ControlNet — 12 baldintzatze mota tresna bakar batean
Igo erreferentziazko irudi bat, aukeratu baldintzatze mota bat, idatzi galdera bat. AIak erreferentziaren egitura mantentzen du (lerroak, posizioa, sakonera, etab.) eta edozein estilotan errendatzen du eduki berria. ControlNet-Union SDXL ProMax — Apache 2.0-k babesten du, erabilpen komertzialerako erabat egokia.
Emaitza
Nola funtzionatzen du ControlNetk
ControlNetk irudien sorkuntza erreferentziazko irudi baten egiturarekin gidatzen uzten dizu, testu-aginduan bakarrik oinarritu beharrean. Aurreprozesatzaile batek zure erreferentzia irakurtzen du eta baldintzatze-seinale bakarra ateratzen du - bere ertzak, sakonera-mapa, pertsona baten pose-eskeletoa eta abar. Difusio-eredua seinale horretara blokeatzen da, aginduak estiloa, koloreak, argiztapena eta gaia erabakitzen dituen bitartean. Emaitzak sartutako konposizio zehatza mantentzen du, baina erabat berria dirudi.
Tresna hau ControlNet-UnionSDXL ProMax (Apache 2.0)-ek babesten du — beheko 12 baldintzatze-mota guztiak ulertzen dituen eredu bakarra, beraz, hautatzaile batetik aldatzen duzu, sare desberdin bat kargatu gabe. Erabat erabilpen komertzialerako egokia da: gorde, saldu edo aldatu sortzen duzuna.
12 baldintzatze motak
Canny
Ertz zorrotzen detekzioa. Hoberena konturak eta lerro garbiak mantentzeko.
Sakontasuna
3D-ko sakonera-mapa. Diseinua espaziala mantentzen du — hurbil dagoena eta urrun dagoena.
_Posa
OpenPose gorputz-eskeletoa. Figuraren jarrera eta gorputz-adarren posizioak blokeatzen ditu.
Zirriborroa
Eskuz egindako marrazkiak arte bukatu bihurtu ziren.
Segmentazioa
Kolorez kodetutako eskualde-mapa. Esleitu eszenako eremu bakoitza klase bati.
Normala
Gainazaleko mapa normala. 3Dko gainazal orientazio eta kolpeak mantentzen ditu.
Linea-artea
Marra finaren erauzketa — tinta, manga eta ilustrazioetarako egokia.
Ertz leuna
Muga-detekzio leuna, Canny-k baino formak lasaiago jarraitzen dituena.
MLSD
Lerro zuzenen segmentuak. Arkitektura, barnealdea eta produktuen argazkietarako egina.
Mosaikoa
Deskribapen zehatzagoa eta testuinguruaren azterketa sakonagoa.
Marraztu
Maskara-kontzienteko baldintzaketa irudiaren zati bat bakarrik birsortzeko.
Birpintatu / gainpintatu
Zabaldu oihala edo birpintatu eskualdeak, inguratzaileen egitura errespetatuz.
Hiru urrats
- Igo erreferentziazko irudi bat — argazki bat, zirriborro bat, pantaila-argazki bat, gorde nahi duzun egitura duen edozein gauza.
- Hautatu zuretzat garrantzitsua den baldintzapen-mota (posizioa irudi batentzat, sakonera eszena batentzat, astuna edo lineala eskema garbiak egiteko).
- Idatzi eskatutako itxurak deskribatzen dituen galdera bat eta sortu. Igo kontrol-indarra erreferentziari hurbilago jarraitzeko, eta jaitsi sorkuntza-askatasun handiagoa lortzeko.
ControlNet — 12 baldintzatze mota tresna bakar batean — FAQ
ControlNet-Union SDXL ProMax ereduko 12 baldintzapen mota guztiak erakusten dituen tresna bakarra: canny, pose, depth, scribble, lineart, anime-lineart, MLSD, HED, soft-edge, normal, segmentation eta tile. Hautatu baldintzapen mota bat, jaregin erreferentziako irudi bat, idatzi galdera bat, eta SDXL-k zure erreferentziaren egitura jarraitzen duen irudi berri bat errendatuko du.
img2img-k sarrera zuzenean birpintatu egiten du — koloreak, ertzak ETA geometria nahasten ditu galderarekin. ControlNet-ek koloreak kentzen ditu eta soilik hautatutako egitura-seinalea mantentzen du (lerroak, posizio-eskeletoa, sakonera-mapa, etab.). Horrek edukia erradikalki trukatzeko aukera ematen dizu konposizioa sendo mantenduz. img2img-k baino egitura-kontrol indartsuagoa.
