• Logo Picasso IA
    Logo Picasso IA
  • Início
  • IA Imagem
    Nano Banana 2
  • IA Vídeo
    Veo 3.1 Lite
  • IA Chat
    Gemini 3 Pro
  • Editar Imagens
  • Melhorar Imagem
  • Remover Fundo
  • Texto para Fala
  • Efeitos
    NEW
  • Gerações
  • Faturamento
  • Suporte
  • Conta
  1. Coleção
  2. Texto para Imagem
  3. Sdxl Multi Controlnet Lora

SDXL Multi Controlnet LoRA: Controle em Camadas de Imagens IA

SDXL Multi Controlnet LoRA é um modelo texto-para-imagem que oferece controle direto sobre a estrutura, estilo e composição de imagens geradas, tudo em um só lugar no Picasso IA. A maioria dos modelos de IA para imagens aceitam um prompt de texto e retornam um resultado, mas quando você precisa de uma pose específica, um layout espacial particular ou um estilo visual distinto aplicado consistentemente, apenas um prompt geralmente não é suficiente. Este modelo permite que você alimente imagens de referência através de até três entradas de ControlNet e as coloque em camadas simultaneamente, para que a saída esteja em conformidade com as formas, profundidades e contornos que você especificar. O modelo suporta carregamento de pesos de LoRA, o que significa que você pode trazer um estilo ou personagem treinado e misturá-lo na sua geração em uma escala ajustável. Ele também lida com fluxos de trabalho img2img, permitindo que você alimente uma foto existente como base e ajuste quanto o prompt a reformula. O inpainting adiciona uma terceira camada: mascare uma área específica, descreva o que você deseja lá, e o modelo preenche enquanto deixa o resto da imagem intacto. Esta é uma ferramenta prática para ilustradores que precisam corresponder a uma pose de referência, designers de produtos testando variações de cor ou textura, e diretores de arte que querem estilos visuais repetíveis em uma campanha. Abra-o no Picasso IA, carregue suas imagens de referência, defina suas condições de ControlNet e execute sua primeira geração em minutos.

Fofr

213.8k execuções

Sdxl Multi Controlnet Lora

2023-10-21

Uso comercial

SDXL Multi Controlnet LoRA: Controle em Camadas de Imagens IA

Índice

  • Visão Geral
  • Como Funciona
  • Perguntas Frequentes
  • Custo de Créditos
  • Recursos
  • Casos de uso
  • Exemplos
Obtenha Nano Banana Pro

Visão Geral

SDXL Multi Controlnet LoRA é um modelo texto-para-imagem construído para criadores que precisam de controle direto e repetível sobre a estrutura e o estilo das imagens geradas, disponível no Picasso IA. Um único prompt de texto funciona bem para ideação rápida, mas raramente oferece a pose precisa, layout espacial ou consistência visual que um projeto profissional exige. Este modelo aceita até três imagens de referência de ControlNet simultaneamente, estratificando condições como detecção de borda, mapas de profundidade e pose do corpo para direcionar a saída para um alvo visual específico. Combine isso com suporte de pesos LoRA e inpainting, e você terá uma ferramenta única que lida com projetos de imagem complexos e de múltiplas etapas sem alternar entre aplicativos separados.

Como Funciona

  • Escreva seu prompt de texto e, opcionalmente, um prompt negativo para filtrar elementos indesejados da saída.
  • Selecione até três tipos de ControlNet, como detecção de borda, profundidade ou OpenPose, e carregue uma imagem de referência para cada um que deseja ativar.
  • Carregue uma imagem base e alterne para modo img2img ou inpainting se deseja editar uma foto existente em vez de gerar do zero.
  • Cole uma URL de pesos LoRA no campo de pesos e defina a escala LoRA para mesclar um estilo treinado específico.
  • Clique em gerar e baixe o resultado do painel de saída; altere a seed, força de condicionamento ou prompt e execute novamente para refinar.

Perguntas Frequentes

Preciso de habilidades de programação ou conhecimento técnico para usar isso? Não, basta abrir SDXL Multi Controlnet LoRA no Picasso IA, ajustar as configurações desejadas e clicar em gerar.

É gratuito experimentar? Sim, você pode executar gerações sem nenhum custo antecipado. O número de execuções gratuitas disponíveis depende do seu plano de conta.

Quanto tempo leva para obter resultados? Uma geração padrão de 768x768 em 30 etapas de inferência normalmente termina em 20 a 40 segundos. Ativar o refinador ou aumentar a contagem de etapas adiciona tempo proporcionalmente.

Quais formatos de saída são suportados? O modelo retorna arquivos de imagem que você pode baixar diretamente do painel de resultados. Você pode gerar até quatro imagens por execução ajustando a configuração de número de saídas.

Posso personalizar a qualidade ou estilo da saída? Sim. Você pode ajustar etapas de inferência, escala de orientação livre de classificador, tipo de agendador, escala LoRA e força de condicionamento de cada ControlNet. Cada parâmetro muda o resultado de forma mensurável.

Quantas vezes posso executar o modelo? Não há limite máximo incorporado no modelo em si. Quantas gerações você pode executar depende do seu plano de conta atual.

O que acontece se não estiver satisfeito com o resultado? Altere a seed, diminua ou aumente a escala de condicionamento de ControlNet, ou ajuste o controle deslizante de força do prompt. Pequenas alterações de parâmetros geralmente produzem saídas notavelmente diferentes sem reconstruir o prompt do zero.

