naiu net 买了节点怎么用

所以我们还需要去进行一个 ctrl net 的一个节点的搭建，现在呢，我们去加载一下这个 ctrl net 这边直接搜这个 ctrl net 点击这个，点击这个之后呢，然后把这个反向提示词给他连接到啊，正向提示词连接到这反向提示词也连接到这， 然后这个给它取消了，这个也给它取消了。取消了之后呢，然后这边再去连接一个 contronator 的模型，同样的这个 contronator 呢，它也有一个模型的。哎，这个模 模型好像加载错了，那明显不对，我们再去看一眼，是这个， 然后这边的话，我们把它这个加载的模型呢，是用来控制他这个姿势，所以呢，选择这个 openpose 这样的一个控制姿势的模型。加载完成之后呢，下一步我们还需要去增加一个 e 处理器， 就是我们在这个 sleep 皮肤优型它 web ui 当中看没，这边这个 ctrl net 它同样也是有一个易处理器，看到没？易处理器这边在这个 comfort ui 当中呢，同样也是需要去加载一个易处理器。这边双击一下，直接搜吧 dw m 这个 dwm 呢？是啊， dwp 啊，这个呢是一个改进之后的一个姿势控制的一个易处理器，他会相对传统的这个易处理器呢，效果会更加好。所以呢，用这个。 接下来呢，我们再去通过这个一处理器之后呢，再去加载一个图像，这张图像呢，我们把那个亚瑟给他增加进来，这边亚瑟，嗯，竖插， 把亚瑟给他增加进来。增加进来之后呢，现在我们再去把这个这里这里调一下，选中之后给他节点控制一下，按住 shift shift， 然后可以 同时移动多个节点。这边呢再去增加一个节点，就是这个预览的图像预览的一个节点，这边的话预览就是我们生成的那个姿势的一个预览图。接下来呢我们就可以点击这个生成，再来看一下， 哎，这边没连过来，所以他报错了，看来他报错呢，他会变成这个红色的圆圈圈，现在我们再去生存一下， 那么他就会根据这个姿势呢进行这个控制。当然呢现在这张图呢，他这个比例不太对，所以他生成的这个图像就不是很好看。这边呢我们把它这个 这边调成七六八，然后下边高度的话给大家调成九幺二。调整完成之后呢，我们再去点击这个生成， 看来他现在呢就有了这样的一个效果，但是呢这个效果明显不是很好啊，所以呢我们把这个这个钱重稍微给到零点八，就是这个 ctrl net 这个模型的钱重给他给到零点八， 然后再来试一下， 看到没，这张图呢，就相对来说要效果要好那么一点点，但是这张图的这个分辨率会比较低，所以呢最后一步的。

大家好，今天讲的是 control net 应用节点 dips 模型的搭建。 dips 模型也叫做深度图模型。在我们使用 dips 模型前，我们先来了解一下这个什么是深度图。 深度图也被称为距离影像，指的是图像采集器采集到图像中各个场景区的距离。 深度图一般会使用挥接数值零到二五组成图像。挥接数值为零的区域也就表示图像中最远的区域，也就是这里的黑色区域。挥接数值二五五则表示图像中最近的区域。 颜色越白，它的距离也就越近。我们可以看到这个预处理器处理的效果图。 dips 模型，它提取了这个修道院中元素的前后紧深关系，以此来生成了深度图，颜色越白，它的距离也就越， 然后再将它复用到绘制的图像中。因此，当画面中物体前后关系不够清晰的时候，我们就可以通过 dips 模型来辅助控制。 我们把这个图像清空一下，我们新建节点，找到。 control net 预处理器 法项与深度。我们可以看到这个 dips 在预处理器中有三种处理方式， laras 深度预处理器， madas 深度预处理器以及这个 zoe 深度预处理器。我们把它加载过来， 我们加载一下这三个深度预处理器，然后来看看他们之间的区别。 我们加载一个图像， 把它连接过来，输出到预览图像中， 上传一个我们要处理的图片，然后把这个分辨率修改一下，要和他的图片的高度一致，所以这里是七六八。 然后我们点击提示词对列， 我们可以看到 laras 与处理器的他的成像焦点在中间的紧身层，也就是说他可以有更远的紧身，而且他的中距离物品的边缘成像会比较清晰， 但是他的缺点是近景中的图像边缘会比较模糊。这里我们来讲讲他的两个特殊参数，也就是这个前景移除和背景移除，这个预览图像他的前景移除和背景移除都是零，然后我们把这个前景移除改为二十， 接着我们点击提示死对列进行生图，我们可以把它与原图进行对比， 也就是说前景移除他移除的是灰度值为二五五的元素，简单来说他就是保留了图像中距离远的元素。 然后我们再来看这个背景移除，我们把背景移除改为二十， 前景移除改为零。我们可以看到这里的背景移除他与前景移除是相反的，前景移除我们刚刚说了，他保留的是图像中距离远的元素，而近景移除他是保留距离近的元素，这里我们根据自己的需求进行修改就可以了。 然后我们再来看下一个它的深度域处理器。 madas 深度域处理器，它是一个经典的深度域处理器，同样也是我们最常用的一个深度域处理器。 最后一个是 zoe 域处理器，它的域处理参数量是最大的，所以它的处理速度相对来说会比较慢一点。它 它的实际效果上可以经过这三个图对比，可以看到 这个是原图，我们 可以看到它的实际效果上，他更倾向于强化前后紧身的对比，也就是说他更适合处理场景比较复杂的图片。我们根据自己具体的深图要求选择合适的预处理器就可以了。 我们把这个界面清除，然后我们导入一个纹身图的工作流。接下来我们要怎么把这个 control net dips 模型加到这个纹身图中呢？ 在这里我们就需要新建一个 control net 应用节点，把它作为条件参与整个绘图的引导。我们在新建节点中 找到条件，然后里面有个 control net 应用，我们可以看到这里的 control net 应用，它有三个输入， 一个，一个是条件， control net 和图像。 control net 它一般都需要输入模型，而模型一般它都在 control net 加载器中，所以我们这里连接到 control net 加载器上。 注意这个加载器模型名称一定要选择和预处理器相对应的模型名称，所以这里是 deeps， 它的图像要处理的是预处理后的深度图，也就是我们这边 deeps 预处理的深度图，所以我们在这里需要新建一个预处理器。 control net 预处理器，法像和深度里面找到 zoe 深度预处 理器，这三个里面大家选择合适的深度预处理器就可以了。我选择是，我选择的是 zoe 深度预处理器。 然后我们把图像连接到加载图像上，这里的处理好的深度图输出到 control net 应用的图像里面。 ctrl net 应用，它串联在 clip 文本编码器节点和 k 采氧器节点之间，所以我们把它连接过来， 这样我们整个工作流就搭建好了。接着我们把要处理的图片导入过来，也就是这里的这个 修道院的图片。这里的 control net 加载器模型已经修改好了，大家如果没有修改的话，这里千万不要忘记修改， 然后大模型就选择真实感大模型，我们把这个克力特文本编码器里的提示词输入一下，正面提示词输入质量词，然后加上修道院负面提示词，我们选择常用的负面提示词就可以， 注意这里的预处理器分辨率要记得修改一下，要和原图保持保持一致， 我们把这个随机种子更换一下，然后步数输入二十，采样器选择欧拉采样， 洋气降噪就是一，因为是纹身图，然后空蓝藤的宽高度我们进行修改一下，也是和原图保持一致，宽度是五幺二，高度是七六八。 修改完了之后，我们就可以开始进行深图了，我们把原图和深沉透的图片了放到一块进行对比， 可以看到这样我们就完成了整个修道院的修复，这个深度图模型它适用于所有有前后紧身对比的图片，我们都可以通过这个模型来提取紧身关系，然后生成我们需要的图片。好了，今天的内容到这里就结束了，我们下期见。

