深度圖到底在控制什麼
ControlNet Depth 拿到的那張灰階圖，記錄的不是明暗，而是每個像素距離鏡頭有多遠。近處亮、遠處暗，人物輪廓與身體各部位的縱深關係被壓成一張模型讀得懂的「距離地圖」。
這帶來兩個直接好處：模型不會被原圖的材質、顏色、光影帶偏，卻又能精確取得身體朝向、四肢位置與前後遮擋關係。給它一張站姿深度圖，它不會把衣服紋理抄進去，但會把胯部側頂的角度、手臂的抬升幅度、雙腳的落點照搬下來。
線稿走的是另一條路：它描述的是輪廓與結構線，適合需要保留畫面骨架、又不想被灰階限制膚色的場景。所以真正高效的用法不是二選一，而是同一姿勢準備兩套圖，依階段取用——構圖階段用深度圖定骨架，上色階段用線稿定輪廓。
第一步：先在圖庫裡把姿勢篩到只剩三到五個
多數人卡住的地方不是參數，而是「找不到那個對的姿勢」。正確順序是先收斂，再生成。
- 先在姿勢庫依體系把範圍縮小：全身單人、上半身單人、雙人三類先選一類。
- 再用分類二次過濾，例如站姿、坐姿、跪姿、倚靠。分類與體系是兩層結構，兩者交叉通常只剩幾十張。
- 最後用視角鎖定機位。每個姿勢有五個視角——正面、俯視、仰視、側面、斜側——俯視與仰視出來的透視完全不同，這裡選錯，後面全白費。
篩到 3 到 5 張就夠了。真正出圖時你會發現，能用的姿勢遠比想像中少——問題往往不在數量，而在是否選對了視角。
第二步：切換圖源做一次對照確認
姿勢庫的篩選列有一個「圖源」選項：深度圖、線稿、對比。切到對比後，滑鼠移到卡片上會即時換成線稿，進入大圖後則是左右並排。
這一步要做的事很單純——確認這個姿勢在兩種表現下都成立。有些姿勢在深度圖裡輪廓清楚，換成線稿後手臂與軀幹的重疊會糊成一片；反過來也有線稿俐落、深度圖層次不清的情況。提前發現，比生成五張廢圖再回頭省事得多。
第三步：放進 ControlNet 的參數怎麼給
以 Stable Diffusion WebUI 為例，常用組合如下：
- 預處理器：若直接使用圖庫內的深度圖，選
none。圖庫的圖已經正規化過，再跑一次 Depth 預處理器反而會損失層次。 - 模型：
control_v11f1p_sd15_depth（SD1.5）或對應的 SDXL depth 模型，版本要與主模型對齊。 - 權重：從 0.65 起。低於 0.5 姿勢容易跑偏，高於 0.9 畫面會變得僵硬、像貼圖。
- 引導結束時機：0 到 0.75。讓前四分之三的採樣步數受控制，最後留給模型自己收細節。
- 解析度：控制圖與生成圖的比例必須一致。圖庫原圖是 900×1200（3:4），生成時也按 3:4 出，否則人物會被拉長。
三個最常見的問題
1. 出來的人變成了「木頭人」
權重過高，或引導結束時機延伸到了最後幾步。先把權重降到 0.7 左右，把結束時機設在 0.7 到 0.8，讓模型在後半段自由處理衣褶與表情。
2. 手跟腳崩了
深度圖對手指的約束本來就弱，五根手指在深度上幾乎是同一層。解法是把畫幅收窄到上半身，或生成後用局部重繪補手。圖庫裡的「上半身單人」體系就是為這類鏡頭準備的。
3. 雙人場景總有一個人的姿勢不見
兩個人的深度值互相遮擋時，模型分不出誰在前。這種情況優先改用線稿，或把雙人深度圖整體調亮一階，拉開前後層次。
把流程固定下來
實際專案裡，我建議固定成這個順序：篩視角 → 對照圖源 → 定權重 → 單張試跑 → 批次出圖。前兩步在圖庫裡兩分鐘能做完，後面三步才是真正耗時的部分。把成本低的動作放在前面，是整個流程最省錢的地方。
圖庫裡 288 組姿勢、2880 張圖都能直接下載，依體系還能整包取得。下一篇講提示詞怎麼寫，可以直接接著看。