KontrolNet - 12 jinis conditioning ing siji alat
Ngundhuh gambar referensi, pilih jinis conditioning, nulis pitakonan. AI nglestarikaké struktur referensi (garis, pose, kedalaman, lsp.) lan ngrender isi anyar ing gaya apa wae. Didhukung déning ControlNet-Union SDXL ProMax — Apache 2.0, kanthi lengkap cocog kanggo panggunaan komersial.
Hasil
Cara ControlNet kerja
ControlNet mènèhi sampeyan kamampuan kanggo ngontrol panggénan gambar kanthi wangun gambar referensi tinimbang mung ngandel ing pitakon teks. Preprocessor maca referensi lan ngekstrak sinyal conditioning tunggal - pinggiré, peta kedalaman, kerangka pose wong, lan liya-liyané. Model diffusion banjur dikunci ing sinyal iku nalika pitakon mutusake gaya, warna, cahya, lan subyek. Hasilé tetep komposisi sing tepat sing sampeyan ngisi nanging katon kaya sesuatu sing lengkap anyar.
Alat iki didhukung déning ControlNet-UnionSDXL ProMax (Apache 2.0) — model tunggal kang ngerti kabèh 12 jinis conditioning ing ngisor iki, mula sampeyan bisa ngganti antarané saka siji pemilih tanpa ngetik jaringan sing beda saben wektu. Iki bisa digunakake kanthi komersial: tetep, adol, utawa ngowahi apa wae sing sampeyan hasilake.
12 jinis conditioning
Canny
Deteksi pinggiran kang cetha. Paling apik kanggo nyegah garis-garis kang cetha lan garis-garis kang resik.
Kacepetan
Peta kedalaman 3D. Ngjaga tata letak spasial - apa kang cedhak lan apa kang adoh.
Pos
Skelet awak OpenPose. Nggoleki posisi awak lan anggota awak.
Scribble
Saliyané iku, dhèwèké uga dadi panulis lan seniman.
Segmentasi
Peta wewengkon kang dikode warna. Tetep saben wewengkon saka skenario ing kelas.
Normal
Peta permukaan-normal. Nglestarikaké orientasi permukaan 3D lan bump.
Garis
Akèh-akèhé karyané ya iku puisi, prosa, lan ilustrasi.
Soft-edge
Ing basa Inggris, istilah iki luwih umum kanggo ngrujuk marang wong kang ora bisa maca.
MLSD
Segmen garis lurus. Digawé kanggo arsitektur, interior, lan gambar produk.
Tile
Ing basa Jawa, tembung gawéan digawé saka tembung gawéan lan ciptaan.
Input
Saliyané iku, uga ana sing nganggo masker kanggo nglindhungi awak.
Warna-warna
Nglewati wewengkon kang ora ana tanduran utawa tanduran kang bisa ngrusak.
Tilu langkah
- Ngunduh gambar referensi — foto, sketsa, layar tutul, apa waé kanthi struktur kang sampeyan pengin tetep.
- Pilih jinis conditioning kang cocog karo apa sing sampeyan kepengin (pose kanggo gambar, kedalaman kanggo adegan, canny utawa lineart kanggo contone resik).
- Tulis pitakonan ingkang nyritakaken tampilan ingkang sampeyan pikantuk lan jenakaken. Naikke kacepetan kontrol kanggé nglampahi referensi kanthi langkung ketat, mudhunaken kacepetan kontrol kanggé kebebasan kreatif ingkang langkung ageng.
KontrolNet - 12 jinis conditioning ing siji alat — FAQ
Satunggaling piranti ingkang ngandhut sadaya 12 jinis conditioning saking ControlNet-Union SDXL ProMax model - canny, pose, depth, scribble, lineart, anime-lineart, MLSD, HED, soft-edge, normal, segmentation, lan tile. Pilih jinis conditioning, lebetaken gambar referensi, tulisaken pitakon, lan SDXL ngembangaken gambar anyar ingkang nglewati struktur referensi sampeyan.
img2img nggambar manèh ing input langsung — warna, pinggiran, lan geometri dicampur karo pitakonan. ControlNet nglebokaké warna lan mung nyimpen sinyal struktural kang dipilih (garis, pose skeleton, peta kedalaman, lsp). Iki ngidini sampeyan kanggo swap isi kanthi radikal nalika nyimpen komposisi sing solid. Kontrol struktural sing luwih kuat tinimbang img2img.