大家好，今天讲的是 control net 应用节点 t r i adopt 模型搭建，它可以将图片处理成颜色像素色块，然后通过颜色像素色块重新绘制图片。我们通过提取这个真人图片的色块， 通过 ctrl net 控制，将颜色像素色块进行了重新绘制，生成了颜色相同的动漫人物。 接下来我们来看一下它的预处理器。我们新建节点，在 control net 预处理器中找到 t r i 适配，里面有一个 color 颜色预处理器，这个就是 t r i adopt 模型的预处理器。我们把它连接上加载图像，这里输出到预览图像， 选择要处理的图片，我们把这个分辨率进行修改，点击提示词对列声图。 我们可以看到，这样的话，他就将图片处理成了像素色块。接下来我们来看一下这个工作流的搭建。我们把画面进行清除。首先我们导入一个纹身图的工作流， 接下来我们如何去把这个 control net tri adopt 模型加进来呢？在这里就需要新建一个 control net 应用节点，让它作为条件参与整个绘图的引导。我们在新建节点条件里面找到 control net 应用， 我们可以看到这里的 control net 应用，它有三个输入端条件 control net 和图像。 control net。 它需要输入模型，而模型一般都是在加载器中的，所以我们这边连接到 control net 加载器上。 注意这里的模型要选择和预处理器相对应一致的模型，所以这里就是 这个 color 模型。它的图像指的是要处理的与处理后的结构图，也就是我们这边经过 color 与处理器处理后的色块图。所以我们在这里新建一个 control net 与处理器， 开了颜色与处理器，然后把它输入过来 ctrl net 应用，它需要串联在 click 文本编码器节点和 k 采样器节点之间。那我们就把它直接连过来，这个条件输出到正面体式词中。这样的话我们整个工作流就搭建好了。接下来我们进行声图。 我们把要提取像素色块的图片上传到这个加载图像中，这里的分辨率要记得修改一下。 control net 的模型我们已经选择好了，要和预处理器一致。接下来我们来更改这个大模型，因为我们要生成的是动漫图片，所以这个大模型我们要选择动漫大模型。由于这个动漫大模型它自带的 va 一效果不好，所以我们这里可以给他新建一个 va 一加载器。 我们把这个 v a 一输入过来， v a 一的模型记得修改一下。接下来我们来填写提示词，我们在正面提示词中输入质量词，然后加上一个女孩。 负面提示词中输入人物通用的反向提示词。 接着我们来到 k 采样器参数，我们的步数调整为二十采样器选择欧拉采样器，降噪就是一，因为这边是纹身图。最后调整一下这个 lanton 的宽高度，我们这里的宽度是五幺二，高度是七六八。这样我们整个参数就设置好了。接着我们就可以开始进行生图了。我们点击这个提示词对列。 我们把这个生蚝的图片与原图进行对比， 我们这里可以明显看出他生成的图片就是利用原图处理出来的像素色块进行重新绘制的，这样可以让 ai 有更大的绘制空间，而且同时保证了他不会失去原图的构图和色彩。好了，今天的内容到这里就结束了，我们下期见。

大家好，今天讲的是 control net 应用节点 scribe 模型搭建。前面我们学了 cane 和 soft age 的线条类 control net 模型，他们更多的区别是在于线条的宽松度，也就是说 ai 的发挥空间的大小。 如果我们需要更宽松的空间让 ai 发挥，那我们在这里就引入了一个新的模型 scrib 模型。 我们通过 scrap 模型可以提取一张图片的元素线稿图，然后用这个线稿图通过 control net 控制纹身图。通过不同的关键词，我们可以生成很多意想不到的图片， 比如说我这里的海龟变为宇宙飞船。 scrub 在预处理器中有三种预处理方法，我们来看一下新建节点 ctrl 预处理器。在线条 里面可以看到这里有 scrap 涂鸦浴处理器， scrap x dog 涂鸦浴处理器，以及以及这个伪涂鸦浴处理器。 还有一个 x dog 与处理器。 那接下来我们来对比一下他们的区别。我们加载一个图像， 把它分别连接过来， 输出到预览图像中。注意 g 的分辨率，它一定要和 原图设置一样的分辨率，不然的话会影响出图的效果。然后点击提示词对列。 我们明显能够看到他们不同的预处理器经过处理，他们每个细节都会不一样。这里的伪涂鸦细节是最少的， 所以大家可以选择自己喜欢的预处理器处理的效果来进行深图就可以了。接下来我们导入一个纹深图的工作流，然后我们看看如何把这个 control net scribe 模型加进来。 在这里我们需要新建一个 control net 应用节点， 让他作为条件参与到整个的绘图引导中。在新建节点条件里面找到 ctrl net 应用。 它的输入端有三个条件 control net 和图像。 control net 它需要输入模型，而模型一般都是在 control net 加载器中的，所以我们这里新建一个 control net 加载器。 注意它这里的加载器名称一定要和预处理器相对应，所以我们这边要选择 subscribe。 然后我们把 control net 连接过来， 它这里的图像要处理的是预处理后的结构图，也就是我们这边经过 scrab 预处理器处理后的线稿图。所。 所以我们在这里新建一个预处理器。 这三个涂鸦浴处理器，我们选择自己喜欢的处理效果就可以了。我这里选择的是这个伪涂鸦浴处理器。然后我们把图像连接过来， 我们这里加载图像。 然后我们把这个 control net 应用串联在 clip 文本编码器和 k 采样器节点中间， 这样的话我们整个工作流就搭建好了。接着我们把要处理的海龟图片导入过来， 这里的 control net 模型一定不要忘记与选择与预处理器一致。我们这里已经选择好了。这个海龟是真实图片，所以我们这里大模型选择真实感大模型。 接着我们来输入正负面提示词，我们想把这个海龟变为宇宙飞船，所以我们正面提示词中输入质量词，加一个宇宙飞船。负面提示词中输入通用的负面提示词。 接着我们来调整 k 采样器的参数值，我们把这个选择为随机，然后步数设置为二十步。采样器我们选择欧拉就可 可以了。降噪选择一，因为我们这里是纹身图。