Custo de Créditos

Cada geração consome 1 crédito

1 crédito

ou 5 créditos para 5 gerações

Recursos

Tudo o que este modelo pode fazer por você

Três ControlNets simultâneos

Empilhe até três entradas de condicionamento independentes, como borda, profundidade e pose, em uma única passagem de geração.

Carregamento de estilo LoRA

Aplique quaisquer pesos LoRA compatíveis e ajuste a mistura com um controle deslizante de escala dedicado.

Fluxo de trabalho img2img

Alimente uma foto existente como a imagem base e use a força do prompt para controlar o quão longe a saída se afasta do original.

Inpainting

Mascare qualquer área de uma imagem e preencha-a com novo conteúdo descrito no prompt, deixando os pixels circundantes intactos.

Suporte a múltiplos agendadores

Escolha entre sete agendadores, incluindo K_EULER e DPMSolverMultistep, para corresponder ao seu comportamento de geração preferido.

Condicionamento granular

Defina início, fim e escala de condicionamento para cada ControlNet para controlar exatamente quando e com que força cada entrada entra em vigor.

Dimensionamento flexível de imagem

Defina dimensões de saída personalizadas ou faça corresponder o tamanho automaticamente a uma imagem de entrada ou ControlNet.

Controle fino sobre início/fim do controlnet e escala de condicionamento

Casos de uso

Empilhe duas ou três condições de ControlNet, como detecção de borda combinada com um mapa de profundidade, para gerar uma imagem que corresponda tanto ao contorno quanto à estrutura espacial de fotos de referência

Faça inpainting em uma região específica de uma foto, como um fundo ou um objeto, desenhando uma máscara sobre ela e escrevendo um prompt descrevendo o que deve substituí-la

Aplique um arquivo de estilo LoRA para mudar a aparência visual da sua saída, ajustando a escala de mistura até que o resultado corresponda à estética que você está buscando

Alimente uma referência de pose de personagem através do ControlNet OpenPose para reproduzir o posicionamento corporal exato em uma cena recém-gerada

Use o modo img2img com uma configuração de força de prompt baixa para recolorir ou dar um novo estilo a uma foto enquanto preserva a maior parte da sua composição original

Execute ControlNets de lineart e profundidade ao mesmo tempo para gerar uma ilustração que segue tanto a estrutura de linha quanto a sensação tridimensional de um esboço

Gere múltiplas imagens de conceito de produto a partir de um único shot de referência trocando prompts enquanto mantém o mesmo layout de ControlNet

Fluxos criativos de borda para imagem

Exemplos

768x768
2m 31s
Refine: no_refiner
Scheduler: K_EULER
Lora Scale: 0.8
Num Outputs: 1
Controlnet 1: soft_edge_hed
Controlnet 2: none
Controlnet 3: none
Guidance Scale: 7.5
Apply Watermark: No
Prompt Strength: 0.8
Sizing Strategy: width_height
Controlnet 1 End: 1
Controlnet 2 End: 1
Controlnet 3 End: 1
Controlnet 1 Start: 0
Controlnet 2 Start: 0
Controlnet 3 Start: 0
Num Inference Steps: 30
Controlnet 1 Conditioning Scale: 0.8
Controlnet 2 Conditioning Scale: 0.8
Controlnet 3 Conditioning Scale: 0.75
rainbow

A TOK photo, extreme macro photo of a golden astronaut riding a unicorn statue, in a museum, bokeh, 50mm

768x768
14.1s
Refine: base_image_refiner
Scheduler: K_EULER
Lora Scale: 0.8
Num Outputs: 1
Controlnet 1: soft_edge_hed
Controlnet 2: depth_leres
Controlnet 3: none
Refine Steps: 20
Guidance Scale: 7.5
Apply Watermark: No
Prompt Strength: 0.85
Sizing Strategy: width_height
Controlnet 1 End: 1
Controlnet 2 End: 1
Controlnet 3 End: 1
Controlnet 1 Start: 0
Controlnet 2 Start: 0
Controlnet 3 Start: 0
Num Inference Steps: 30
Controlnet 1 Conditioning Scale: 0.4
Controlnet 2 Conditioning Scale: 0.4
Controlnet 3 Conditioning Scale: 0.75
soft, rainbow

A TOK photo, extreme macro photo of a golden astronaut riding a unicorn statue, in a museum, 18mm

768x768
9.0s
Refine: no_refiner
Scheduler: K_EULER
Lora Scale: 0.8
Num Outputs: 1
Controlnet 1: soft_edge_hed
Controlnet 2: none
Controlnet 3: none
Guidance Scale: 7.5
Apply Watermark: No
High Noise Frac: 0.8
Prompt Strength: 0.8
Sizing Strategy: width_height
Controlnet 1 End: 1
Controlnet 2 End: 1
Controlnet 3 End: 1
Controlnet 1 Start: 0
Controlnet 2 Start: 0
Controlnet 3 Start: 0
Num Inference Steps: 30
Controlnet 1 Conditioning Scale: 0.8
Controlnet 2 Conditioning Scale: 0.8
Controlnet 3 Conditioning Scale: 0.75
soft, rainbow

A TOK photo, extreme macro photo of a golden astronaut riding a unicorn statue, in a museum, 18mm

Mudar Categoria

Efeitos

Texto para Imagem

Texto para Imagem

Texto para Vídeo

Modelos de Linguagem Extensos

Modelos de Linguagem Extensos

Texto para Fala

Texto para Fala

Super Resolução

Super Resolução

Sincronização Labial

Geração de Música com IA

Geração de Música com IA

Edição de Vídeo

Fala para Texto

Fala para Texto

Melhorar Vídeos com IA

Remover Fundos

Remover Fundos