首页/ 节点库/ 应用ControlNet(旧版高级)
原生节点 ComfyUI 官方

应用ControlNet(旧版高级)

ControlNetApplyAdvanced 是 ComfyUI 中更加强大和灵活的控制模块,用于将控制图(如姿态图、边缘图、深度图等)同时应用到正向(positive)和反向(negative)条件中,进而更细致地引导图像生成的结构和内容。

Apply ControlNet 2025-06-29 收录 1545 次浏览

节点中英文对比

ComfyUI 结构对照

按当前节点配置,分别展示中文与英文节点结构。面板按 ComfyUI 实际界面还原: 左侧圆点是输入,右侧圆点与该行最右的名称为输出,下方胶囊是控件参数; 控件两端的三角表示可切换的选项。

中文节点 10 项
应用ControlNet(旧版高级)
正面条件 正面条件
负面条件 负面条件
ControlNet
图像
vae
强度 1.00
开始百分比 0.000
结束百分比 1.000
英文节点 10 项
Apply ControlNet
positive positive
negative negative
control_net
image
vae
strength 1.00
start_percent 0.000
end_percent 1.000
模型 条件 / 数值 Latent 其它类型 左圆点 = 输入,右圆点 = 输出 可切换选项 — 未设置默认值

面板用于对照参数位置与命名,不做交互;实际节点外观以 ComfyUI 内的主题为准。

参数说明

输入 5 · 输出 2 · 控件 3

依据当前节点关联的 NodesItems 数据,按输入、输出、控件三类分别列出名称与说明。

输入参数 5 项
正面条件 positive
正向提示词条件。
负面条件 negative
负向提示词条件。
ControlNet control_net
已加载的 ControlNet 模型。
图像 image
提供给 ControlNet 的控制图像。
vae vae
用于适配某些特殊控制需求的 VAE 模型。
输出参数 2 项
正面条件 positive
加入 ControlNet 引导后的正向条件。
负面条件 negative
加入 ControlNet 引导后的负向条件。
控件参数 3 项
强度 strength
控制图像的引导强度,默认 1.0。
开始百分比 start_percent
控制引导的起始步占比(0~1 之间)。
结束百分比 end_percent
控制引导的结束步占比(0~1 之间)。

节点详解

原理 · 用法 · 常见问题

 

常见问题

按节点参数整理
应用ControlNet(旧版高级)是做什么的?
ControlNetApplyAdvanced 是 ComfyUI 中更加强大和灵活的控制模块,用于将控制图(如姿态图、边缘图、深度图等)同时应用到正向(positive)和反向(negative)条件中,进而更细致地引导图像生成的结构和内容。
应用ControlNet(旧版高级)有哪些输入参数?
共 5 个输入,包括 正面条件(positive)、负面条件(negative)、ControlNet(control_net)、图像(image)、vae(vae)。
应用ControlNet(旧版高级)的输出是什么?
共 2 个输出:正面条件(positive)、负面条件(negative)。
应用ControlNet(旧版高级)有哪些可调参数?
共 3 个控件参数,包括 强度(strength)、开始百分比(start_percent)、结束百分比(end_percent)。
应用ControlNet(旧版高级)属于哪个节点包?
属于「ComfyUI 官方」,节点分类为「原生节点」。

同类节点

ComfyUI 官方
内补模型条件 InpaintModelConditioning InpaintModelConditioning 是 ComfyUI 中用于**图像修复(Inpainting)**场景的复合节点,功能是将普通的提示词 (positive /... LoRA加载器(仅模型) LoraLoaderModelOnly LoraLoaderModelOnly 节点是对原始 LoraLoader 节点的简化版本,仅用于将 LoRA 模型应用到 diffusion 主模型(即 U-Net),不影响... 条件零化 ConditioningZeroOut ConditioningZeroOut 是一个用于 清空/抹除现有文本或视觉条件向量(conditioning embedding) 的节点,会把输入的 CONDITIONIN... CLIP视觉编码 CLIP Vision Encode 该节点是一个 图像编码节点,使用的是 CLIP Vision 模型 —— 一种能“理解图片”的 AI 模型。你把一张图像输入进来,它会把这张图像转成一种“向量”形式(称为 图像... K采样器 KSampler 该节点完成在纯噪声图像的上去噪过程,最终输出干净的潜空间图像,即解码后即可得到最终的结果。在ComfyUI中采样过程是核心内容,基本上工作流都可以分为三个阶段,准备阶段,采样阶... 双CLIP加载器 DualCLIPLoader DualCLIPLoader 是一个 加载双 CLIP 编码器模型 的节点,通常用于支持 多语义、多模态或复杂模型结构(如 SDXL、SD3、HiDream、Flux 等)中需... UNet加载器 Load Diffusion Model UNETLoader 节点的作用是:加载 UNet 模型文件,它是 Stable Diffusion 推理过程中“去噪核心”的一部分,控制着最终图像的生成细节和风格。 Checkpoint加载器 Load Checkpoint Checkpoint加载器(Checkpoint Loader) 是 ComfyUI 中用于加载 Stable Diffusion 及其衍生模型的主权重文件(Checkpoin...