接着我们调整这个空 lantern 的宽高度要与原图像设置为一样的，所以我们这里是五幺二乘以五幺二。 整个参数值设置好之后，我们就可以开始生图了。我们点击这个提示词对列， 可以看到这样一个形似海龟线条的宇宙飞船就生完了，是不是很简单？当然我们在这里还可以导入自己的随笔画。 要注意的是，因为它已经是线条了，所以我们这边连接的时候直接连连这个图像，连接到 ctrl net 应用中就可以， 我们不需要经过预处理器处理了。然后我们调整一下自己的各项参数值， 这个 control net 模型我们已经调调整过了，大模型也不必调整了。然后我们把这个正负正面提示词改掉，我们输入一个在致敬的女孩，然后加上一些质量词， 负面提示词还是用这个通用的负面提示词。我们这里的步数选择二十，然后采样器选择欧拉采样器。 降噪还是一，因为还是纹身图，空蓝天的宽高度和原图保持一致，五幺二乘五幺二。接着我们开始生图， 可以看到这样一个寥寥几笔的简笔画就生成了一幅图。好了，今天的内容到这就结束了，我们下期见。

大家好，今天讲的是 control net 应用节点 candle 模型的搭建，我们通过 candle 模型可以把这个夜色树林图转化为阳光照射下的树林图。要处理的夜色树林图通过 candle 与处理器得到一张现稿的图片， 然后我们用这个线稿图通过 control net 控制纹身图，最终得到我们需要的阳光照射下的树林图，我们把它清除一下。首先我们先导入一个纹身图的基础工作流， 那么接下来我们如何去把这个 control net kind 模型加进来呢？在这里我们就需要新建一个 control net 应用节点，由它来作为条件参与整个绘图的引导。我们在新建节点里找到 control net 应用， 我们可以看到这个 control net 应用，它有三个输入端条件， control net 和图像。 control net 它一般需要输入模型，而模型一般都是在 control net 加载器中的，所以我们在这里需要新建一个加载器， 然后我们把它连接过来。注意这里加载器别忘了选择， 我们要选择与玉处理器相对应的 cane 模型，它的图像要处理的是欲处理后的结构图，也就是我们这边经过 cande 处理器处理后的线稿图。所以我们在这里需要新建一个 cande 处理器。 找到这个 candy 细致线域处理器，然后我们把图像连接过来。这里的 candy 细致线域处理器 的图像需要由加载图像进行传输过来，然后在加载图像中导入我们要处理的图片。 ctrl net 应用，它是串联在可立普文本编码器节点和可以采样器节点之间的。我们把这个条件连接过来。 这里的 control net 应用条件输出到正面体式词中， 这样我们整个工作流就搭建好了。我们可以看到这个 canned 细致线域处理器，它有两个 特殊的参数值，低预值和高预值，预值越大，他检测到的细节也就越少。那我们这里拿一个极限数值来进行对比。我们复制两个 canned 细致线域处理器过来， 然后把它连接到加载图像上， 其中一个保持不变。还有一个我们把这个低预值改为零，高预值也改为零。然后输出预览图进行对比， 我们把这里的 k 采样器忽略，点击提示词对列进行声图， 这样就很明显能看出来玉值就会影响他的检测细节。除了特殊参数之外，组件中还有一个分辨率，这里的分辨率指的是预处理后图像的高度 分辨率，他会直接影响出图的效果，所以我们这里的分辨率一定要把它和原图设置一样。这里的原图分辨率是七六八，所以我们改为七六八。 接着我们就来实操。首先我们在这个加载图像中加载我们要处理的夜色树林图， 这里的分辨率我们已经改好了，要和原图保持一致。 control net 加载器的模型也要选择和这个预处理器的模型选择一致，这里都是 canny 预处理器， 这里的 ctrl net 应用节点中有一个强度，这里的强度指的是控制权重，我们可以多试几个值，选择自己喜欢的生图效果就可以了，尽量不要偏离一太多模型，我们就选择真实感大模型。 然后我们来输入提示词，正面提示词里面我们输入一些质量词，然后加上阳光和白天。 负面提示词中我们输入通用的负面提示词，我们把这个 k 采样器节点打开， 注意这里的空 lantern 宽高度也要设置，也要和原图保持一致，所以这里的宽度是五幺二， 高度改为七六八。在 k 采样器中，我们采样器选择欧拉采样器步数调整为二十。降噪，因为是纹身图，所以降噪选择一，我们设置好了之后就可以开始声图了，可以看到这样就完成了一个对图片环境的改变。 这个模型在实际应用中，我们可以用来真人转化为动漫，或者是动漫转化为真人，或者就像我们这里操作的一样，进行一个风景季节的转换。好了，今天内容到这就结束了，我们下期见。

大家好，今天讲的是 control net 应用节点 m l s d 模型的搭建，这个模型它是专门识别直线的，所以在建筑室内方向的处理上是比较好的选择。比如说我们可以对毛坯房进行硬装， 要处理的毛坯房通过 mlsde 处理器得到一张直线的线稿图，然后我们用这个线稿图通过 ctrl net 控制纹身图，最终得到我们要的硬装图。 我们把这个画板进行清除，来看一下它的预处理器。我们新建节点，在 control net 预处理器中找到 m l s d 预处理器， 也就是这个 m l s d 线段域处理器，我们可以看到它只有一个域处理器。我们新建一个加载图像，然后 连接过来，触到预览图像中，然后我们上传一张图片，我们把这个分辨率进行一下修改，要与原图的高度保持一致。然后我们点击生图， 我们可以看到这个原图的室内环境中，它是有人物的出现的，但是我们在新生成图片中，如果不希望有人物出现，那我们使用这个 m l s d 模型，它就可以很好的避开人物线条的检测。 这里它有两个特殊的参数，一个是刻痕预值和距离预值。我们来看一下这个第一个刻痕预值， 刻痕预制的范围是在零点零一到二之间，我们把它调到二， 然后预览图像，把这个图像断开，我们与他进行一个对比， 可以看到他就没有线条了，那我们把它调到零点二， 然后进行深涂， 我们可以发现这里的话，刻痕预值的值越小，他检测到的指线也就会越多。接着我们来看这个距离预值， 我们把这个距离预值调整到十，然后输出到预览图像中， 我们把这个图像断开，点击提示词，对列声图距离预值，他的值越小就代表距离小的直线他能够被检测出来，而值越大的话，他的小距离直线就不会被检测到。 我们可以把这个图片进行对比，就能很明显看出他们之间的区别。接着我们导入一个纹身图的工作流，我们先把这个画布进行清除，然后加载一个纹身图的工作流。 接下来我们要把这个 control net m l， s d 模型 加过来，在这里我们就需要新建一个 control net 应用接点，它在条件里面。 control net 应用这个 control net 应用它有三个输入端，条件， control net 和图像。 