ControlNet — 12 şertlendiriş görnüşleri bir esbapda
Bir reňki ýükle, bir şerti saýla, bir soragy ýaz. AI reňkiň gurluşyny saklaýar (hatlar, pozisiýa, çuňluk, we ş.m.) we täze mazmuny her hili stilde render edýär. ControlNet-Union SDXL ProMax — Apache 2.0 tarapyndan goldanylýar, doly kommersiýa-ullanyş dostça.
Netijeler
ControlNet nädip işleýär
ControlNet size resim emele gelşini bir referans resimiň gurluşy bilen dolandyrmaga mümkinçilik berýär. Bir öň işlemeçi siziň referansyňyzy okaýar we bir şertli siňlisini çykarýar - onuň kenarlary, onuň çuňluk mapy, bir adamyň poz eskeleti, we ş.m. Diffuz model soňra şol siňlisine kiçirilýär we bu prompt stili, reňkleri, ýagtylygy we temany karar edýär. Netije siziň girdiňiz kompozisiýany saklaýar emma doly täze bir zat ýaly görünýär.
Bu esbap ControlNet-UnionSDXL ProMax (Apache 2.0) tarapyndan arkalanýar — aşakdaky 12 şertli tipleri aňlaýan bir model, şonuň üçin siz her gezek başga bir çeper ýüklemezden olar arasynda bir saýlajydan aýlaň. Bu doly söwda-ullanyş dostça: sakla, sat ýa-da öz döreden zadyňy üýtget.
12 şertli tip
Canny
Kenarlary aňlamak. Täze çyzgylary we arassa hatlary saklamak üçin iň gowy.
Derinlik
3D çuňluk mapy. Mekan planyny saklaýar - näçe golaý we näçe uzak
Poz
OpenPose beden keseli. Resimiň durşyny we aýaklar ýerleşişini kiçeldýär.
Scribble
El bilen çyzylan döwmeler tamamlanan sungata öwrüldi.
Segment
Renk kodlanan sebit xəritası. Sahnanyň her bir meýdançasyny bir klasa bagla.
Kadaly
Üst-normal map. 3D üsti-ýörelgesini we çüýşelerini saklaýar.
Hat
Inçe hat çykarmak — öwrüm, manga we illýustrasiýa üçin ideal.
Ýagşy-kenar
Canny'den has köp şekili aşakda urmak üçin çeper çäk aňlatma.
MLSD
Düz çyzyk bölekler. Binagärlik, iç we önümçilik suratlary üçin taýýarlandy.
Faýl
Üstüňki ölçemek we çeper tekstura iş üçin detallary saklaýan şertlendirme.
Resim
Resimiň diňe bir bölegini täzeden döretmek üçin maska-aware şerti.
Resim
Kanvasy giňelt ýa-da etrabyň gurluşyny goraýan bir ýerden regiony täzeden boýa.
Üç ädim
- Bir reňki ýükle — bir foto, bir skeç, bir ekran suraty, saklamak isleýän gurluşy bilen hernäme.
- Siziň üns berjek zadyňyza laýyk gelýän şertlendiriş görnüşini saýlaň (resim üçin poz, sahna üçin çuňluk, arassa çyzgylar üçin kanny ýa-da lineart).
- Isleýän görkiňizi beýan edip we döredip bir soragy ýazyň. Kontrol güýçüni has ýakyndan salgylanmak üçin ýokarlandyryň, has köp döredijilik azatlygy üçin azaltyň.
ControlNet — 12 şertlendiriş görnüşleri bir esbapda — FAQ
ControlNet-Union SDXL ProMax modelinden 12 şartly tipleri açýan bir esbap - canny, pose, depth, scribble, lineart, anime-lineart, MLSD, HED, soft-edge, normal, segmentation, and tile. Bir şertli tip saýla, bir salgy resim goý, bir soragy ýaz, we SDXL siziň salgy resimiň gurluşyny yzarlaýan täze bir resimni görkezer.
img2img girýäni dogrydan-dogry täzeden boýaýar — reňkler, kenarlar, we geometriýa soragy bilen birikdirilýär. ControlNet reňkleri çykaryp we diňe saýlanan gurluş senälini saklaýar (hatlar, poz kenar, çuňluk mapy, we ş.m.). Bu size mazmuny radikally çalşyrmaga mümkinçilik berýär kompozisiýa daş ýaly berk saklaýar. img2img'den has güýçli gurluş kontrol.
