Stable Diffusion提示词与ControlNet写法详解

先聊一个常见误区：不少用户以为给ControlNet随便丢一张图，再写个“a girl”就能输出理想画面——结果往往边缘模糊不清，或者肢体扭曲变形。问题根源在于提示词与ControlNet控制类型之间缺乏匹配。举例来说，Canny图只提供边缘轮廓，如果提示词缺少“sharp outline”或“defined contour”这类描述，模型便不会重视那条边缘，只会按默认规则生成，效果自然大打折扣。

核心逻辑并不复杂：ControlNet好比骨架，提示词好比血肉，二者必须紧密协同。具体如何配合？分三步走。

基础结构：提示词与ControlNet类型强绑定

第一步：在正向提示词的开头，必须清晰指明ControlNet所依赖的视觉特征。例如使用Canny时，开头加入“line art, sharp edges, high-contrast contour”；使用Depth时，开头加入“clear depth layers, foreground-midground-background separation”。这相当于提前告知模型：这张图的几何结构是重点。

第二步：紧接着描述主体，但要避免与ControlNet的功能产生冲突。比如用Scribble控制姿态，Scribble仅提供简略骨架，如果提示词硬要写“photorealistic, skin texture details”，模型就会困惑：既要服从涂鸦骨架，又要渲染真实皮肤细节，到底该听谁的？最终关节错位、手部崩坏几乎是必然结果。

第三步：负向提示词必须加入与ControlNet目标相反的干扰项。启动Pose控制时，负向词里添加“dislocated limbs, twisted spine, extra arms”，相当于为ControlNet的骨骼约束加上一道隐形锁链，模型很难随意扭曲。

不同ControlNet类型的提示词适配方法

方法一：Canny/Lineart控制 → 提示词中嵌入“ink drawing”、“etching style”、“clean vector line”等强调线条的词汇。注意，这不只是风格修饰——它们在告诉模型：“当前图像的几何结构完全由线决定，不要自作主张补充阴影或渐变”。【漏掉这类词，ControlNet权重再高，线条区域也会被SD默认渲染逻辑覆盖】

方法二：Depth控制 → 在主体描述前插入“layered depth map”、“volumetric space”、“objects at distinct Z-depths”。千万不要写“foggy”或“bokeh”，那会干扰深度理解——模型既要按Depth图区分远近，同时又收到“模糊”指令，矛盾之下深度图等于白费。

方法三：OpenPose控制 → 主体提示词必须包含明确的姿态动词。写“woman raising left arm”比“woman in red dress”有效十倍；如果需要侧脸，直接写“profile view, head tilted 30 degrees left”，模型会自动将Pose关键点的位置与文字角度对应起来。缺乏动词或角度描述，OpenPose的17个关节点就只是装饰，模型根本不参考。

权重协同技巧：提示词强度与ControlNet参数联动

当ControlNet的weight设为1.2以上时，正向提示词中与控制类型重复的关键词反而要减少。比如Canny weight=1.4，就别连续堆砌“sharp edge, crisp outline, defined contour, clean line”这类词，否则模型过度拟合边缘，画面像刻版画一样生硬，纹理层次会丢失。

反过来，如果ControlNet weight调整到0.6以下，提示词中的对应特征词就要加倍强调，并加入具体参照：“sharp edge like technical blueprint”、“contour as precise as architectural elevation drawing”。否则ControlNet贡献微弱，SD主模型完全接管构图，控制效果基本失效。

实际操作很简单：在WebUI的ControlNet面板拖动weight滑块，同时观察提示词输入框中对应词汇的增减变化，多试几次就能找到骨架与血肉完美融合的甜点位置。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：Stable Diffusion提示词与ControlNet写法详解要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题