control net 它需要输入的是模型，而模型一般都在加载器中，所以我们这里连接到 control net 加载器上， 他的图像指的是要处理的预处理后的结构图，也就是我们这边经过 mlsd 预处理器处理后的线稿图，所以我们这里新建一个。 control net 预处理器， 找到 m l s d 线段与处理器，然后我们把这个图像输出输出过来，这里新建一个加载图像 节点。 ctrl net 应用接点，它是串联在 click 文本编码器和 k 采样器之间的，所以我们直接把它连接过来，条件输出到正面提示词中， 这样的话我们整个工作流就搭建好了。接下来我们对这个毛坯房进行硬装，我们把这个毛坯房的图片加载过来， 这里的分辨率要和原图保持一致，所以我们这边输入八三二， 注意这里 control net 加载器的模型一定要与这个预处理器保持一致，所以这里要选择 m l s d 模型，因为它是真实感图片，所 对这个大模型就选择真实感模型。接下来是提示词的填写，首先是正面提示词，就是一些质量词，然后加上现代化的装修、瓷砖、地板、电视机等 负面提示词，我们就用通用的负面提示词就可以了。这个强度我们调整到零点八 种子，进行随机步数，输入二十采样器，选择欧拉采样器。 这里的空 lantern 宽高度进行一下调整，也是要与原图保持一致，不然会影响出图的效果。这里的宽度是一千高度，我们就输入八百三十二。然后整个 填写完之后，我们就可以开始进行生图了，我们点击这个提示词对列， 我们把两个图片放到一起进行对比， 这样的话我们的毛坯房印装就完成了。我们在操作中，如果图片中的杂物比较多的话，很多不需要被检测，我们可以选择适当调大一点这个刻痕绿值 ctrl net 控制权重可以适当的调小一点，让改装更自然。 提示词我们也可以大胆的去填写，更多体现你对于改装的一些需求。好了，今天的内容到这里就结束了，我们下期见。

pk 怎么样查询自己的伪装度是否合格？下面这两个网站是拿来查你的伪装度是否合格的。第一个是活的耐的，这个是很多做跨境小白必须用的网站，只要你手机设置好之后，打开这个网站，下面会提示你哪里设置不合格，你只需要根据这个提示去修改就可以了。 第二个呢是 ipip 点 nt， 这个是查你自己节点的目标国，比如说你买美国节点是美国洛杉矶的，你打开这个网站用你开着你的节点打开它，上面必须要显示是美国洛杉矶的，不然这个节点就是骗你的，也是假的。

好，那么接下来呢， css 选择元素又一个非常重要的知识点来了，就是按照次序来选择，指节点，按照次序选择啊，这个是非常啊，非常常用的，大家一定要注意啊，一定要把它学会， 根据我们的教程，大家打开这个网址啊，打开这个网址，那么这边呢，大家看到这个网页里面有一些这个啊，唐诗和宋词的，大家看一下啊，一些内容啊， 假如说现在我们自动化的需求，是啊，我们要这样，我们要选择这个唐诗和宋词的第一个作者啊，就像比如这边就是李白，宋词的代表人物就是苏轼，唐诗就是李白的第一个，通常是代表人物嘛啊，我们就选择第一个， 那么我们分析这个唐诗和宋词这边安排的这个次序啊，大家可以发发现啊，唐诗里面这第一个，也就是 divid 的 t 里面的这个第一个 span 对不对？那么宋词呢？也是第一个 spa， 但是他们第一个 spa 呢，他在他的复节点里面啊，他是在第二个位置，因为前面还有一个唐诗和宋词分别这个类别，他放在更前面，对不对？上面还类别，这是第一个元素，那么这是第二个元素 啊，那么我们就可以发现这个规律了，我们就可以这样写，我们要选择的是啊，这个 id 就是这个 diy 啊，包在下面这个 diy 啊，他的啊， drv 里面的第二个元素，大家想想，这个 diy 里面第二个元素不是就是第一个作者吗？这个里面第二个元素也就是第一个作者， 是吧？那么我们怎么样选择啊？这个某一个节点里面的第二个指元数呢？这就是典型的根据次序来选择节点啊，根据次序选择， 根据次序选择呢，我们可以使用这个叫表达式，叫 n child 啊， n s child， 这个就是呢，根据第几个这个次序啊？那比如说我们刚才的举的这个例子里面啊，大家看一下，我们就是要选择呢， 大家看呐，我们可以这样写写这个表达式啊，选择的，首先他是 span 对不对？他是一个 span 内容，并且加上一个限定是第几个词曲，注意用冒号啊，这边要用冒号就是 次序啊，他是通过冒号来进行限制的啊，就是第几个次序啊？冒号，那比如说我们现在要选择的是啊，这个唐诗和宋 词的，也就是他的事变里面的第二个指指指元素，对不对？我们就这样写来看一下啊，我们可以写在这里面啊，你看这边找到的 就是啊，这个类型是 span 首先限定的，然后呢他是复原数的第二个字节，那类型是 span 的，这里面有 啊，这个，这个，这个都是变，对不对？但是他同时要是复原数的第二个直接点呢，那就只有这两个了啊，所以说你看选择是两个，你看是不是 就是李白和舒适。那么下面这个星期几呢？选不中，因为他虽然是 span， 但他不是复原数的第二个直接点，对不对？只有这个才是第二个，那么只要你的表达是是正确的，我们可以写在这个森林里面的代码 里面啊，我们访问一下啊，选择这个 spa， 并且是复言术的第二个，我们看他选出来的结果运行一下，我们把他结果的对应的 htm 要把它打印出来啊，运行完之后你发现啊，对应的正好是啊，我们选择的就是李白和苏轼， 就是这边的这个啊，两个元素。 那么假如说啊，你假如说你要选择的只你没有加这个限定啊，你不加这个节点类型的限定，就写个恩施恰恰的，那这个就多了，对不对？只要他是复原数的第二个直接，你看这边有好多啊，你看这个探讨，他也是复原数的第二个直接点，对不对？再往下 啊，这个包袋，哎，包袋他也是复原数的第二，他的复原数是谁？是 htm， 对吧？这是第一个，第二个嘛，所以他也被 选中了啊，主要他是不管你这个层次深度的，只要他是复原数，第二个都会被选中。那比如再往下啊，这个是半，他是复原数，他的复原数是 drv， 对不对？再往下 这个第二位本身也会被选中，为什么呢？因为他是复原数包带的第二个啊，所以这个选择就很多了啊，如果说你不加限定的话，他只要是复原数的第二个就可以了啊，所以通常我们一般的跟这个用的是加上限定的， 那么当然了，如果你加上 id 的信念，比如说我们刚才只只想找，比如说我们现在只想找唐诗的啊，代表诗人就是第二个 spain。 第二个元素啊，他我们不知道，不管他是什么标签，第二个元素就是这个诗人的名字，那么我们就可以加一个范围的限定，也可以不接不在前面，对不对？比如说 id 等于 t 一的唐诗的啊，就是 id 等于 t 一的里面的什么空格？主要是空格哦，它里面的第啊，第二个 啊，元素不一定指定是变也可以，对不对？那这样的话你就范围缩小了吗？这样也行啊，假如说你要这样找啊，那么这样呢，我们可以或者你用这个啊，这个大约号也是可以的啊，也是可以的，来注意啊， 那么这个呢，是次序是第几个对不对？有，但是有的时候啊，有的时候我们会倒过来，就是我们倒数第几个， 那么这个时候呢，要选择复原数的倒数第几个，直接点的话呢，我们就用什么呢啊，就不是摁死恰咬的，而是摁死一就是杠拉死的恰咬的啊，表示倒数的意思， 比如说啊，我们要选择唐诗和宋词，这里面列出的最后一个一首唐诗和最后一首宋词，那怎么选呢 啊，那么在这个网页里面，那么最后一首呢，注意就是什么？