06 控制与可控性增强

第 6 章 · 控制与可控性增强

本章要回答的三个问题：文字能控制风格和内容，但能不能控制"人站哪个姿势、画面沿哪条边缘、场景往哪个深度走"？结构控制（姿态、边缘、深度）与文本控制是什么关系？轻量的 LoRA 与提示反转，怎么让"控制某个具体角色"更趁手？

为什么会有这一章

第四章、第五章都在"用提示词指挥，用掩码圈定"。但真实生产里常见这样的请求："让这个人摆出我画里的姿势""把这张草稿的轮廓当成底线照着画""让人物站在我指定的那条透视线上"。文本在本节这些需求前会力不从心——文字描述不了精确的关节角度，也说不清一条边缘线落在哪。这一章就是为这类"结构级控制"补上的最后一环：先深入条件机制本身，再引入 ControlNet 用姿态、边缘、深度去锁死结构，最后把 LoRA 与提示反转这类轻量手段摆上台面。

在画室主调里，这章是从"用嘴指挥画师"进化到"给画师递一张可折叠骨架"——我告诉你画布的形状、关节的位置、透视的走线，画只能往这个壳里长。

三类控制手段的分工立起来就是一条清晰的分层：文本管内容与气质、ControlNet 管结构与几何、LoRA 与提示反转管特定的角色与风格：

读完能解决什么

对照开篇三个问题：

• 你能说出条件机制的注入点、CFG 引导和各类条件之间的协作与冲突。
• 你能讲清 ControlNet 怎样用旁路卷积把结构信号接进不破坏原权重的 UNet。
• 你会区分 ControlNet 的"结构锁死"、LoRA 的"角色长驻"、提示反转的"图像语义约出"三种控制各自的适用场景。

各节怎么分工

先决条件

• 承接第二章条件生成（2.5）、第五章语义编辑（5.2）与微调概念（5.3）。
• 对"注意力层"与"旁路"有一丝直觉即可，本节会把推理理顺。
• 会看一张网络流图，知道输入、输出、旁路三个词的基本意思。

自检清单

读这本章时，你可以边读边给自己打几个钩：

• 我能说出"条件注入"在去噪网络里到底落在哪个模块、各自的注入点是哪里。
• 我能分得清"文本管气质、结构管几何、LoRA 管角色"这三类信号分别在什么场景里用。
• 当结构权重太高导致画面僵硬、文本权重太低导致风格漂移时，我知道去动哪个旋钮。
• 手头只有一张参考图想临摹它的氛围，我不会误选需要十几张素材的 LoRA。

带着这套自检去翻每一节，会比"只看懂概念"更接近掌握。

往下走到哪

控制能力是"从能用模型到能掌控模型"的分水岭。读完后，你手边能将文本、结构、角色三类信号组合使用；这也是推动你在第九章落到真实工具（Stable Diffusion 全家桶 + ControlNet 生态）时的最后一块拼图。

本节贯穿一条主心骨：可控性不是一项"加装的外挂"，而是从第二章的条件注入一路自然延伸出来的能力。你越早把"文本—结构—角色"这三类信号的协作与边界记清，越能在真实工具里少试错。本章对公式用力很轻，对"谁在控制哪一维、何时冲突、如何组合"用得最重，因为这才是生产里真正决定成败的部分。