结构化控制与精确编辑——让构图听话

本课导读

L6 解决的是"像不像"——身份、造型、风格的一致。但还有一类抱怨它管不了："人是同一个人，可我要她坐在窗边左侧、侧身回头，模型偏给我正面站姿。"这是结构问题：东西在画面的哪里、摆什么姿势、占多大——语言对空间关系的描述和对长相一样欠定（"左边一点"到底是多少？）。本课补上控制的第三块拼图：空间条件——让构图、姿态、布局精确听话；顺带学会三件精确编辑武器，让"九成满意的图"不再靠重抽。预计 55 分钟。

控制的第三块拼图

把 unit-1 至今的控制手段排一排，每种锚住的东西不同：

手段	锚住什么	锚不住什么
文字提示（L2/L3）	内容主题、氛围	一切精确的东西
参考图（L4/L6）	身份、造型、风格——"长什么样"	构图、姿态——"摆在哪"
空间条件（本课）	结构——边缘、深度、姿态、布局	内容——贴着骨架画什么都行

参考图和空间条件是一对互补：参考图管"内容像什么"，空间条件管"结构在哪里"。两者可以同时挂——角色参考图定脸，姿态骨架定动作，各锚各的。

精确编辑三件套：别再重抽好图

在讲空间条件之前，先解决一个更高频的场景：图已经九成满意，只有一处不对。你现在有三种"保住好图"的手段，精度递增——多轮编辑（L4，对话式改）、固定种子微调（L6 工具三，变化更局部）、以及本课的蒙版编辑（指哪改哪）：

1. 局部重绘（inpaint）：在图上刷一块蒙版，只有蒙版内的区域重新生成，其余像素一动不动。换背景、修错手、给角色换道具，都是它。要领两条：蒙版画得比目标略大一圈（给模型留衔接的余地）；提示词只描述蒙版里要出现的东西，不用重复整张图。

2. 扩图（outpaint）：向画布外扩展——竖版海报改横版 banner、主体太满想加留白，让模型顺着已有画面"续画"。扩图是补图不是重构图：一次扩一边、小步多次，比一次扩一圈质量稳得多。

3. 蒙版的反向用法：把蒙版刷在要保护的主体上反选重绘，等于"主体冻结、环境全换"——产品图换季节背景的标准做法，比重新生成再祈祷产品结构不变（L6 的结构清单质检）省一个数量级的额度。

空间条件家族：给生成套上骨架

空间条件的原理一句话：从一张参考图里提取某一维度的结构骨架，生成时强制贴着骨架画——结构锁死，内容自由。开放生态里这套机制叫 ControlNet，不同的"提取维度"对应不同条件类型：

条件类型	提取什么	锁住什么	典型场景
Canny 边缘	图中所有轮廓线	整体构图和物体形状	照片转插画、保构图换风格
Line Art 线稿	干净的艺术线稿	线条走向	线稿上色、草图变成品
Depth 深度	每个像素的远近	空间层次、前后关系	保场景纵深换内容、换机位感
Pose 姿态	人体骨骼关键点	动作和姿势	让角色摆出指定动作
Segmentation 分割	区域色块（天/楼/人）	大块布局	概念图控制画面分区

选择逻辑：想锁得越死，选信息越密的条件（边缘 > 深度 > 姿态 > 分割）。给角色摆姿势用 Pose 最合适——它只提取骨骼，脸和衣服完全交给你的参考图和提示词，不会把姿态参考图里那个人的长相也带进来；用 Canny 就会连轮廓细节一起锁死，角色反而换不了。

IP-Adapter（图像提示）是这个家族的近亲但方向相反：它不提取结构，而是把参考图的内容气质（风格、物体特征）轻量注入生成——可以理解为"参考图版的提示词"。记住分工即可：ControlNet 管结构，IP-Adapter 管内容，两者常联手。

控制强度：新旋钮与老纪律

空间条件带来一个新参数：控制强度（通常 0–1）。太高，生成物僵硬地描骨架，细节死板；太低，模型又开始自由发挥。经验起点是中档（0.5–0.7），按结果调。

多条件可以叠加（Pose 定动作 + Depth 定场景纵深），但条件之间可能打架——姿态骨架和深度图对"人在哪"给出矛盾信号时，产出会撕裂。排查方法是老纪律：一次只动一个变量（L2 实验日志）——先单条件跑通，再叠第二个，强度逐个调。这也是为什么控制强度对比要留档：它是你"这个模型听话程度"的校准数据。

接回一致性系统

空间条件不是孤立技巧，它直接升级 L6 的两处：

• 五层诊断的药方库：造型层断裂（产品结构漂了）从"重抽+结构清单质检"升级为"Canny 锁结构再生成"；叙事层断裂（空间关系乱）有了 Depth/分割这样的硬手段；
• 生产流程第②步：派生生成的公式从"参考图锚 + 风格块 + 变化描述"扩展为"参考图锚 + 风格块 + 空间条件（需要时） + 变化描述"——系列图里所有"同构图换内容"的需求（如 12 张详情图统一版式）一次锁定。

动手任务：一个构图，三把锁

基础路线（约 45 分钟，封闭产品即可）：

1. 从你 L6 的四场景系列里挑一张构图最好的图；
2. 局部重绘：换掉其中一个元素（背景、道具或服装），主体不动，产出 2 张；
3. 扩图：把它从方图扩成横版（如 16:9），小步扩 2–3 次，检查衔接处有没有"续画痕迹"；
4. 用你的产品/平台里最接近"结构参考"的功能，保住这张图的构图，换一个完全不同的主体（如人物场景换成产品静物），产出 2 张；
5. 三行小结：哪一步的可控感最强？哪一步模型最不听话？对照本课的条件强度解释为什么。

进阶路线（可选，支持 ControlNet 的在线服务或本地环境）：同一个视觉任务（建议：让你的主角摆出指定姿势）分别用 Canny、Depth、Pose 三类条件各跑一遍，每类跑强度 0.3 / 0.6 / 0.9 三档，提交 9 张对比+条件提取图。你会亲眼看到"锁多死"这个旋钮的全程——这批素材 L8 搭工作流时直接复用。

随堂测验

随堂测验0 / 4 题正确

1. 你想让系列主角摆出一个指定的回头动作，脸和服装必须还是她。最合适的组合是？

ACanny 边缘锁住姿态参考图＋详细描述外貌B只用文字把动作写得非常详细CPose 姿态条件定动作＋角色参考图定脸——姿态条件只提取骨骼，不会把参考里那个人的长相带进来DIP-Adapter 注入姿态参考图

2. 一张产品图九成满意，只有背景不对。最省额度的做法是？

A把蒙版刷在产品上反选重绘背景——主体像素冻结，只赌出错的那部分B改提示词重新生成，多抽几张总有对的C换个模型再生成一次D接受现状，后期用修图软件慢慢抠

3. 叠加 Pose＋Depth 两个条件后产出撕裂扭曲。按本课方法第一步该做什么？

A把两个条件的强度都拉到最高压住模型B退回单条件分别跑通，确认各自正常后再叠加、逐个调强度——一次只动一个变量C加一段负面提示词排除扭曲D换更高分辨率重新生成

4. 「参考图管内容，空间条件管结构」这个分工，解决了参考图体系（L4/L6）的什么盲区？

A参考图消耗额度太多B参考图只能用一张C参考图会导致风格漂移D参考图锚得住「长什么样」，锚不住「摆在哪、什么姿势」——空间关系正是语言和内容参考都欠定的维度