大家可以发现最后一首都是最后一个屁，对不对？那你可以这样写了，把前面这个限定去掉啊， last， last child， 然后呢？好注意哦，冒号别忘了啊，什么最后一个，倒数第一个是一嘛？倒数第一个是一啊，然后呢 啊，这就是选择了，我们就是你这个没加类型的限制，那就所有都选了，对不对？那你如果要加类型的限制呢，我们可以 指定他是屁类型的，对吧？因为他最后一个他节点类型是屁吗？那么加上这个屁的限制，大家可以发现哎，选择的最后一个节点，并且他是屁类型的，对吧？那就是啊，我们选择的送词的最后一首和唐诗的 最后一首，所以说这个辣死的可以倒数的来选，那么你倒数第二首呢？那你只要选辣死他二，对吧？那宋词的倒数第二首是这个对不对？唐诗的倒数第二首呢？ 啊？可能说，哎，唐诗的倒数第二首为什么没有蓝？怎么怎么只能选择一个啊？因为你看哦，这个唐诗的 最后一首，他是什么倒数第二首，倒数第二个节点啊，你看他是首先，你要这，你注意这个表达是有两种限制，第一个他是屁类型，第二个他要求是负节点的倒数，第二个是 节点，对不对？那么你这个是满足的他是屁类型，并且是倒数第二个节点，那么这个呢？啊，这个屁呢？他不满足，他虽然是屁节点，但他不是倒数第二，他是倒数第一个，他的倒数第二个是变成死笨了，对不对？是死笨的倒数， 呃，他是调第二个节点，所以说他没有被选中。像这种类型里面啊，你只倒数第二个，你只能选动这个 送迟到的，因为他这个他不满足这个条件，所以说你一定要注意这个拉色，恰好的他的限定是双，这个他是限定复原数的位置，并且同时得他的类型做的双重的限定。 好，我们现在再回过头来看刚才的例子啊，我们刚才讲了，我们要选择唐诗和宋词的第一个作者啊，第一 作者，那么在这个 diy 里面，他各自是什么？第二个节点，但是我们仔细看看他，他又是第一个失败类型的节点，是不是？ 那么我们有没有种语法来选择的元素？我们不管他是啊，复元数的第几个直接点，只要他是某种类型的第几个啊，比如说第一个，那不是很方便吗？对不对？他是变类型，我不管他上面有几个，只要是变类型，他排在第一个，因为每个人的名字，他 作者名都是用 span 来表描述的，是不是第几个 span？ 第一个 span 就是李白，第二个 span 就是杜甫，对不对？所以 spa 就代表了人的名字，那我们能不能按照这个类型来选择第几个呢？啊，那么也有啊，因为这个也是非常常用的，所以说看我们的教程上面， 那么我们要指定是复原数的第几个某种类型的这种直接点可以用 n 次 of type， 对不对？刚才是 n 次掐的。比如说啊，我们举着例子，唐诗宋词的第一个作者，因为他是 这个第二个指元数吗？ spa 类型是第二个指元数，是 spa 类型，你可以这样写 spa 类型，并且是第二个指元数，嗯，是恰好的，那么更好。其实这个例子里面更好的方法呢，是选择的是第一个 spa 类型的指元数，可以直接用什么呢？ spain， 然后 insert type， 一猪腰，刚才的那个 spangsbacho 的，你得写二，因为他是第二个节点，但是这个类型的 span 同时这个 span 类型的他是第一个。所以说你这边，嗯，如果用 ansft type 的话就是一啊，就是指定是某种类型，用 instant type。 注意这个也是非常常用的啊，也是非常常用，所以说呢，我们选择 这个， 在这里面呢，我们还可以用这种写法。 span nctibe 就是 我们要找的这个是半呢，他是复原数的第一个是半类型的，对不对？第一个是半节点啊，第一个是半节点，我不管他的位置，只要他是半种类型，他是第一个就行了，那么这样选出来呢，也可以选到唐诗和宋词的第一个作者，并且这种方法我觉得比刚才更好，更加的精确， 对不对？大家可以看到这个下面这个第二个四遍他不会选中，因为他是四遍类型的第二个，所以他不会选中。如果我们要选择四遍类型的第二个呢？就是我们要选择唐诗和宋词的第二个作者呢啊，我们就可以用 这样加个二，你看啊，是不是选择第二个度谱第二个心气急，对不对？这种方法其实 你可以可以看到，跟刚才的恩施恰的比，各有各的用途，比如说恩施泰的用这边你要选择第几个作者，他就非常的方便，因为思变类型都是代表 作者的，对不对？你看这边都是作者，这是多作作，这是也是作者，这也是作者，对不对？那你要选作者，你用恩施太婆就非常方便了，你选第一个就写一，第二个就写二，对不对？但是你用恩施恰好的呢？反而不方便，为什么？因为你的这个，每个人的他的这个，他的这个，这个这个 吃的个数是不不一定的，对不对？有的多有的少，那么你比如说你用四倍啊，你来选择这个， 只是按照他的固定次序，你就没法选了。比如说你用你选择送词里面的第二个作者你，你就用 nc 掐要的，你怎么选啊？ 啊？用安史掐要的， 你没法选，为什么？因为你硬是掐要的啊。如果是 spa 类型啊，当 spa 类型代表他是这个作者嘛，但是你要选第二个作者呢？你不好写二，为什么啊？ 因为你你，你看哦，你二的话，你是代表第二个节点，他不是第二个类型，对不对？你选择选择的就是其实是第一个了，对不对？那么你要选择第二个类型，那比如说有人说那肯定是，比如说一二三四嘛，这是第四个，对不对？ 哎，但是你不能这么写，为什么？因为你不知道将来李白他会添加几。他肯定不止一首诗吧，现在是一首，但是这个四边位置会随着这个啊，这个诗人的这个诗啊，他这个里面添加的多，他这个位置会往下移的，对不对？所以说你不能直接固定 第几个节点，那么你用第几个某种类型的节点就合适了，对不对？因为类型他这个 spa 的类型他是，呃，不会变的，第一个 spa 类型肯定是第一个做的，第二个 spa 类型肯定是第二个做的，对，不管你中间差了多少个，呃， 比如说作品啊，这个差了多少个 p， 这个节点，因为一个作品就代表有一个 p 吗？对不对？你差多少个都没关系，因为你 spin 这边始终是第二个 啊。所以说呢，这个恩师傅太太有他啊，特别独特的用处啊，所以说恩师，恩师，亲爱的和恩师太啊，不太法，大家要灵活使用啊，在实际的使用场景中啊，恩师傅太反而更加的常用啊，更加常用。 那么跟刚才这个 nc 恰要的，我们不是有倒正数，有倒数吗？这个 ncf 太捧的，当然也有倒数啊，因为倒数就是什么，大家可以猜出来啊，刚才跟刚才那个写法呢，是类似的， 就是 ins。 什么 last of type 啊，加个 last， last of type 啊，就是倒数第几个类型的， 比如说我们要选假如说我们要选择唐诗和宋词的倒数第一个作者， 就是你在里面出现倒数第一个作者，那你用这个拉萨太不就很好选，对不对？摁死，拉萨太不一，因为 spa 类型的倒数第一个肯定是最后一个作者吗？你看这个送词的最后一个作者，那肯定可以选中，因为他是倒数第几个吗？对不对？所以说大家发现啊，这个 啊，这个根据类型的第几个来选，其实是非常非常常用的啊，大家一定要学会。