一、ControlNet1.1 安装
本文详细介绍了如何安装ControlNet模型，帮助用户在AI绘图创作中实现更高级的功能，提升作品的艺术表现力和创作效率
已经汉化的stable-diffusion-webui的操作如下：
1.开”扩展”选项卡。
2.在选项卡中打开”从网址安装”。
3.在”扩展的git仓库网址”中输入：https://github.com/Mikubill/sd-webui-controlnet.git
4.点击”安装”按钮。
5.等待 5 秒钟，您将看到消息”Installed into stable-diffusion-webui\extensions\sd-webui-controlnet. Use Installed tab to restart”。
6.转到”已安装”选项卡，点击”检查更新”，然后点击”应用并重启用户页面”（下次您也可以使用这些按钮来更新ControlNet）。
7、完全重新启动webui，包括您的终端。
8、检查ControlNet是否安装，点击“文生图”选项卡 按照下图查看。
查看ControlNet
模型为空，那么开始进行模型下载：
二、模型下载：
1.从下载地址：https://huggingface.co/lllyasviel/ControlNet-v1-1/tree/main
2.小型下载箭头”↓”图标进行下载”.pth”结尾的模型文件。
3.将模型放入”stable-diffusion-webui\extensions\sd-webui-controlnet\models”文件夹中。文件夹已经包含了所有的”yaml”文件，只需要下载”pth”文件。
4.注意：如果您从其他地方下载模型，请确保yaml文件名和模型文件名相同。如果您从其他来源下载，请手动重命名所有yaml文件
5.查看已经安装的模型
三、模型特性：
ControlNet 1. 1 包括 14 个模型（ 11 个生产就绪模型和 3 个实验性模型）：
|
模型名称 |
模型描述 |
模型和配置文件 |
|
control_v11p_sd15_canny |
使用 Canny 边缘检测算法的模型 |
control_v11p_sd15_canny.pth / control_v11p_sd15_canny.yaml |
|
control_v11p_sd15_mlsd |
使用最小长度分割线检测算法 (MLSD) 的模型 |
control_v11p_sd15_mlsd.pth / control_v11p_sd15_mlsd.yaml |
|
control_v11f1p_sd15_depth |
生成深度信息的模型 |
control_v11f1p_sd15_depth.pth / control_v11f1p_sd15_depth.yaml |
|
control_v11p_sd15_normalbae |
应用法线估计和自编码器 (BAE) 的模型 |
control_v11p_sd15_normalbae.pth / control_v11p_sd15_normalbae.yaml |
|
control_v11p_sd15_seg |
用于图像分割的模型 |
control_v11p_sd15_seg.pth / control_v11p_sd15_seg.yaml |
|
control_v11p_sd15_inpaint |
用于图像修复的模型 |
control_v11p_sd15_inpaint.pth / control_v11p_sd15_inpaint.yaml |
|
control_v11p_sd15_lineart |
用于线稿生成的模型 |
control_v11p_sd15_lineart.pth / control_v11p_sd15_lineart.yaml |
|
control_v11p_sd15s2_lineart_anime |
用于动漫线稿生成的模型 |
control_v11p_sd15s2_lineart_anime.pth / control_v11p_sd15s2_lineart_anime.yaml |
|
control_v11p_sd15_openpose |
用于人体姿势估计的模型 |
control_v11p_sd15_openpose.pth / control_v11p_sd15_openpose.yaml |
|
control_v11p_sd15_scribble |
用于涂鸦生成的模型 |
control_v11p_sd15_scribble.pth / control_v11p_sd15_scribble.yaml |
|
control_v11p_sd15_softedge |
用于软边缘生成的模型 |
control_v11p_sd15_softedge.pth / control_v11p_sd15_softedge.yaml |
|
control_v11e_sd15_shuffle |
使用深度估计和卷积神经网络的模型进行图像重排 |
control_v11e_sd15_shuffle.pth / control_v11e_sd15_shuffle.yaml |
|
control_v11e_sd15_ip2p |
使用图像修复和卷积神经网络的模型进行图像到图像的转换 |
control_v11e_sd15_ip2p.pth / control_v11e_sd15_ip2p.yaml |
|
control_v11f1e_sd15_tile |
使用深度估计和图像瓦片生成的模型 |
control_v11f1e_sd15_tile.pth / control_v11f1e_sd15_tile.yaml |
这些模型具有不同的功能和用途。您可以根据您的需求选择适合的模型。
后面教程会详细介绍每个模型的使用方法。
四、地址汇总
版本地址：https://github.com/lllyasviel/ControlNet-v1-1-nightly
预设器：https://huggingface.co/lllyasviel/Annotators/tree/main
模型：https://huggingface.co/comfyanonymous/ControlNet-v1-1_fp16_safetensors/tree/main
