未启用骨骼姿势引导机制会导致人物图像动作僵硬、肢体错位；需通过ControlNet加载OpenPose模型、上传标准骨架图、配置姿态提示词与参数、支持多帧序列及在线编辑关节点来精准控制姿势。
☞☞☞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☜☜☜
如果您在通义万相中尝试生成人物图像，但发现动作僵硬、肢体错位或姿态与预期不符，则可能是未启用骨骼姿势引导机制。ControlNet功能可通过输入OpenPose骨架图作为空间约束信号，精准锁定关节位置与肢体朝向，从而实现对人物姿势的显式控制。以下是通义万相环境下利用ControlNet进行骨骼姿势引导的具体操作步骤：
一、确认ControlNet支持状态与模型加载
通义万相当前版本（Wan2.2）已原生集成ControlNet兼容接口，但需手动加载对应骨骼识别模型以启用姿势控制能力。该模型负责将输入图像解析为18个COCO标准关键点坐标，并生成热力图形式的条件输入。
1、进入通义万相WebUI界面，在文生图区域下方查找“ControlNet”扩展面板；
2、点击面板右上角“启用”开关，确保状态变为激活；
3、在“Model”下拉菜单中选择control_wan22_openpose.pth（专为Wan2.2优化的OpenPose权重文件）；
4、在“Preprocessor”选项中设定为openpose_full，确保手部21关键点、面部70关键点及躯干18关键点全部参与解析。
二、准备并上传骨骼姿势参考图
骨骼图质量直接影响生成结果的准确性。通义万相要求输入图像必须为单通道灰度PNG，背景纯黑，骨骼线条清晰连续，且不含文字、噪点或装饰性元素。
1、使用DWPose Estimator节点或第三方OpenPose WebUI工具处理原始人像照片，输出标准化骨架图；
2、检查输出图像是否满足：分辨率为512×512或其整数倍、关键点连线无断裂、肩/肘/膝/踝等主关节完整呈现；
3、点击ControlNet单元中的“上传图像”按钮，选择已校验的PNG骨架图；
4、勾选“启用预处理器”，点击“预览”按钮，界面将实时渲染热力图——若出现关键点缺失或偏移超过3像素，需返回重新生成参考图。
三、配置姿势强化型提示词与采样参数
仅依赖骨骼图不足以稳定控制语义层面的动作表达，必须通过提示词强化姿态动词与结构描述，使语言信号与视觉信号协同对齐。
1、在正向提示词框中前置添加明确动作短语，例如"kneeling on right knee, left leg extended backward, arms crossed over chest"；
2、追加结构锚定词组："full body, accurate joint angles, openpose control, consistent limb proportions"；
3、将“Denoising strength”设为0.5–0.65区间，低于0.4易导致姿态冻结失真，高于0.7会削弱骨骼图约束效力；
4、采样方法选用DPM++ SDE Karras，步数保持30–35，CFG Scale控制在6–8之间。
四、多帧骨骼序列注入（适用于视频生成）
当需生成舞蹈、武打等动态姿势序列时，可跳过单图上传，直接接入视频级骨骼流。此方式通过ComfyUI工作流调用DWPose Estimator提取逐帧关键点，并将其批量注入Wan2.2图生视频流程。
1、加载视频至VideoHelperSuite节点，设置select_every_nth=1确保不丢失动作细节；
2、连接DWPose Estimator节点，开启detect_hand=True, detect_body=True, detect_face=True；
3、设定resolution=768以提升手腕与脚踝微动作识别精度；
4、将输出骨骼序列节点接入Wan2.2 ControlNet条件输入端口，启用multi-frame mode开关。
五、骨骼图在线编辑与偏差修正
预处理器自动识别结果可能与原始姿势存在偏差，尤其在遮挡、侧身或透视角度较大时。通义万相提供内置骨骼编辑器，允许用户手动拖拽关节点位置，实现像素级微调。
1、点击ControlNet面板右侧“?”图标，进入骨骼热力图预览界面；
2、点击“编辑”按钮，进入交互式骨骼调整页面；
3、定位偏移关节点（如右腕坐标X值比左腕低15像素），使用鼠标拖拽至正确空间位置；
4、点击左上角“发送姿势到ControlNet”，系统将覆盖原有热力图并刷新生成缓存；
5、若编辑后仍出现手指融合、膝盖反向弯曲等异常，需在负向提示词中追加"fused fingers, inverted knees, twisted joints"。