接下来呢，我们再来看一个这个激素和偶数节点 个呢，有的时候也会用到啊，用的场景呢，不是特别常见呢，有的时候会用到，就是恩施卡的里面啊，你们加一个这个一问和二的啊，就你不写具体的数字，而写个一问一问就是激素啊，就是偶数，就是平，对的嘛，平平的啊，奥的呢，就是激素啊， 比如说我们要选择， 我们要选择 id 是 t 一的这个 div 下面的所有的激素结点，那怎么写呢？我们可以这样写， id 是 t 一下面的什么呢？激素节点啊，注意，我不管他是什么类型啊，不管他是什么类型，激素节点，那就是什么，嗯， child 啊，激素是奥的，奥的，那么你 你看哦，有几个呢？一，就这几个，大家看对吧？一二一三五嘛，一三五，这是基数节点，那偶数节点呢？就是一稳 啊，那么就是二和四，对不对？这是激素和武术，激素和武术有的时候什么交叉出现的时候会有用的啊，有时候交叉出现会有有用啊， 那么同样的道理，我们也可以选择什么呢？某种类型的激素和偶数，比如说我们看啊，这个 t 二 啊，这个 t 二里面啊，我们要选择的是 p 类型的基数和偶数，就是我们不是所有的都选。哦，我们选择的是 p 类型的基数和偶数，那你就可以加一个 啊， p 是吧？是 p 类型，然后呢？摁死 type 啊， ove type o sorry off， 把这个掐要的去掉，注意啊，我们选的是 p 类型的，疑问是偶数对不对？你看这主要他不管他在整体中是技术，还是说我们只管 p 类型的里面选，对吧？这个加 p 就限制他是 p 类型的啊， p 类型的这个偶数是什么？ 主要在 p 类型，其他的，这我们可以把它剔除掉，只剩 p 类型，这是第一个，这第二个，所以说这是第二个，是吧？这是 p 类型的第几个？ 第四个吗？第六个对不对啊？这样的，那激素呢？就是奥的啊， p 类型的激素啊，这个大家看一下，一是大家都可以了解一三五吗？对不对？最好这个和二是 掐，要的是不一样的啊，掐要的什么？是所有的类型，所有的类型里面基数和偶数，并且如果你加这个屁的这个节点的限制，还同时还得是这个节点类型是屁，对不对？比如说你这第一个他也是基数，但他类型不是屁，所以他不选 啊，所以你一定要搞清楚 n s ch 的和 n s tip 的区别啊，非常的重要，两者各有各的用途。

大家好，今天讲的是 control net 应用节点胎儿模型。搭建胎儿模型，它可以修补图片的细节。意思就是模型可以生成新的细节，并忽略现有的图像细节。 所以我们可以使用这个模型来删除一些不良的细节，然后添加一些精细的细节。在绘图过程中，他会忽略全局的提示词。 我们把一张图片分成若干个小块，然后我们输入提示词，比如说一个漂亮的女孩， 然后在每块里面进行放大，结果就会变成很多个女孩，而不是只有一个。但是在胎儿中不一样，他不会出现这种情况。在胎儿模型中，如果小块中有提示词对应的物品，他就会进行细节的补充。如果没有提示词，对于 这块来说就不会生效。我们把这个画布进行清除。在新建节点中找到 ctrl net 预处理器，其他里面有个胎儿平铺预处理器，这个就是胎儿模型的预处理器，他只有这一个预处理器。我们加载图像， 然后输出到预览图像中， 分辨率修改为原图一致七六八，然后点击提示词对列。 我们可以看到这个预处理器的它的作用就相当于是向图像增加了一个高斯模糊。然后我们将这个模糊后的图片交给太阳模型去添加更多的细节， 这样我们生成图片就会带有紧身了。我们可以看到他的组件中除了分辨率之外，还有一个迭代次数。我们把它修改为五， 然后输出到预览图像中。我们把这个预览图像断开，然后我们进行一下对比。 不难发现，这个迭代次数越多，也就意味着它的图像越模糊。接下来我们把这个画板进行清除。我们导入一个纹身图的工作流， 我们把这个 control net tire 模型加到这个纹身图中。这样的话我们就需要新建一个 control net that 的应用节点。在新建节点里面找到条件 ctrl net 应用，我们让这个节点作为条件参与到整个绘图引导中。 这里的 cctr net 应用，它有三个输入端条件 ctr net 和图像。 ctr net 它需要输入模型，而模型一般都是在加载器中的，所以我们这里需要连接到 ctr net 加载器上。 注意这里的模型要选择与预处理器相对应，所以就是踏模型。 他的图像要处理的是预处理后的图片，也就是我们这边经过太阳预处理器处理后的图片。所以我们这里新建一个预处理器，在其他里面找到太阳平铺预处理器，然后我们把 他处理好的图像输输入过来，这里连接到加载图像上。 分辨率进行修改。 control net 应用串联在 clip 文本编码器节点和可以采样器节点之间， 条件输出到正面体式词上。这样我们整个工作流就搭建好了。接下来我们导入要处理的图片， 就是这个女生的图片，然后分辨率我们也修改好了，就和原图保持一致。这里的 ctrl net 加载器模型也要和这里的预处理器的模型保持一致，所以就是 tou 模型。因为它是真实感图 图片，所以这些大模型我们就选择真实感的大模型。接下来我们要填写提示词，这里要注意他有模型绘图，他的主要内容就是以图片内的物体为主，就算我们这里的提示词写了，但是他的图片内没有这个物体的话， 那他的提示词也是不会起作用的。所以我们这里在填写提示词的时候，一定要注意填写这个图片里面有的物体。那我们这里就输入一些质量词，然后加上一个女孩 负面提示词，我们就用通用模板的负面提示词。 这里的强度我们调整为零点八， 种子改为随机种子，步数我们输入二十五。采样器选择欧拉采样器。降噪就是一。因为是纹身图， 这里的空 lantern 的宽高度我们要进行一下修改，宽度是五幺二，高度是七六八，也是与原图保持一致。 条件修改好之后，我们就可以进行提示词对列。开始生图。我们把两个图片放到一起进行对比， 我们可以看到对比图中它的物体细节增加了，同时也变得 的清晰了，然后也有了更好的紧身关系。整个图片与原图进行比较的话，他的真实感就变得更强了。好了，今天的内容到这里就结束了，我们下期见。

