14 ComfyUI 实战：使用 Depth Anything V2 + ControlNet 实现高一致性人像生成

ComfyUI 实战：使用 Depth Anything V2 + ControlNet 实现高一致性人像生成

摘要

在 ComfyUI 的控制类工作流中，Depth ControlNet 是非常实用的一种方案。相比 Canny 这类偏边缘约束的方法，Depth 更擅长保留人物的空间结构、姿态轮廓和前后层次，尤其适合半身人像、摄影棚人像、时尚肖像等场景。本文结合一套实际可运行的 ComfyUI 工作流，详细记录 DepthAnythingV2Preprocessor 的安装、模型放置路径、节点连接方式、参数设置思路以及与 Canny 的差异，帮助大家快速搭建一套稳定可复现的 depth 控制流程。

工作流截图

测试结果对比：上面为canny，下边为depth

一、前言

最近在用 ComfyUI 做参考图控制时，我重点测试了几种常见的 ControlNet 预处理方案，包括 Canny、Depth 等。实际体验下来，如果目标是：

保留原图的大致姿态和构图
保住人物肩颈、侧脸、半身轮廓的空间关系
允许服装、发型、材质、光影风格发生变化

那么 Depth ControlNet 往往比 Canny 更稳，也更自然。

因为 Canny 更偏向提取"边缘线条"，而 Depth 更偏向表达"前后空间层次和体块关系"。对于写真人像来说，后者往往更重要。

本文就基于一套 ComfyUI 实战流程，完整整理一下 Depth Anything V2 在 ComfyUI 中的使用方法和调参经验。

二、本文目标

本文主要解决以下几个问题：

ComfyUI 中如何使用 DepthAnythingV2Preprocessor
depth_anything_v2_vitl.pth 模型应该放在哪
Depth ControlNet 节点应该怎么接
为什么在人像任务里 Depth 往往比 Canny 更适合
参数如 strength、预处理分辨率该如何设置
常见报错和排查思路有哪些

三、运行环境说明

从当前目录结构来看，环境核心包括：

ComfyUI
comfyui_controlnet_aux
Depth-Anything-V2

本地目录示例如下：

bash 复制代码

/work/animateDiff/ComfyUI/custom_nodes/

其中可以看到：

bash 复制代码

ComfyUI-AnimateDiff-Evolved/
comfyui_controlnet_aux/
ComfyUI_IPAdapter_plus/
ComfyUI-Manager/
ComfyUI-VideoHelperSuite/
Depth-Anything-V2/

而 Depth Anything V2 的权重文件已经放到了：

bash 复制代码

/work/animateDiff/ComfyUI/custom_nodes/comfyui_controlnet_aux/ckpts/depth-anything/Depth-Anything-V2-Large/

目录中模型文件为：

bash 复制代码

depth_anything_v2_vitl.pth

这一步非常关键。

很多人以为安装了节点仓库就能直接跑，实际上：

安装节点代码 ≠ 安装模型权重
能看到节点 ≠ 能正常推理
大多数报错都和模型路径或文件名有关

所以第一步一定是确认 .pth 权重已经放到预处理器能识别的位置。

四、为什么选择 Depth，而不是 Canny

在正式讲工作流之前，先说结论：

1）Canny 适合控制边缘

Canny 的核心作用是提取轮廓线和边缘信息。

它比较适合：

线条明显的图
建筑、物体、设计稿
希望严格跟随轮廓边界的任务

但它也有一个问题：
它更像是在控制"线"，而不是控制"体积"。

2）Depth 更适合控制空间结构

Depth 预处理器会根据图像估计深度信息，也就是：

哪些区域更靠前
哪些区域更靠后
身体、头发、肩颈之间的空间层次如何分布

所以它在控制以下内容时会更自然：

人物姿态
肩膀和颈部转折
胸线与身体前后关系
人物与背景的分离感

对于写实人像，这些信息往往比边缘更重要。

3）Depth 对风格迁移更友好

如果你的目标是：

保留原始构图和姿态
重新生成不同服装、发型、肤感、摄影风格

那么 Depth 通常比 Canny 更合适。

因为 Canny 很容易把原图服装的边线也锁得太紧，导致"新衣服出不来"；而 Depth 只保留空间关系，不会过度干扰服装样式重建。

五、ComfyUI 工作流思路

这套流程的核心结构其实非常清晰，可以概括为：

text 复制代码

参考图
→ DepthAnythingV2Preprocessor
→ 生成深度图
→ ControlNetApplyAdvanced
→ 与正负提示词结合
→ KSampler 采样
→ VAE Decode
→ Save Image

在这类流程中：

Prompt 负责定义风格、光影、材质、摄影氛围
Depth ControlNet 负责定义空间结构、轮廓姿态、前后关系

两者并不是冲突关系，而是互补关系。

六、工作流中的关键配置

从工作流配置可以看出，正向提示词使用的是偏时尚摄影、写实人像方向的描述，例如：

a premium fashion portrait of a young woman, elegant posture, soft natural lighting, realistic skin texture, detailed shoulders and neckline, clean studio background, shallow depth of field, cinematic photography, ultra detailed, photorealistic, high-end editorial style