Canny / lineart kanggo input garis-karya kang resik. Anime-lineart kanggo input garis gaya anime. Scribble / soft-edge / HED kanggo sketsa lan doodles kasar. Pose kanggo nyalin posisi awak saka foto. Depth kanggo nyegah geometri/layout 3D. MLSD kanggo nyegah garis lurus (arsitektur/interieur). Normal kanggo nyegah orientasi permukaan lan volume. Segmentation kanggo nyegah wewengkon. Tile kanggo nyuda utawa nyuda variasi gambar kang ana.
ControlNet-Union SDXL ProMax (xinsir, Apache 2.0) ngemot kabèh 12 jaringan conditioning ing siji bobot 2.5 GB. Penyaluran sing luwih tuwa ngundhuh bobot ~2.5 GB saben jinis - switching antarane canny lan pose tegesé wiwitan adhem. Model union dimuat siji lan tetep adhem, mula saben jinis conditioning iku sub-detik sawise panjaluk pisanan.
Ya. ~1,200 tokens per render (1,000 basis SDXL + 20% ControlNet conditioning surcharge). Pengguna sing didaftar bisa entuk 30,000 tokens gratis saben dina — kira-kira 25 render conditioned saben dina tanpa biaya.
Ya — slider kacepetan kontrol (piranti pitados 0.7) nerangaken kados pundi output ingkang ketat nglampahi referensi sampeyan. 1.0 = ketat (output katon kaya render ulang referensi sampeyan). 0.4 = larang (prompt gadhah kebebasan langkung). Ngurangi punika kanggé variasi kreatif, narik punika nalika kejujuran penting.
512×512 default. SDXL standar rasio - 768×1024 potret, 1024×768 landscape, 1024×1024 persegi - kabeh kerja. output luwih gedhe konsumsi luwih VRAM lan token; H200 nyokong nganti 1024×1024 nyaman.
Gambar referensi diproses langsung, conditioning diekstraksi, banjur file referensi dipatèni. Mung pitakon + render pungkasan kang tetep ing /account/?tab=history. Ora pernah digunakake kanggo latihan. /privacy/ kanggo kebijakan lengkap.
ControlNet-Union SDXL ProMax dirilis ing Apache 2.0 — kanthi lengkap permisif, kalebu panggunaan komersial. SDXL basis iku OpenRAIL++. Kabeh ngidini panggunaan komersial; gambar kang dihasilaké sampeyan iku kanggo sampeyan kanggo nggunakake komersial tanpa royalti.
Model kang padha, kualitas kang padha, sinyal conditioning kang padha. ComfyUI lan A1111 mbutuhaké GPU lokal kanthi 12+ GB VRAM plus setup. Kita ngoperasikaké ing infrastruktur sing dituduhake karo pool gratis sing apik — ora perlu nginstal, ora butuh GPU.
Panggonan pisanan ngundhuh bobot Union (~2.5 GB) menyang cache GPU lan ngundhuh SDXL pipeline. Ing pitakon pisanan sawise deploy utawa LRU eviction, 30-60 detik bakal dibutuhaké. Panggonan sabanjuré ing ngisor bobot biasa bakal bali ing 4-7 detik.
Ya — POST multipart to /v1/image/generate/ with model=sdxl (or model=controlnet-union-sdxl-promax), prompt, control_image (file), control_type=<one of: canny, pose, depth, scribble, lineart, anime-lineart, mlsd, hed, soft-edge, normal, segmentation, tile>, optional control_strength (0.1-1.5).