我可以这么说，只要你懂得炒饭啊，你就会用空飞 ui。 那么今天就来讲讲最近的 ai 绘图新贵空飞 ui 节点的搭建逻辑，以及罗瓦和 control net 的接触，还有使用叉 l 模型的时候需要注意的三个重点。 整文所有的资料都会放在简介。首先稳定扩散的核心就是这个 k 三 pro 了采样器，这个采样器一定是先整出来的，我们才可以一步一步由点到面搭建整个流程。采样是 ai 绘图的核心，而采样就等于炒饭的过程， 采样步数就是炒多少虾或颠多少次锅，采样到一定的步数就会趋于平衡，再继续炒，味道也不会有太大的变化。而 cfg 的决定是否完全按照客户的要求炒饭，客户要牛肉，你发现你没有用猪肉炒，那把牛肉换成猪肉的过程就相当于把 cfg 调小了一点嘛，也是不是很 香呢。而且同一家店的每一盘炒饭味道都不能差太远，不然有那么一两次不合口味人家就不来了。你就得选一个大模型，从 model 拉出来，选择 low 的 model， 这个模型代表了一个地区的菜系，就可以限制厨子的胡乱发挥。 除此之外，人家顾客也是有要求的呀，你有什么忌口啊？你要甜的还是咸的呀？要用牛肉还是用咖喱鸡肉啊？要的就写进正向提示词对不对？我们从 post 拉出线出来，插入一个提示词窗口，右键 till 命名为正向提示时，把口味填进去，之后反之 negative 拉出来一个重命名为反向提示时，把忌口的 进去里面。那好了，最后，你这盘炒饭的分量有多大呢？一般炒饭也分分量大，小份对不对？小份的五幺二乘五幺二，大份的一零二四乘一零二四。就从 later 一米举拉线条出来，到一米举插入一张空白的图， 这张空白的图尺寸决定了最终出图的尺寸。如果单画一个人物， sd 一点五就用五幺二， sd 叉 l 一点零就用一零二四，不然容易翻车。然后我们把 cliff a 全都连接起来，准备工作就结束了。需求有了，饭也炒好了，准备起锅倒盘子了。 如果说锅里的炒饭是浅空间，那么盘子里的炒饭就是所谓的现实空间。说白了，浅空间里面就是一堆不断的迭代的数字，我们需要用到一个解码器，解码之后倒进盘子里面，他才会变成一张图片。所以从雷特拉出来，我们可以插入一个 va 的扣的这个就是解码器，再从一面去 出来就可以保存图片。我们点击生成，然后我们可以看到，哎，他居然报错了，我们来看看是怎么回事，原来是 vae， 忘记连接了。 vae 我之前说过，是一种功能类似于滤镜的东西， 如果你要用模型自带的 vie， 或者是干脆就不用 vie， 我们可以把 vie 连上模型加载器中的 vie， 如果没有拖出来，可以直接加载一个新的 vie。 好的，我们点击生成，就大功告成。

大家好，今天讲的是 control net 应用节点 liat 模型搭建 liat， 它是一个专门提取线稿的模型。我们可以通过 liat 模型把真人图片转化为二次元图片。 要处理的真人图片通过莱 alt 预处理器得到了一张线稿图。然后我们用这个线稿图通过 control net 控制纹身图，最终就会得到我们需要的二次元图片。下面我们来看一下莱 alt 域处理器。我们在新建节点 control net 域处理器中 找到线条。可以看到这个 liat 在预处理器中有三种处理方式，分别是艺术线域处理器、动漫艺术线域处理器以及这个漫画艺术线域处理器。 我们把它都加载过来， 然后我们通过加载图像来分别看一下他们的出图效果。 把这些都连接过来，然后输出到预览图像中。 我们这里上传一张图片，注意这里的分辨率，他要和原图设置一样，所以我们这里把它改为七六八。 然后我们进行深涂。 这里的艺术线域处理器，它是能够处理细节最多的，然后漫画艺术线处理器，它是最抽象的。这里大家选择喜欢的域处理器，处理出来的效果就可以了。 我们可以看到这个艺术线域处理器，他除了分辨率之外，还有一个特殊参数，也就是这个粗糙化。这里可以开启和禁用。 我们把这个预览图断开，重新连接一个预览图，然后把这个粗糙化开启。我们把这两个图片进行对比， 我们会发现开启之后他的轮廓就会变得更清晰了，但同时他检测的细节就会变得粗糙。我们这里也可以根据自己的声图要求，然后选择合适的预处理器就可以了。接下来我们导入一个纹身图的工作流， 我们来看一下如何去把这个 control net lie art 的模型加进来。在这里我们就需要新建一个 control net 应用节点，把它作为条件，参与整个绘图的引导中。 我们在新建节点中找到条件 control net 应用。 control net 应用它有三 三个输入端，一个是条件 control net 和图像。这里的 control net 它需要输入模型，而模型一般都是在 control net 加载器中的，所以我们在这里新建一个 control net 加载器。 注意我们这里大模型一定要选择和我们的预处理器的大模型一致，所以我们这里也选择 liart 大模型。 这里的图像，他指的是要处理的预处理后的结构图，也就是我们这边经过来 alt 预处理器处理后的线稿图。所以我们在这里需要新建一个预处理器。 我这里选择的是 liat 艺术线域处理器。然后我们把它连接过来， 连接上加载图像节点 这边的 control net 应用。它是串联在 clip 文本编码器和 k 采样器之间的，所以我们把它串联过来， 这样我们整个工作流就搭建好了。接着我们把要处理的小女孩的图片导入过来， 这个粗糙化我们就把它关闭，然后分辨率修改成七六八，因为我要和原图的分辨率高度一致。大模型我们也修改好了，就是 light art 和预处理器保持一致。这里的强度不要偏离一太多都是可以的。 因为我们要生成的是二次元图片，所以我们这里的大模型要进行更改，选择动漫这个大模型。动漫大模型它自带的 v a 一效果不好，所以我们这里要新建一个 v a 一加载器。 然后我们把它连接过来。 接下来就是正负面提示词。我们在正面提示词中输入质量词和一个小女孩，然后在负面提示词中输入通用的负面提示词。 我们看到这个 k 采样细节点，我们把这个改为随机 步数设置为二十就可以了。采样器就选择欧拉采样器。降噪。因为是纹身图，所以这里就选择一。我们接着修改一下，这个画板的宽高度还是和原图保持一致，所以这里是五幺二和七六八。 这样我们整个参数就调整好了。然后我们就可以开始进行深涂。 他通过 control net 控制了纹身图，然后完成了我们的真人转 二次元的照片。同样它这个模型也可以完成二次元转真人的图片。我们还是在这里上传一个二次元的图片， 分辨率还是七六八，因为原图就是七六八。注意这里要更改一下大模型，我们把这个大模型改为真人大模型，因为是二次元转真人。 我们把这个 v a 一加载器去掉，因为我们用它自身带的 v a 一加载器就可以了。 我们这个正面提示词还是输入质量词和一个女孩负面提示词也一样，就用通用的负面提示词。采样器还是选择欧拉采样器， 步数调整为二十。接着我们就可以开始生图了。 好，我们把两个图放到一起进行对比。可以看到这样就完成了一个二次元图片转真人图片的过程是不是很简单？好了，今天的内容到这里就结束了，我们下期见。