同时，负向提示词主要用于压制常见问题，例如低质量、模糊、畸形手部、错误身体结构、背景脏乱、过曝欠曝等。

另外，ControlNet 模型加载部分显示，使用的是深度控制模型：

text 复制代码

diffusers_xl_depth_full.safetensors

该模型由 ControlNetLoader 加载。

这说明整体工作流属于比较标准的 SDXL + Depth ControlNet 结构。

七、Depth Anything V2 的接入方式

1）加载参考图

首先使用 LoadImage 节点加载参考图。

这一步很简单，但有两个经验：

尽量选择主体清晰、构图明确的图片
背景不要过于复杂，否则深度估计可能会引入杂信息

2）使用 DepthAnythingV2Preprocessor

然后将图片送入 DepthAnythingV2Preprocessor，模型选择：

text 复制代码

depth_anything_v2_vitl.pth

分辨率建议先用：

text 复制代码

这个分辨率比较平衡：

细节比 512 更稳定
显存和速度又不会像 1024 那么吃资源

如果显存紧张，可以退到 512；

如果追求更高细节，可以尝试 1024。

3）将深度图接入 ControlNet

深度图输出后，接入 ControlNetApplyAdvanced，再与正负提示词一起进入采样流程。

常见推荐参数：

strength = 0.55 ~ 0.7
start_percent = 0
end_percent = 1

你当前使用的 0.65 就属于非常典型、也非常实用的平衡值：

不会太弱，导致姿态跑偏
也不会太强，导致图像死板

如果你的任务偏向"高一致性重绘"，可以把强度提高到 0.75 左右；

如果偏向"借姿态做风格迁移"，可以降到 0.45 ~ 0.55。

八、推荐参数组合

下面给几个比较实用的参数模板。

方案一：高一致性重绘

适合想尽量贴近原图姿态和结构的场景。

建议参数：

预处理分辨率：768 或 1024
ControlNet 强度：0.7 ~ 0.85
start：0
end：1

特点：

结构最稳
构图保持度高
创造性相对较弱

方案二：结构与风格平衡

适合大多数人像生成任务。

建议参数：

预处理分辨率：768
ControlNet 强度：0.55 ~ 0.7
start：0
end：1 或 0.8

特点：

姿态稳定
风格迁移空间较大
适合时尚肖像、摄影棚风格生成

这也是我最推荐的实战方案。

方案三：弱控制，保留参考姿态灵感

适合希望结果更自由、更有变化的场景。

建议参数：

预处理分辨率：512
ControlNet 强度：0.35 ~ 0.5
start：0
end：0.6 ~ 0.8

特点：

自由度更高
更容易生成新风格
但也更容易偏离原参考图

九、为什么这套提示词和 Depth 很搭

这套正向提示词本身就是典型的高质量写真人像描述，包括：

premium fashion portrait
elegant posture
soft natural lighting
realistic skin texture
detailed shoulders and neckline
clean studio background
cinematic photography
photorealistic
high-end editorial style

这类关键词的作用可以拆开理解：

1）姿态相关词

例如：

elegant posture
detailed shoulders and neckline

这些词会加强模型对人物体态和肩颈区域的关注，而这些正好也是 Depth 最擅长保结构的区域。

2）摄影质感词

例如：

soft natural lighting
clean studio background
shallow depth of field
cinematic photography

这些词帮助模型提升整体摄影感，使结果更接近商业人像成片。

3）写实增强词

例如：

realistic skin texture
ultra detailed
photorealistic

这些词帮助模型把结构控制转化为更真实、更完整的视觉结果。

所以在 Depth 工作流里，Prompt 不要只写"一个人像"，而是要明确描述：

姿态
光线
皮肤质感
摄影棚环境
成片风格

这样效果会明显更好。

十、模型文件路径与部署细节

这一部分是最容易踩坑的，我单独拎出来讲。

当前模型放置路径

你现在的权重路径是：

bash 复制代码

/work/animateDiff/ComfyUI/custom_nodes/comfyui_controlnet_aux/ckpts/depth-anything/Depth-Anything-V2-Large/

文件名：

bash 复制代码

depth_anything_v2_vitl.pth

这里有几个注意点。

1）文件名必须对应节点读取名称

如果节点配置里读取的是：

text 复制代码

depth_anything_v2_vitl.pth

那你本地文件名就不能乱改，否则节点可能直接找不到。

你虽然还有一个：

bash 复制代码

/work/animateDiff/ComfyUI/custom_nodes/Depth-Anything-V2/

但这个目录大概率只是代码仓库。

真正让节点运行的是 .pth 权重文件，而不是仓库目录本身。

所以不要把"clone 了仓库"误以为"已经配置完成"。

3）最常见的问题是路径不对

如果出现以下情况：

节点存在，但一运行就报错
界面能选模型，但推理失败
启动没问题，执行时报找不到文件

优先排查：

模型是否真的放在 comfyui_controlnet_aux 的 ckpts 下
文件名是否一致
目录层级是否符合节点扫描规则

十一、实际使用体验总结

在这类半身人像任务中，Depth 的优势主要体现在以下几点：

1）人物朝向更稳定

不容易出现头肩关系错乱、身体角度漂移的问题。

2）肩颈轮廓更自然

尤其是在侧身、半侧身、锁骨区域，Depth 对体块的保持明显比 Canny 更自然。

3）服装变化空间更大

保住结构的同时，服装细节不会被原图边线锁死，更适合做重设计和风格替换。

4）成图更像"重拍"而不是"描边重绘"

