在傳統純文字生成圖像（Text-to-Image）的創作流程中，插畫師、視覺概念設計師與動畫分鏡師常面臨一項關鍵瓶頸：文字提示詞缺乏直接的幾何與空間約束力。單靠文字敘述極度難以精準表達人體肢體的透視縮放、動態張力或嚴謹的透視構圖，往往導致角色肢體變形、多肢錯位或畫面視角嚴重偏移。
線上圖像生成工具 Dezgo 提供的**受控文生圖（Controlled Text-to-image）**模式，正是為了解決空間結構不可控的問題。該模式以 Stable Diffusion 1.5 生態為核心，深度整合 ControlNet 神經網路架構，讓創作者能夠上傳參考圖片作為幾何骨架，搭配 OpenPose、Canny 邊緣與 Depth 深度等控制模型，在維持角色姿態與構圖輪廓高保真度的同時，自由變換風格、服裝與光影。
Dezgo 的 ControlNet 運作機制
標準的擴散模型依賴文字交叉注意力機制，同時猜測畫面的「語意內容」與「幾何布局」，因此在複雜構圖下極易失控。ControlNet 則在擴散架構中增加了一條平行的輔助網路，專門從創作者上傳的參考圖（init_image）中抽取明確的空間特徵圖，並注入擴散去噪的每一層網路中。
在 Dezgo 的受控文生圖介面中，可供選用的核心控制模型（control_model）涵蓋了多種常見的結構提取方案：
- OpenPose 全身姿態檢測（
openpose_full）：從參考圖中辨識人體骨骼關節、四肢夾角、頭部朝向與手部關鍵點。它完全剔除原圖中的人物五官、衣著、背景與色彩，僅保留純粹的人體運動骨架，是維持連續分鏡動作一致性與姿態重現的最佳選擇。 - Canny 邊緣檢測（
canny）：運用高對比度邊緣檢測演算法擷取物體的輪廓邊界。它能將原圖的外形剪影、結構線條嚴格烙印至生成圖像中，特別適用於線稿上色、產品工業設計與標誌幾何輪廓融合。 - Depth 深度圖（
depth）：建立畫面的單目視角深度圖（白色代表前景靠近鏡頭，黑色代表遠景）。Depth 不會將每條線條細節鎖死，而是精準維繫三維空間的體積感、鏡頭透視比例與前後景層次遮擋關係。 - 其他進階控制模型：Dezgo 同時內建了
lineart（細緻藝術線條提取；適合漫畫線稿重繪）、scribble（草圖塗鴉；可將隨手線條轉化為完整畫作）、mlsd（幾何直線檢測；室內建築與裝潢透視利器）以及normalbae（物體表面法線朝向提取）。
ControlNet 核心模型比較表
| 控制模型 | 提取特徵 | 核心應用場景 | 建議控制權重（Control Scale） |
|---|---|---|---|
OpenPose Full (openpose_full) | 人體骨骼關節點、面部與手部朝向 | 動作重現；角色三視圖；動態武打姿勢 | 0.70 – 1.00 |
Canny Edges (canny) | 高對比外輪廓與結構硬邊緣 | 線稿上色彩繪；硬表面機械；幾何標誌鎖定 | 0.50 – 0.85 |
Depth (depth) | 灰階 3D 空間深度漸變 | 室內場景設計；強透視構圖；前後景層次安排 | 0.65 – 0.90 |
LineArt (lineart) | 乾淨藝術級線條描繪 | 漫畫分鏡稿精修；黑白線條重繪彩色完稿 | 0.60 – 0.85 |
Scribble (scribble) | 粗糙手繪筆觸與草圖 | 快速概念故事板發想；低精度塗鴉轉高精畫作 | 0.70 – 0.95 |
MLSD (mlsd) | 筆直幾何線條與邊界 | 建築外觀透視；室內空間硬裝結構 | 0.60 – 0.80 |
Dezgo 受控文生圖標準操作指南
Dezgo 支援網頁端免註冊即刻操作，亦可透過加值啟用 Power Mode 或呼叫 API，完整製作步驟如下：
1. 開啟受控文生圖工具
於 Dezgo 導覽列的 Image Tools 群組中選取 Controlled Text-to-image（直接網址為 dezgo.com/app/controlnet）。
2. 上傳參考圖（Init Image）
在 Init image 區塊上傳提供構圖或肢體動作的 JPG 或 PNG 圖檔。
- 解析度規格：底層模型基於 SD 1.5 核心，原生計算解析度以 512×512 像素為基礎，上傳的高解析度圖檔將自動進行等比縮放處理。
- 長寬比例適配：務必確認參考圖比例（直式 Portrait、正方形 Square 或橫式 Landscape）與介面中的 Resolution 滑桿一致，以避免因長寬比例不對稱產生非預期的拉伸或裁切。
3. 指定控制模型與預處理設定（Control Preprocess）
- 選擇模型：依據任務選定
openpose_full、canny或depth。 - 設定預處理器開關：展開 More options（更多進階選項），檢視 Control preprocess：
- 啟用（Yes / 預設值）：上傳一般真人照片、3D 彩色算繪圖或實體線稿拍照時必須保持開啟，Dezgo 雲端伺服器會自動即時運算產生骨架圖或輪廓特徵圖。
- 關閉（No）：若上傳的圖片本身已是由外部工具（如 Blender、Posemaniacs）產生的 OpenPose 彩色骨架圖或灰階深度圖，請關閉此開關以防二次解析造成特徵混亂。
4. 調整控制權重滑桿（Control Scale）