大家好，今天讲的是 control net 应用节点 soft age 模型搭建，我们看到通过 soft age 模型，我们可以提取一张图片的元素线稿图，这个线稿图它的线条明显就比我们上节课学的 candy 线条柔软随和多了。 然后我们用这个线稿图通过 control net 控制纹身图，最终得到我们需要的图片。 soft age 在康复 ui 中有两种预处理方式，我们来新建节点，找到 control net 预处理器，看到这里的线条， 这里有一个 h e d 模糊线预处理器和 p i d i net 模糊线预处理器，这两个就是 soft age 的预处理器，我们把它加载过来， 那么我们来看一下他们的区别。我们连接一个加载图像， 图像输出到预览， 注意这里的分辨率，它是预处理后的图像分辨率高度，所以我们这里的分辨率大小要设置和原图一样的分辨率，那这里的话就是七六八，我们修改一下， 然后进行提示词对列。 在这里我们经过对比，会发现这个 h e d 的模糊线线条检测的细节它会更多一点，大家选择喜欢的玉处理器处理的效果就可以了。这里没有什么特别要注意的。同时，我们这个组件中除了有分辨率参数之外，还有一个增稳， 因为它是模糊线与处理器，所以这个增稳就和字面意思一样，如果我们把它打开的话，他就会增加这个线条的稳定性，如果我们关闭的话，他就会线条变得不那么稳定。那我们来进行预览看一下， 我们连接一个预览图，然后把这个预览图断掉，这里关闭。 这个关闭增稳之后的线条 明显就比这个开启增稳之后的线条变得柔软随和了很多，他的稳定性就没有那么强了。我们把整个画板清除， 接下来我们来导入一个纹身图的工作流，然后我们来看看如何把这个 control net soft age 模型加进来。 这就需要我们新建一个 control net 应用的节点，让它作为条件来参与整个绘图的引导。在新建节点中找到 条件， control net 应用， ctrl net 应用，它有三个输入端，条件， ctrl net net 和图像。这里的 control net 它就需要输入模型，而我们的模型一般都是在 control net 加载器中的，所以我们在这里新建一个 control net 加载器， 我们把它连接过来。注意，这个加载器的模型一定要选择。和预处理器的模型一样，我们这边是 soft age， 所以也选择 soft age。 它的图像要处理的是预处理后的结构图，也就是我们这边经过 soft age 预处理器处理后的线稿图，所以我们在这里新建一个预处理器。 这里 h e d 和 p i d i net 模糊线域处理器，大家喜欢哪个效果选哪个就可以了。我这里选择的是 h e d 模糊线域处理器。 我们把这个要处理的图像输入到预处理器中， 经过预处理器处理好的图像输出到这个 control net 应用的图像中。这个 control net 应用把它串联在 clip 文本编码器节点和 k 采样器之间， 这样我们的工作流就搭建好了。 我们以一个女生的图片来进行实操，试试这个女生可以看到他是一个真人，所以我们这里的模型要选择真实感大模型。这里的加载，这里的 control net 加载器我们已经选择过了，注意他一定要和预处理器以保持 一致。预处理器的分辨率要和我们的加载图像分辨率保持一致。这张图是五幺二乘五幺二的，所以我们这的分辨率就是五幺二。 接着我们来填写正负面提示词，我们在正面提示词中就输入了一些质量词，然后加上这个女孩的描述词，比如说仙女腮红等一些形容女孩的描述词。负面提示词中我们用这个常用的负面提示词就可以了。 种子我们改成随机采样器，选择的是欧拉，然后步数选择二十。降噪，因为是纹身图，所以我们的降噪不用改变，直接是一就可以了。注意这里的空 lantern， 也就是画板 大小要进行改变一下，也要和原图进行保持一致，所以我们是五幺二乘五幺二，这样我们整个条件就设置好了，然后就可以开始生图了。我们点击提示词对列， 可以看到这样图片中的元素都被提取出来了，然后我们通过 control net 控制纹身图完成了图片的生成。好了，今天的内容到这里就结束了，我们下期见。

大家好，今天讲的是 ctrl net 应用节点刷否模型的搭建。刷否也叫做随机洗牌，他是将图片进行随机打乱，然后经过训练可以重组图片，同时可以将其他图片的画风快速转移到自己的图片上。 这里要注意的是，这里的风格转移他和大模型是没有关系的。这是一个纯 control net， 我们可以理解为我将漫画图片的动漫风格转移到真实照片上。 即使大模型选择的是真实模型而不是动漫模型，他也不会影响我们。最终结果出来的是动漫风格。我们可以看到 这里要处理的水墨风图片，它通过刷否与处理器得到了一张打乱之后的重组图。然后我们用这个随机洗牌后的图片，通过 ctrl net 控制图声图， 最终转移到了这张真实照片中。下面我们把画板清除一下。我们来看一下他的预处理器。我们新建节点，在 controllight 预处理器中找到刷否内容重组预处理器， 这个就是刷否的预处理器，他只有一个预处理器。我们把它连接到加载图像上，输出到预览图像中。然后我们选择要处理的图片， 我们点击提示词对列进行生图，可以看到他把这张图片进行了内容重组。接着我们把画板清空一下来建立他的工作流。我们首先导入一个图生图的工作流， 因为它这里通过刷否与处理器得到的是一张重组图。然后它需要作用在我们需要处理的图片上，所以我们这里加载的是图深图的工作流。 接下来我们看如何把这个 control net 刷否模型加进来呢？在这里我们就需要新建一个 control net 应用节点，把它作为条件参与到整个绘图引导中。我们在新建节点条件里面找到 control net 应用， 可以看到这个 control net 应用，它有三个输入端条件 control net 和图像 control net。 它需要输入的是模型，而模型一般都在 control net 加载器中，所以我们这里新建一个加载器，然后把它连接好。注意 这里的加载器模型一定要选择和预处理器相对应的模型，所以我们这里要选择刷否。接着我们把这个图像连接起来，他的图像要处理的是预处理后的图像，也就是我们这里经过刷否预处理器处理后的重组图。 所以我们这里要新建一个 control net 刷否预处理器。我们找到这个刷否内容重组预处理器，然后把它连接过来， 这里连接到加载图像上。而 control net 应用它是要串联在文本编码器和这个 k 采样器之间的，所以我们直接把它串联过来， 条件输出到正面提示词里。这样的话，我们整个刷否模型工作流就搭建好了。接下来我们要把 进行重组的图片导入到这个预处理器的加载图像中， 这里的分辨率要和这个原图保持一致，所以就是五幺二。 control net 加载器的模型我们已经选好了，它要与这个预处理器对应。 接着我们看这个大模型。我们上面说过，这里的风格转移，他和大模型是无关的，所以我们这里保持嗯，保持模型不变就可以了。因为这里选择的是动漫大模型，所以他要另外接一个 vie 加载器，因为它本身内置的 vie 加载器的效果不是很好。这里要注意的是，我们这里是图深图。这里我们上面经过预处理器处理之后的重组图，它需要作用到我们这里的图片上，所以我们这里加 在图像中选择我们要进行处理的图片。这里的正面提示词和负面提示词我们都不必填写，我们把它删掉。约一加载器模型我们进行一下更改。 好了，我们来到 k 采样器这边，我们把这个种子改为随机步数调整为二十。采样器选择欧拉采样器。这里的降噪我们修改为零点八五。 调整好之后我们就可以开始进行生图了。我们把生好的图片和原图进行对比。 很明显这里我 我们就将这个水墨风的绘画风格快速转移到了这张真实风景图中，这样我们就完成了一个划分的转移，是不是非常的便捷呢？注意这个降噪不要太小，不然会完全不像这个要经过风格转移的图片。 所以我们正常是在零点八到一之间进行调整，大家可以多去尝试几次。好了，今天的内容到这里就结束了，我们下期见。