---
title: "控制網路（ControlNet）"
slug: controlnet
language: zh-TW
source: https://aiterms.tw/terms/controlnet
updated_at: 2026-04-29
tags: [生成式AI, 深度學習, 電腦視覺, 模型訓練, 模型部署, 神經網路, AI應用]
ipas_term: false
---

# 控制網路（ControlNet）

> **你有沒有想過，AI 生成圖片時能不能照著草圖或姿勢來畫？**
>
> 你可以把控制網路想成「在擴散模型旁邊加一個控制器」：主模型負責畫，控制網路負責把草圖、邊緣或姿勢資訊送進去。
>
> 它很重要，因為單純的圖像生成很自由，但也很難精準控制，控制網路讓創作者可以兼顧創意和可控性。

### 容易混淆

> **控制網路 vs 擴散模型 vs 圖像條件化**
>
> 控制網路：把額外條件接進生成過程，讓輸出更可控
>
> 擴散模型：負責把噪聲逐步變成圖片的核心生成器
>
> 圖像條件化：更廣義，凡是讓圖像生成受條件影響都算
>
> 最關鍵的區別：控制網路是把「控制訊號」明確接進生成流程。

### 記住這句就好

> 生成不只靠想像，還能照條件畫。

### 實際案例

> **室內設計草圖**
>
> 前：只靠文字提示，生成結果常常姿勢和構圖亂掉
>
> 後：先給房間線稿或家具輪廓，再生成完整風格圖
>
> **人像姿勢控制**
>
> 前：想要固定姿勢，模型常畫得歪七扭八
>
> 後：先提供骨架或關鍵點，讓生成圖片保留指定動作

### 算法與應用

> ControlNet 常把邊緣圖、深度圖、姿勢圖或分割圖當條件，和穩定擴散等模型一起使用
>
> 它把「自由創作」變成「可控創作」，特別適合設計、遊戲、美術和廣告場景
>
> 實務上，控制訊號越清楚，輸出越容易貼近需求

### 情境判斷

> **Q1（直覺題）：** 如果你想讓生成圖片照著姿勢圖畫，控制網路有幫助嗎？
>
> → 有，這正是它最常見的用途。
>
> **Q2（判斷題）：** 只要有 ControlNet，生成圖片就一定完全照草圖一模一樣嗎？
>
> → 不一定，模型還會保留自己的生成彈性，控制訊號只是把方向拉近。

### 常見問題

> **Q：ControlNet 只能用在 Stable Diffusion 嗎？**
>
> 不只，但它和擴散模型一起出現最常見。
>
> **Q：它和提示詞有什麼差別？**
>
> 提示詞是文字控制，ControlNet 是把視覺條件直接加進去。
>
> **Q：控制網路會不會拖慢生成？**
>
> 會增加一些成本，但通常換來更好的可控性。

### 相關術語

> - **擴散模型**：理解它，才能知道 ControlNet 是加在哪裡
> - **穩定擴散**：最常見的應用場景之一
> - **圖像生成**：ControlNet 的目標任務
> - **電腦視覺**：控制訊號常來自視覺前處理
> - **卷積神經網路**：很多控制訊號編碼會用到它

---

來源：https://aiterms.tw/terms/controlnet
快查頁：https://aiterms.tw/terms/controlnet
最後更新：2026/04/29
深度解說：https://aiterms.tw/learning/what-is-controlnet