在LiblibAI中使Checkpoint模型真正响应ControlNet指令，须确保模型同时支持ControlNet与LoRA、按控制类型选用专用优化模型（如openpose需用OpenPose-FullBody-Pro）、启用后验证三重确认标记并设置Control Weight为0.75–0.9、End Step为0.8。
☞☞☞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☜☜☜
在LiblibAI中让Checkpoint模型真正听懂ControlNet的指令，必须完成模型与ControlNet控制信号之间的双向适配——只开ControlNet不选对模型，或选了适配模型却没启用对应预处理器，都会导致参考图被完全忽略，生成结果与线稿/姿态图毫无关联。
确认模型是否原生支持ControlNet
进入LiblibAI【模型库】→搜索目标Checkpoint（如“F.1超清纯感人像写实”或“xl-ill-写实风格”）→点击卡片进入详情页→滚动至底部【兼容性】区块。必须看到【支持ControlNet】和【兼容LoRA】同时打钩，缺一不可。若仅标“支持LoRA”而无ControlNet标识，该模型未经过结构引导微调，强行启用ControlNet只会触发默认底模回退。
严禁选用ReVAnimated、Anything V5、DreamShaper等动漫向模型——它们的UNet权重层未保留深度/姿态通道映射关系，ControlNet注入信号后直接丢弃，界面仍显示“已启用”，但后台无任何结构约束生效。
按控制类型反向筛选模型
ControlNet不是万能插件，它依赖模型内部保留的条件编码器通道。不同控制类型对模型底层结构有硬性要求：
方法一：需复现人物姿态 → 必须用openpose专用优化模型
例如“OpenPose-FullBody-Pro”或“CN-Union-Pro-v2”，这类模型在训练时强制绑定OpenPose关节点回归头，能精准响应手肘弯曲角度、脊柱扭转方向；普通写实模型即使启用openpose控制类型，也仅能识别粗略轮廓，关节错位率超60%。
方法二：需强化线稿结构 → 优先选canny适配模型
如“LineArt-Refiner-1.3”或“Canny-Realistic-Merge”，它们在VAE解码前插入边缘增强层，对低对比度手绘稿敏感度提升3倍；用通用模型跑canny，常出现“线条断裂→AI脑补连接→手指多长一截”的典型错误。
方法三：需还原光影层次 → 锁定depth_anything兼容模型
例如“Depth-Photoreal-Base”或“SDXL-Depth-Optimized”，其CLIP文本编码器与depth预处理器共享特征空间，能将“窗边逆光”提示词与参考图深度图对齐；非depth专用模型会把明暗信息误判为色彩噪声，输出全图泛灰。
参数区强制绑定匹配关系
第一步：在在线创作页顶部CHECKPOINT下拉菜单中，选定已验证兼容的模型（如“F.1超清纯感人像写实”）→页面自动刷新，右上角高级设置区出现ControlNet开关。
第二步：点击ControlNet开关启用 → 在Control Type下拉菜单中选择类型（如openpose）→此时下方预处理器应自动变为“openpose_hand_body”，若显示“none”或“canny”，【立即刷新页面】，这是缓存导致的通道映射错乱，硬切类型无效。
第三步：上传参考图后，观察右下角状态栏——必须出现“ControlNet: openpose ✔｜Preprocessor: openpose_hand_body ✔｜Model: F.1超清纯感人像写实 ✔”三重确认标记。任一环节显示❌或空白，说明模型与ControlNet未建立数据通路，生成必然失效。
第四步：调节Control Weight至0.75–0.9之间（过高易僵硬，过低失结构），End Step设为0.8，确保控制信号覆盖扩散中后期关键去噪阶段。这一步不能跳过，通用模型默认权重0.5无法驱动写实结构收敛。
