使用 controlNet 需要对输入图像进行预处理。由于 ComfyUI 初始节点不附带预处理器和 controlNet 模型，请先安装 ControlNet 预处理器 [在此处下载预处理器](https://github.com/Fannovel16/comfy_controlnet_preprocessors) 和相应的 controlNet 模型。

## 输入

| 参数 | 数据类型 | 功能 |
| --- | --- | --- |
| `positive` | `CONDITIONING` | 正向条件数据，来自 CLIP 文本编码器或其他条件输入 |
| `negative` | `CONDITIONING` | 负向条件数据，来自 CLIP 文本编码器或其他条件输入 |
| `ControlNet` | `CONTROL_NET` | 要应用的 controlNet 模型，通常从 ControlNet 加载器输入 |
| `图像` | `IMAGE` | 用于 controlNet 应用的图像，需经预处理器处理 |
| `vae` | `VAE` | VAE 模型输入 |
| `强度` | `FLOAT` | 控制网络调整的强度，取值范围 0~10。建议值在 0.5~1.5 之间较为合理。较低的值允许模型有更多自由度，较高的值则施加更严格的约束。过高的值可能导致图像异常。您可以测试并调整此值以微调控制网络的影响。 |
| `start_percent` | `FLOAT` | 值 0.000~1.000，以百分比形式确定何时开始应用 controlNet，例如 0.2 表示 ControlNet 引导将在扩散过程进行到 20% 时开始影响图像生成 |
| `end_percent` | `FLOAT` | 值 0.000~1.000，以百分比形式确定何时停止应用 controlNet，例如 0.8 表示 ControlNet 引导将在扩散过程进行到 80% 时停止影响图像生成 |

### 输出

| 参数 | 数据类型 | 功能 |
| --- | --- | --- |
| `positive` | `CONDITIONING` | 经 ControlNet 处理后的正向条件数据，可输出至下一个 ControlNet 或 K 采样器节点 |
| `negative` | `CONDITIONING` | 经 ControlNet 处理后的负向条件数据，可输出至下一个 ControlNet 或 K 采样器节点 |

> 本文档由 AI 生成。如果您发现任何错误或有改进建议，欢迎贡献！ [在 GitHub 上编辑](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/ControlNetApply/zh.md)