这是我觉得最明显的一点。

Depth 生成出来的图，通常更像是在相同空间结构下重新拍了一张，而不是沿着边缘描一遍。

十二、常见问题排查

问题 1：节点能显示，但运行时报模型不存在

排查方向：

检查 .pth 文件是否真的放到了正确目录
检查文件名是否完全一致
检查是否重启了 ComfyUI

问题 2：推理速度太慢

解决思路：

把预处理分辨率从 768 降到 512
减少同时运行的高分辨率节点
检查 GPU 显存是否被其他任务占用

问题 3：结果太死板

解决思路：

将 strength 从 0.65 降到 0.5
或将 end_percent 从 1 调到 0.8
同时增强 prompt 的风格描述，让模型有更多发挥空间

问题 4：结果偏离原始构图

解决思路：

提高 strength
使用更高分辨率的 depth 预处理
减少 prompt 中过于强势、容易改构图的描述词

十三、适合使用 Depth ControlNet 的典型场景

我个人认为，以下场景特别适合优先尝试 Depth：

半身写真人像
摄影棚人像
时尚肖像
产品人物广告图
需要保姿态但换服装的任务
需要保留空间层次和镜头感的生成任务

如果你的目标是：

更稳的姿态控制
更自然的体块关系
更强的空间一致性

那么 Depth 基本都值得先试一轮。

十四、总结

本文基于 ComfyUI 的一套实际工作流，整理了 Depth Anything V2 + ControlNet 的接入方法和使用经验。整体来看，这套方案最大的价值在于：

结构控制强
人像适配度高
比 Canny 更重空间层次
适合高质量写实生成
适合风格迁移与高一致性重绘并存的场景

从工作流配置来看，这套方案采用了高质量写实风格的正向提示词，并通过深度控制模型 diffusers_xl_depth_full.safetensors 实现结构约束。实际应用中，只要把 Depth Anything V2 的权重路径配置正确，再搭配合适的 ControlNet 强度，就能获得非常稳定的结果。

一句话总结就是：

如果你想让 ComfyUI 生成结果既保姿态、又保空间感，同时还保留足够的风格变化空间，那么 Depth ControlNet 是非常值得长期使用的一类控制方案。

参考配置摘录

正向提示词示例

text 复制代码

a premium fashion portrait of a young woman, elegant posture, soft natural lighting, realistic skin texture, detailed shoulders and neckline, clean studio background, shallow depth of field, cinematic photography, ultra detailed, photorealistic, high-end editorial style

负向提示词示例

text 复制代码

low quality, blurry, distorted anatomy, extra fingers, bad hands, malformed body, duplicate features, messy background, oversaturated, overexposed, underexposed, artifacts, worst quality

ControlNet 模型

text 复制代码

diffusers_xl_depth_full.safetensors

14 ComfyUI 实战：使用 Depth Anything V2 + ControlNet 实现高一致性人像生成

ComfyUI 实战：使用 Depth Anything V2 + ControlNet 实现高一致性人像生成

摘要

一、前言

二、本文目标

三、运行环境说明

四、为什么选择 Depth，而不是 Canny

1）Canny 适合控制边缘

2）Depth 更适合控制空间结构

3）Depth 对风格迁移更友好

五、ComfyUI 工作流思路

六、工作流中的关键配置

七、Depth Anything V2 的接入方式

1）加载参考图

2）使用 DepthAnythingV2Preprocessor

3）将深度图接入 ControlNet

八、推荐参数组合

方案一：高一致性重绘

方案二：结构与风格平衡

方案三：弱控制，保留参考姿态灵感

九、为什么这套提示词和 Depth 很搭

1）姿态相关词

2）摄影质感词

3）写实增强词

十、模型文件路径与部署细节

当前模型放置路径

1）文件名必须对应节点读取名称

2）仓库目录和权重目录不是一回事

3）最常见的问题是路径不对

十一、实际使用体验总结

1）人物朝向更稳定

2）肩颈轮廓更自然

3）服装变化空间更大

4）成图更像"重拍"而不是"描边重绘"

十二、常见问题排查

问题 1：节点能显示，但运行时报模型不存在

问题 2：推理速度太慢

问题 3：结果太死板

问题 4：结果偏离原始构图

十三、适合使用 Depth ControlNet 的典型场景

十四、总结

参考配置摘录

正向提示词示例

负向提示词示例

ControlNet 模型