开源世界的「上色机」：ControlNet
想让 AI 给一张线稿上色、又不许它改动造型，开源社区的答案是 ControlNet——由斯坦福研究者张吕敏（Lvmin Zhang）与 Maneesh Agrawala 提出，论文 2023 年 2 月 10 日发布（arXiv:2302.05543），随后 1.1 版加入了专门的线稿模型，迅速成为 Stable Diffusion 生态里使用最广的可控生成方案。
它的思路简单粗暴：把线稿作为「结构条件」注入生成过程，AI 负责的只剩上色和材质——轮廓一条线都不许动。
工作流与关键参数
① 线稿上传到 ControlNet 单元，预处理器选 lineart_standard 或 lineart_realistic，模型选 control_v11p_sd15_lineart（写实向）或 control_v11p_sd15s2_lineart_anime（动漫向，另有 lineart_anime 预处理器）；② 同一张线稿同时放入图生图作为输入；③ 写提示词锁定配色方案（如 “soft pastel colors, matte plastic finish”）；④ 出图。社区实测的参数甜点：
| 重绘幅度（Denoising） | 0.5-0.7，甜点约 0.6（<0.4 几乎不上色，>0.8 容易崩线） |
| Control Weight | 约 1.0（线稿控制强度） |
| CFG / 步数 / 采样器 | 7-8 / 20-30 步 / DPM++ 2M Karras |
⑤ 漏色、溢色的地方用局部重绘（inpaint）修复。
儿童场景的意外应用
国内教程里有个很 warm 的用法：拿自家小孩画的画当底稿，用 lineart 模型生成「画技升级版」——孩子的构图和造型完整保留，AI 补上色彩和光影。社区也常用这套流程给儿童插画线稿上色，出版级 AI 童书工作流同样依赖 ControlNet 锁构图。
对婴童产品设计的启发
1. 免费可控，适合预算敏感的团队。SD + ControlNet 全开源，一张消费级显卡就能跑，不像 SaaS 工具按月付费。
2. 「重绘幅度」是个安全阀。0.4 以下不上色、0.8 以上崩线——这组经验值同样适用于其他可控生成场景：先小幅试探，再逐步放权给 AI。
3. 配色方案批量化的基础。同一张婴童产品线稿配不同提示词，一次出齐十几种 CMF 方案，是概念评审会的标配弹药。
资料来源：ControlNet 论文（arXiv:2302.05543）、Hugging Face control_v11p_sd15_lineart 模型页、FlowPix AI 上色教程、搜狐技术教程。