家识别模型的不同版本和状态，具体见下图：

不同模型的作用和使用方法，Controlnet 官方的在相关 Github 界面中都有详细介绍，篇幅所限我就不一一赘述了。我选了 3 个功能做演示，让大家快速熟悉 Controlnet V1.1 的用法。

1. Reference 预处理器

Reference 是官方最新推出的预处理器，共有三种型号 Reference_only、Reference_adain 和 Reference_adain+atten。它只有 yam l 配置文件，没有 pth 模型文件，可以根据上传的图像生成类似的变体，来看一下它的具体使用效果。

① 在 Controlnet 上传一张图片，勾选启用，预处理器选择 Reference_only，其他参数默认。

② 选择一个大模型( 因为要生成写实人像，所以我选择写实风模型 RealisticVisionV20），输入提示词“best quality, A handsome man wearing a (white T-Shirt), angry”，步数 25，采样方法 EularA，画面尺寸 512*768px，然后点击生成。

③ 生成图与原图风格内容类似，但是人物的表情已经在 angry 的作用下发生变化了。我以同样的参数又测试了 Reference_adain 和 Reference_adain+atten，可以看出 only 和 adain+atten 比较贴近原图形象，adain 变化最明显。

④ 使用 Reference 时我们需要了解的一项参数是“Style Fidelity”，意思是风格保真度。

我用 adain+atten 处理器和固定的种子值，分别生成了 Style Fidelity 为 0/0.5/1 的图像。Style Fidelity 为 0 时，生成图像的色调、人物的衣着、背景与原图差异很明显，人物的表情更符合提示词；Style Fidelity 为 1 时，图像的色调和人物五官和原图非常相似，甚至提示词 angry 已经不起作用的，人物是微笑的。所以 Style Fidelity 数值越高，生成的图像就越像原图。

Reference 预处理器需要在高于 1.1.171 的更新中使用，官方推荐的两个参数：

Reference_only / Style Fidelity: 0.5 建议作为默认值，出图效果稳定

Reference_adain+attn/ Style Fidelity: 1.0 是目前最先进的，值得尝试，但不建议作为默认值

2. Tile 磁贴

Tile 模型的作用是可以忽略原图的细节，根据现有像素和提示词生成新的细节，目前主要作用是将严重模糊的图片放大并变得高清。我们以一张 64x64 px 的图片看一下它效果。

① 在 Controlnet 上传一张图片，勾选启用，预处理器选择 tile_resample，模型选择对应的control_v11f1e_sd15_tile，其他参数默认。

② 选择一个大模型( 我用的写实风模型 realisticVisionV20），输入提示词“ best quality, a cute dog on grassland”，步数25，采样方法 EularA，画面尺寸512*512px，生成批次2，固定种子值 12345，然后点击点击生成，最后得到了2张非常高清的图像，只是细节上有轻微差别。

③ 我又用几种不同的图像放大工具对 64x64px 的原图进行放大，得到的结果如下：

由于 64x64 px 分辨过于低，用一般放大工具的极限放大 4 倍也只有 256*256px；而且原图的像素值太少，所以图像即使变大，看着依旧模糊。而 Tile 模型则可以再有限像素值的基础上，分块扩散画面的内容，最终生成与原图相似且极为清晰的图片。

Tile 模型还有一个特点：当提示词与给定的图像不符合时，Tile 会忽略提示词的影响，转而自动识别图块内部的内容，并增加识别语义的影响，从而生成与图块相似的图像。

下图是官方给的一个示例，提示词是““a handsome man”，指定的图块里却是一片树叶，而 Tile 的生成结果也是将树叶放大了，没有在树叶里再加一个帅哥，这说明 Tile 自动识别的图块的内容是“树叶”并进行了处理。

三、T2I- Adapter Style

最后给大家介绍一非常有意思的 T2I- Adapter Style 模型，它可以将一张图片的风格迁移到另一张图片上。我成功用 Style 模型将一张建筑照片转为赛博朋克风的图片，具体操作如下：

① 在 Controlnet 中点击 Controlnet Unit 0，上传一张 512*768 px 的建筑图片，我们称为主图。勾选启用，预处理器选择 mlsd，并选择对应的 mlsd 模型，以固定图像额主体结构。点击预处理器旁的爆炸小按钮，预览出图效果。

②点开 Controlnet Unit 1, 上传一张 512*768 px 的霓虹光效图片，称为副图。勾选启用，预处理器选择 t2ia_style_clipvision，并选择对应的 style 模型。

③ 选择一个大模型（我用的是 realisticVisionV20），提示词可以不写，步数25，图像尺寸 512*768 px，生成批次2，点击生成。最终效果图如下，霓虹光效的风格已经完美迁移到建筑照片上了。因为使用了 mlsd 模型进行结构控制，原图的建筑结构保留得很完整。

④我将 Controlnet Unit 1 的霓虹图像换成了一张动漫风格的图像，看看能不能将原图建筑变成二次元风格，结果并不理想（下图二），想了想发现可能是大模型不对，于是把写实风的realisticVisionV20 改成了二次元风的 AnythingV3模型，配对的 VAE模型为 vae-ft-mse-840000-ema-pruned ，效果就好了很多。