Aplicar controlnet con VAE - ComfyUI Built-in Node Documentation

Este nodo aplica la guía de ControlNet al condicionamiento de Stable Diffusion 3. Toma entradas de condicionamiento positivo y negativo junto con un modelo ControlNet y una imagen, y luego aplica la guía de control con parámetros ajustables de fuerza y temporización para influir en el proceso de generación. Nota: Este nodo ha sido marcado como obsoleto y podría eliminarse en versiones futuras.

Entradas

Parámetro	Descripción	Tipo de datos	Requerido	Rango
`positivo`	El condicionamiento positivo al que se aplicará la guía de ControlNet	CONDITIONING	Sí	-
`negativo`	El condicionamiento negativo al que se aplicará la guía de ControlNet	CONDITIONING	Sí	-
`control_net`	El modelo ControlNet que se usará para la guía	CONTROL_NET	Sí	-
`vae`	El modelo VAE utilizado en el proceso	VAE	Sí	-
`imagen`	La imagen de entrada que ControlNet usará como guía	IMAGE	Sí	-
`fuerza`	La fuerza del efecto de ControlNet (predeterminado: 1.0). Cuando se establece en 0.0, el nodo omite la aplicación de ControlNet y devuelve el condicionamiento sin cambios.	FLOAT	Sí	0.0 - 10.0
`porcentaje_inicio`	El punto de inicio en el proceso de generación donde ControlNet comienza a aplicarse (predeterminado: 0.0)	FLOAT	Sí	0.0 - 1.0
`porcentaje_final`	El punto final en el proceso de generación donde ControlNet deja de aplicarse (predeterminado: 1.0)	FLOAT	Sí	0.0 - 1.0

Nota: Cuando strength se establece en 0.0, no se aplica la guía de ControlNet y el condicionamiento de entrada se transmite sin cambios a ambas salidas. Nota: Si el mismo condicionamiento se reutiliza en otro lugar y ya contiene información de control, el nuevo ControlNet se enlaza después del anterior, por lo que se pueden aplicar varios ControlNets en secuencia.

Salidas

Nombre de salida	Descripción	Tipo de datos
`positivo`	El condicionamiento positivo modificado con la guía de ControlNet aplicada	CONDITIONING
`negativo`	El condicionamiento negativo modificado con la guía de ControlNet aplicada	CONDITIONING

Esta documentación fue generada por IA. Si encuentra algún error o tiene sugerencias de mejora, ¡no dude en contribuir! Editar en GitHub

Source fingerprint (SHA-256): b76b0683c05e38102280ca8b0bd23f39a9b9b1b4f52125c77c95686c0a06f398

​Entradas

​Salidas

Entradas

Salidas