应根据线稿类型选择匹配的ControlNet控制模式并优化参数：Canny适用于高对比度线稿，需调节阈值与启用Guess Mode；Lineart适合手绘稿，应选lineart_realistic、设权重0.85并开启Pixel Perfect；复杂场景可叠加Lineart、Canny、Depth三单元协同控制；预处理分辨率须与上传图及输出尺寸严格一致。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜

如果您在通义万象中启用ControlNet线稿控制功能，但发现生成图像与原始线稿结构偏差明显，则可能是由于控制类型选择不当或精度参数未针对性优化。以下是解决此问题的步骤：

一、支持的线稿相关控制类型

通义万象集成的ControlNet线稿控制功能并非仅限单一模式，而是覆盖多种预处理器与对应模型协同工作的结构引导方式。每种类型针对不同线稿特征与生成目标设计，需根据输入图性质匹配使用。

1、Canny边缘检测：适用于高对比度、轮廓清晰的线稿（如产品白底图），通过双阈值提取强边缘，对线条连续性要求高。

2、Lineart预处理器：专为手绘线稿优化，对灰度渐变、轻重笔触兼容性更强，能保留毛边、断线等人工特征，适合插画草图。

3、SoftEdge软边缘检测：优先识别主轮廓并弱化细节边缘，适用于需要保留结构但允许风格化发散的场景，如概念速写转成渲染图。

4、MLSD直线检测：仅提取图像中的直线段，忽略曲线与弧形，专用于建筑平面图、UI线框图等几何性强的输入。

二、Canny类控制的精度调节方法

Canny是通义万象中最常用于线稿控制的基础类型，其精度直接受阈值参数与Guess Mode状态影响，调整需结合输入线稿质量进行微调。

1、打开ControlNet配置面板，定位到当前启用的Canny单元参数区。

2、将低阈值滑块设为85–110，高阈值设为190–230，避免过低导致噪点边缘、过高导致断线丢失。

3、勾选Guess Mode开关，使模型自动适配线稿密度与扩散步长，提升结构贴合响应速度。

4、若线稿含大量细密排线（如钢笔速写），可额外降低高阈值至160–180，并配合启用“Preprocessor Resolution”提升至1024以上再执行边缘提取。

三、Lineart类控制的精度调节方法

Lineart预处理器专为非标准化手绘线稿设计，其精度调节依赖于线稿增强与模型权重协同，不依赖传统Canny阈值逻辑。

1、上传线稿后，在预处理选项中明确选择lineart_realistic而非lineart_standard，前者对阴影过渡与虚线更鲁棒。

2、在Control Weight（控制强度）字段中输入数值0.85，该值在结构保持与风格自由间取得实测最优平衡。

3、启用Pixel Perfect模式，确保输入图像分辨率与生成尺寸严格对齐，防止缩放引入的边缘模糊。

4、若线稿背景非纯白，勾选Detect Resolution from Image，让预处理器自动裁切有效区域，排除干扰边框。

四、多模态叠加提升线稿定位精度

单一预处理器在复杂线稿中易出现结构歧义，通义万象支持在同一生成任务中叠加多个ControlNet单元，以交叉验证方式强化关键结构约束。

1、在ControlNet设置中将Unit数量扩展至3，重启界面生效。

2、第一单元选择Lineart，控制权重设为0.7，负责整体骨架与主线条。

3、第二单元选择Canny，控制权重设为0.5，补充高频细节边缘（如衣褶、纹理起始点）。

4、第三单元选择Depth，控制权重设为0.4，为线稿中隐含的前后层次（如重叠手臂、透视窗框）提供Z轴锚点。

五、预处理器分辨率与输出尺寸匹配规则

线稿控制精度严重受输入分辨率与模型推理分辨率不一致影响，尤其在通义万象默认采用动态分辨率适配机制时，必须手动锁定关键参数。

1、上传线稿前，使用图像工具将其统一调整为1024×1024或1280×720等常见宽高比，禁止使用非整除尺寸（如1033×756）。

2、在ControlNet单元内点击“Preprocessor Resolution”旁的锁形图标，将其由自动切换为手动锁定状态。

3、将“Preprocessor Resolution”数值设为与上传图完全一致的像素值，例如上传图为1280×720，则此处必须填入1280（宽度）与720（高度）。

4、生成参数中的“Width”与“Height”必须与上一步预处理分辨率严格相同，否则ControlNet提取的特征图将发生空间错位。