Canny / lineart arassa hat iş girdeji üçin. Anime-lineart anime-style hat girdeji üçin. Scribble / soft-edge / HED çirkin skişler we döwmeler üçin. Pose bir fotodan bir beden pozisiýasyny nusgalamak üçin. Depder sahna geometriýasyny saklamak üçin / 3D plany. MLSD düz hatlary saklamak üçin (arhitektura / iç). Normal ýüzi we göwrümi saklamak üçin. Segmentation sebitleri saklamak üçin. Tile bar bolan bir resimiň dürlilerini arassalamak ýa-da ýokarlandyrmak üçin.
ControlNet-Union SDXL ProMax (xinsir, Apache 2.0) 12 conditioning networks-i bir 2.5 GB agramyna paýlaýar. Eskiden işleýänler her bir tip üçin bir ~2.5 GB agramy ýükläp alýardylar — canny we pose arasy geçiş sowuk başlamak manysyndady. union model bir gezek ýüklenýär we sowuk galýar, şonuň üçin her conditioning type ilkinji çagyryşdan soň sub-seconds-da.
Eý. her bir render üçin ~1,200 tokeni (1,000 esas SDXL + 20% ControlNet şertli goşmaça töleg). Ýatdan girýän ulanyjylar günde 30,000 mugt tokeni alýar — günde 25 şertli render hiç bir tölegsiz. Anonym: 2,500 tokeni/gün (~2 render).
Eý - Kontrol güýç släýderi (öň bellenen 0.7) çykdajyň näçe berklik bilen seniň salgyňy yzyndan gelmegini kesgitleýär. 1.0 = berk (çykyş seniň salgyňyň täzeden renderlenişi ýaly görünýär). 0.4 = agyr (sözüň has köp erkinligi bar). Ony döredijilikli üýtgeşmeler üçin aşak düşür, dogrulyk möhüm bolsa, ýokarlat.
512×512 öň bellenen. SDXL standart proporsiýalar — 768×1024 portret, 1024×768 ýerzemin, 1024×1024 kare — ähli işleýär. Büyük çykyşlar köp VRAM we tokeni sarf edýär; H200 1024×1024 çeýe goldaýar.
Referans resimler derhal işlenip, şertler çykarylýar, soňra referens faýly pozylýar. Diňe soragy + soňky render /account/?tab=history-da galýar. Hiç haçan tälim üçin ulanylmaýar. /privacy/ doly düzgün üçin.
ControlNet-Union SDXL ProMax Apache 2.0 astynda çykaryldy — doly ygtyýarly, tiz işleýşi hem bar. SDXLň esasy OpenRAIL++. Ikisi hem tiz işleýşi ygtyýarly; siziň döreden resimleriňiz siziňdir, tiz işleýşi üçin hiç hili haksyzlyk ýok.
Aynı model, aynı kalite, aynı koşullandırma sinyalleri. ComfyUI we A1111 12+ GB VRAM plus setup ile yerel bir GPU gerektir. Biz onu paylaşılan bir infrasturktür ile bol bol bedava bir pool ile işletiyoruz - hiçbir oturtma, hiçbir GPU gerektirmez.
Ilki çagyryş GPU keçesine uniýon agramyny (~2.5 GB) ýükläp we SDXL boruny gyzdyrýar. Deploy ýa LRU eviction-dan soň iň ilki soragda 30-60 sekunt garaş. Tipiklik ýük astynda soňky çagyryş 4-7 sekuntda dolýar.
Eý — 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). Bearer auth, 10K free tokens/month. /api/ has curl examples.