Control scale 滑桿決定 ControlNet 對擴散成像過程的約束強度（介於 0% 至 100%，對應 API 參數 0.0 至 1.0）：
- 100%（權重 1.0）：絕對剛性拘束。AI 將全力迎合參考圖的所有幾何輪廓，但在 Canny 或 Scribble 模式下過高權重容易導致邊緣僵硬或材質失真。
- 60% – 80%（黃金推薦區間 0.60 – 0.80）：最佳平衡點。角色既能確實服從骨骼姿態與主體外形，同時給予擴散模型足夠的表現空間以自然刻畫布料褶皺、髮絲飄逸感與光影渲染。
- 40% 以下（權重 0.40）：弱引導。僅供粗略構圖參考，多用於初期概念發散。
5. 配搭適合的 SD 1.5 基底模型
Dezgo 的受控模式建立於豐富的 SD 1.5 檢查點模型上，創作者可於 Model 下拉選單中挑選吻合美術風格的底模：
- 寫實與電影攝影風格：選用
absolute_reality_1_8_1、cyberrealistic_3_3或realistic_vision_5_1。 - 動漫插畫與日系風格：選用
anything_5_0、waifudiffusion_1_4或ghostmix_v2。 - 奇幻概念與厚塗彩繪：選用
dreamshaper_8、deliberate_2或realdream_12。
6. 提詞工程、引導係數與取樣器設定
- 提示詞精準分工：正向提示詞無須重述四肢角度等空間位置，將字詞重心放在角色身分、服裝材質、照明風格與渲染品質（例如 "cyberpunk mercenary, tactical neon jacket, rim light, highly detailed 8k concept art"）。
- 負向提示詞：保留系統內建的品質過濾詞（
ugly, poorly drawn hands, poorly drawn feet, extra limbs, bad anatomy, deformed），大幅減少關節處的肢體突變。 - Guidance（引導係數）：滑桿建議設定於 6.0 至 8.5 之間（預設為 7.0）。超過 10.0 的過高係數易引發結構與提詞互相爭奪權重，造成畫面焦黑與色階斷層。
- 取樣器：維持預設的
dpmpp_2m_karras，在 14 至 25 步之間即可產生極佳的收斂品質。
典型創作應用案例
案例 A：連續漫畫分鏡的角色動態一致性
當製作系列故事插圖或分鏡腳本時：
- 建立角色核心外觀提示詞，並可掛載專屬 LoRA（Dezgo 支援同時載入最多 4 個 SD 1.5 格式之 CivitAI LoRA）。
- 在不同動作參考照片上套用
openpose_full，控制權重設定為0.75。 - 鎖定相同隨機種子（Seed）或維持相同提示詞架構，便能令同一個角色流暢演出跳躍、奔馳、拔刀等各類複雜人體姿態。
案例 B：手繪線稿轉商業概念效果圖
概念設計師將手繪鉛筆草圖轉化為高精度提案圖：
- 將數位線稿或手繪掃描圖載入 Init Image，指定
canny或scribble。 - 控制權重設為
0.65 – 0.70，提示詞加強環境光影與材質描寫。 - AI 能夠在完全尊重原始線稿比例的基礎上，自動補齊真實的環境遮蔽、立體光影與高精材質紋理。
商業使用與 API 自動化整合
Dezgo 具備靈活多元的商用架構：
- 免登入快速測試：任何人皆可於瀏覽器介面直接測試構圖與效果，無需登入帳號或綁定信用卡。
- 隨收隨付（Power Mode）：登入帳號後可按需儲值，餘額永久有效無月費綁約限制。啟用 Power Mode 可解鎖多圖平行生成（Count）、高達 150 步取樣運算，以及 Real-ESRGAN 2 倍畫質放大。
- 開發者 API 整合：團隊可直接呼叫
POST /controlnet端點（透過 HTTP 標頭X-Dezgo-Key進行驗證），以 JSON（Base64 圖片）或multipart/form-data傳遞參數。因 ControlNet 需同步執行輔助神經網路，算力計費約為標準/text2image的兩倍（基礎 512×512 解析度單次呼叫約為 $0.0038），但相較於自建硬體伺服器仍具備極高的成本彈性。
實務操作關鍵建議
- 手部骨架辨識優化：OpenPose 對手部清晰度相當敏感；參考圖中的手部若呈握拳或遮擋狀態較容易產生誤判，建議選用手指張開或輪廓清晰的參考照片。
- 畫布長寬比嚴格對齊：上傳直式人物照時，請務必將生成尺寸調至 Portrait，避免人體因強制縮放而產生變形。
- 階梯式權重微調：初次生成建議一律以
0.70起步；若動作約束不足再微調至0.85；若畫面線條感過於僵硬則調降至0.60。
參考資料
- Dezgo - Free Online AI Image/Video Generator, Apps & Tools
- Controlled Text-to-image - Free Online AI Image Generator - Dezgo
- AI Image Generator API - Flux/Stable Diffusion - Dezgo
- API Reference - AI Image Generator API - Flux/Stable Diffusion - Dezgo
- Overview - AI Image Generator API - Flux/Stable Diffusion - Dezgo