Canny / lineart marrazki garbien sarrerarako. Anime-lineart anime-estiloko marrazkien sarrerarako. Scribble / soft-edge / HED zirriborro eta marrazki gordinetarako. Pose argazki baten gorputzaren posizioa kopiatzeko. Sakontasuna eszena geometria / 3D diseinua mantentzeko. MLSD lerro zuzenak mantentzeko (arkitektura / barnealdea). Normala gainazal orientazioa eta bolumena mantentzeko. Segmentazioa eskualdeak mantentzeko. Mosaikoa lehendik dagoen irudi baten aldaerak finkatzeko edo eskalatzeko.
ControlNet-Union SDXL ProMax (xinsir, Apache 2.0) 12 baldintzatze-sare guztiak 2,5 GB-ko pisu bakar batean sartzen ditu. Despliegamendu zaharrek ~2,5 GB-ko pisu bana deskargatzen zuten mota bakoitzeko — canny eta pose artean aldatzeak hasiera hotza esan nahi zuen. Batasunaren eredua behin kargatzen da eta bero mantentzen da, beraz, baldintzatze-mota bakoitza segundo azpikoa da lehen deialdiaren ondoren.
Bai. ~1.200 token errendatze bakoitzeko (1.000 oinarrizko SDXL + %20 ControlNet baldintzatutako gehigarria). Saioa hasitako erabiltzaileek 30.000 token doan jasotzen dituzte egunero — egunean 25 baldintzatutako errendatze kostua gabe. Anonimoak: 2.500 token/egunean (~2 errendatze).
Bai — Kontrol-indarra graduatzaileak (lehenetsia 0,7) irteerak zure erreferentzia zenbateraino jarraitzen duen zehazten du. 1,0 = zorrotza (irteerak zure erreferentziaren birerrendatze itxura du). 0,4 = lasaia (ahalmena askatasun handiagoa du). Jaitsi aldaera sortzailearen arabera, igo fideltasuna garrantzitsua denean.
512x512 lehenetsia. SDXL erlazio estandarrak — 768x1024 bertikala, 1024x768 horizontala, 1024x1024 karratua — denek funtzionatzen dute. Irteera handiagoak VRAM eta token gehiago kontsumitzen ditu; H200k 1024x1024 arte onartzen du eroso.
Erreferentziako irudiak berehala prozesatu, baldintzak erauzi eta erreferentziako fitxategia ezabatu egiten da. Soilik galdera + azken errendatzeak geratzen dira /account/?tab=history-n. Inoiz ez da erabiltzen entrenamendurako. /privacy/ politika osoa ikusteko.
ControlNet-Union SDXL ProMax Apache 2.0-ren pean argitaratzen da — erabat baimenduta, erabilera komertziala barne. SDXL-ren oinarria OpenRAIL++ da. Biek onartzen dute erabilera komertziala; zure irudiak zureak dira, errentarik gabe erabiltzeko.
Modelo bera, kalitate bera, baldintzatze-seinale bera. ComfyUI eta A1111-k GPU lokal bat behar dute, 12 GB+ VRAM eta konfigurazioarekin. Azpiegitura partekatu batean exekutatzen dugu, askatasun handiko pool batekin — ez da instalaziorik behar, ez GPUrik.
Lehen deiak Union pisua (~2.5 GB) deskargatzen du GPU cache-ra eta SDXL hodia berotzen du. Espero 30-60 segundo lehen eskaeran, deploy edo LRU ezeztapen baten ondoren. Ondorengo deiak karga tipikoaren pean 4-7 segundotan itzultzen dira.
Bai — POST multipart /v1/image/generate/-ra model=sdxl (edo model=controlnet-union-sdxl-promax), prompt, control_image (fitxategia), control_type=<honetako bat: canny, pose, depth, scribble, lineart, anime-lineart, mlsd, hed, soft-edge, normal, segmentation, tile>, optional control_strength (0.1-1.5). Erabiltzailearen autentifikazioa, 10K token doakoak/hilabete. /api/-k curl adibideak ditu.