解决什么问题：让AI生图听指挥
在ComfyUI的基础文生图工作里，你输入一段提示词，出图结果往往像开盲盒，人物姿态、画面构图、边缘线条很难精准控制。这门聚焦ControlNet的课，解决的就是“AI画图不听使唤”的痛点。它专门拆解如何把ControlNet接入工作流，让画面从随机生成变成受控生成。不管你是做电商素材需要固定产品轮廓，还是做人物设定需要指定动作姿势，或者要把草图细化为成品，这套课都给出了具体的节点连接思路。它不空谈理论，而是直接针对各种控制模型在实际出图场景中的调用方法进行演示。
适合什么基础与资料怎么看
这属于体系课的第四部分，不适合零基础。你得先装好环境，知道基础节点怎么连、模型怎么加载，否则直接看会在连线阶段卡壳。建议先看单个ControlNet引用的那几节，弄懂预处理器和控制模型在工作流里的前后位置关系，再去看Canny和OpenPose这种高频控制工具。这两块能解决边缘线提取和人物骨架姿态控制，是日常用得最多的功能。不要一上来就堆叠多个控制模型，先把单线串通，跑通一张能精准控制构图或姿态的图，再去碰多ControlNet叠加的复杂节点网。资料配合练习的重点在于：每看完一种预处理器，立刻在本地按视频里的节点逻辑照着搭一遍，换自己的底图和提示词跑一次，看控制效果到底准不准，光看视频不连节点是学不会的。
学完能独立做什么
学完这套资料，你能独立搭建受控的图像生成工作流。具体来说，看到一张参考图，你能根据需求自己判断该调哪种控制模型：是提线稿、估深度图还是抓人体骨骼点，然后自己把预处理器、控制模型、大模型和提示词节点正确串联起来出图。你不再需要到处求别人的工作流模板，遇到手部崩坏、姿态扭曲或者构图跑偏的问题，能自己加节点调整控制权重去修。对于做视觉设计、插画辅助或者电商配图的人来说，这种把草稿、姿势或线稿精准转成成品图的能力，就是这门课能实打实交付给你的工作产出。
AI与ControlNet的应用
课程目录
* 01 什么是ControlNet.mp4 (46.16 MB), 07:42
* 02 ComfyUI引用单个ControlNet.mp4 (76.66 MB), 11:30
* 03 ComfyUI 引用多个ControlNet预处理器.mp4 (54.60 MB), 08:11
* 04 ComfyUI使用Canny预处理器和模型.mp4 (90.72 MB), 13:39
* 05 ControlNet的预处理器OpenPose.mp4 (72.53 MB), 10:53
* 06 ControlNet的Tile预处理器与模型.mp4 (57.30 MB), 08:34
* 07 ControlNet的Depth预处理器和模型.mp4 (113.95 MB), 17:00
* 08 ControlNet的LineArt预处理模型.mp4 (117.19 MB), 17:24
* 09 ControlNet中的Scribble预处理器及模型.mp4 (91.63 MB), 13:38
* 10 ControlNet的Segment模型.mp4 (77.77 MB), 11:38
* 11 ControlNet的Shuffle的模型与预处理器.mp4 (38.34 MB), 05:47
* 12 ControlNet的Inpaint的预处理器与模型.mp4 (53.68 MB), 07:52
* 13 ControlNet的MLSD模型.mp4 (73.32 MB), 10:46
* 14 Controlnet的法相贴图NormalMaps.mp4 (104.62 MB), 15:51
* 15 ControlNet的Softedge预处理器和模型.mp4 (61.61 MB), 09:12
* 16 ControlNet的IP2P模型.mp4 (37.28 MB), 05:33
* 17 基于EfficientNode的ContrrolNet节点.mp4 (59.13 MB), 08:53
