ControlNet真正解决的不是画得好不好，是构图和姿态能不能听话。
扩散模型出细节是真惊艳。可只靠提示词去指挥它把人摆在哪、摆什么姿势，基本就是碰运气，多抽几张看哪张顺眼。这也是我觉得它最别扭的地方——什么都能画，但你说了不算。
ControlNet的做法很直给。你先扔一张简单的条件图进去，可以是黑白的轮廓线，也可以是语义分割出来的色块图，它就照着这个骨架把画面往外长。这样一拆，分工就清楚了：细节长什么样，交给模型；东西摆哪、什么姿态，这部分权力从提示词手里收回来，由你那张条件图说了算。提示词照写，只是不再管“摆位置”了。
为什么我把这个叫可用性的分水岭，而不是又一个好玩的功能？因为构图从随缘变成了可复现。同一张条件图，你换风格、换提示词、换种子，人还在那个位置、还是那个姿势。做东西的人最怕的就是这次出来了下次出不来，这一点解决了，后面很多流程才搭得起来。
想问下大家，线稿和分割图混着当条件一起用的时候，两边权重一般怎么配比较稳？我自己还没摸到一个顺手的比例。