ControlNet 模型合集：Stable Diffusion 的精确控制框架

ControlNet 是 Stable Diffusion 的一种神经网络扩展结构，专门用于对图像生成过程进行精细化控制。该技术基于条件生成对抗网络（CGANs），通过复制主扩散模型的权重到“可训练副本”和“锁定副本”中，实现对生成内容的精确约束。锁定副本保留原有网络能力，可训练副本则学习特定任务的条件控制，两者通过“零卷积”层连接，确保在各种数据集上都能稳定运行。

ControlNet 1.1 为当前正式版本，其架构与 1.0 完全一致，但需注意每个模型都附有对应的 .yaml 配置文件，使用时需将配置文件与模型文件置于同一目录下，并确保文件名一致。

模型文件清单

🔄 FLUX 系列 ControlNet 模型

• flux-canny-controlnet-v3.safetensors
• flux-depth-controlnet-v3.safetensors
• flux-hed-controlnet-v3.safetensors

👤 SDXL 专用 OpenPose 控制模型

• controlnet-openpose-sdxl-1.0_diffusion_pytorch_model.bin
• control-lora-openposeXL2-rank256.safetensors
• OpenPoseXL2.safetensors

🧩 ControlNet-v1.1 功能模型组

包含多种控制类型的模型及对应配置文件（.yaml 文件需与模型同名放置）：

图像编辑类

• control_v11e_sd15_ip2p.pth（图像指令编辑）
• control_v11e_sd15_shuffle.pth（图像混洗）

结构与深度感知类

• control_v11f1e_sd15_tile.pth（分块处理）
• control_v11f1p_sd15_depth.pth（深度图控制）
• control_v11p_sd15_depth_anything.safetensors（通用深度感知）

边缘与线条控制类

• control_v11p_sd15_canny.pth（Canny边缘检测）
• control_v11p_sd15_lineart.pth（线稿控制）
• control_v11p_sd15s2_lineart_anime.pth（动漫线稿）
• control_v11p_sd15_scribble.pth（涂鸦控制）
• control_v11p_sd15_softedge.pth（软边缘控制）

语义与姿态识别类

• control_v11p_sd15_inpaint.pth（局部重绘）
• control_v11p_sd15_mlsd.pth（直线检测）
• control_v11p_sd15_normalbae.pth（法线贴图）
• control_v11p_sd15_openpose.pth（人体姿态）
• control_v11p_sd15_seg.pth（语义分割）

📀 ControlNet-v1.0 基础模型组

• controlnet_checkpoint.ckpt（基础检查点）
• control_sd15_canny.pth
• control_sd15_depth.pth
• control_sd15_hed.pth
• control_sd15_mlsd.pth
• control_sd15_normal.pth
• control_sd15_openpose.pth
• control_sd15_scribble.pth
• control_sd15_seg.pth

🧬 其他衍生模型

• outfitToOutfit_v20.safetensors + outfitToOutfit_v20.yaml（服装转换）
• controlnetxlCNXL_tencentarcOpenpose.safetensors（腾讯ARC姿态识别）

---

提示：使用前请确保正确放置 .yaml 配置文件，并与模型文件保持同名，以保证 ControlNet 正常运行。