[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"glossary-controlnet::tr":3,"gloss-cluster-controlnet::tr":23,"gloss-next-controlnet::tr":9},{"slug":4,"category":5,"name":6,"definition":7,"meta_desc":8,"faq":9,"schema_markup":9,"related":10},"controlnet","output","ControlNet","ControlNet, Stable Diffusion gibi difüzyon görsel modelleri üzerinde hassas yapısal kontrol sağlayan ek bir sinir ağıdır. Metin isteminin doğru kompozisyonu tutturmasını ummak yerine bir kontrol sinyali verirsiniz — kenar haritası, derinlik haritası, insan pozu iskeleti, segmentasyon haritası veya kaba bir karalama — ve ControlNet üretilen görseli bu yapıya uymaya zorlarken istem, stil ve içeriği belirler. 2023'te tanıtıldı ve 'aynı poz, farklı stil' ile 'bu düzeni koru' iş akışlarını güvenilir hale getirdi. Geliştiriciler için ControlNet, oyuncak bir görsel üreticisini kontrol edilebilir bir üretim aracına dönüştüren şeydir: bir iç mimari uygulaması odanın geometrisini sabit tutarak yeniden stillendirebilir; bir e-ticaret aracı bir mankeni katalog boyunca tutarlı biçimde konumlandırabilir. Pratik not: her kontrol türü ayrı bir önceden eğitilmiş modeldir ve daha sıkı kontrol için birkaçını (poz + derinlik) üst üste bindirebilirsiniz, ancak bu daha fazla işlem gücü gerektirir. Kontrol girdisini üretimden önce bir ön işlemciyle (örneğin Canny kenar dedektörü veya poz tahmincisi) çıkarırsınız. Açıkça söylenmesi gereken iki sınır var, çünkü ikisi de kontrollü üretim özelliğini ilk kez yayına alan ekipleri düzenli olarak şaşırtıyor. ControlNet tek başına bir görsel üreteci değildir: mevcut bir temel difüzyon modelinin üzerine takılan bir koşullandırma mekanizmasıdır; dolayısıyla çıktı kalitesi, stil aralığı ve lisanslama koşulları hangi temele bağlarsanız ondan miras kalır — temeli değiştirmek, kontrol türünü değiştirmekten çok daha fazla sonucu değiştirir. İkincisi, kontrol girdisine piksel düzeyinde uyum garanti etmez. Temel model kısıtın içinde üretken özgürlüğünü korur; bu yüzden bir poz iskeleti pozu sabitler ama oranları sabitlemez, bir kenar haritası siluete yön verir ama her çizginin hayatta kalacağına söz vermez. Özelliğinizin kullanıcıya vaadi kesinlikse, daha güçlü bir koşullandırma ağırlığı değil bir doğrulama adımı gerekir. Yöntemin karşılığını verdiği yer, salt metin isteminin kullanılamayacak kadar çok değişkenlik ürettiği her senaryodur: gerçek bir nesnenin geometrisini koruması gereken ürün fotoğrafçılığı, kat planından çalışan mimari görselleştirme, bir kare dizisi boyunca karakter tutarlılığı. Maliyet tarafı ise ılımlıdır — her üretimde temel modelin yanında ek bir koşullandırma ağı çalışır ve getirdiği işlem yükü temel üretim maliyetine kıyasla genellikle mütevazıdır; bu nedenle ControlNet, model katmanı değiştirmenin yaptığı gibi bir özelliğin ekonomisini nadiren değiştirir. Pratik geliştirme tavsiyesi, ön işlemciyi ürün yüzeyinizin parçası saymaktır: kullanıcı bir fotoğraf veya eskiz verir, siz kontrol haritasını türetirsiniz ve bu türetme adımının kalitesi sonucu çoğu zaman aşağıdaki herhangi bir üretim parametresinden daha fazla belirler. Bir başka pratik nokta: farklı kontrol türleri farklı sıkılıkta kısıt uygular. Segmentasyon maskesi ve derinlik haritası kompozisyonu kabaca tutarken, kenar haritası çok daha katı bir çerçeve dayatır ve stil özgürlüğünü daraltır. Hangi sinyali seçtiğiniz, ağırlığı ne kadar yükselttiğinizden daha belirleyicidir.","ControlNet, difüzyon modellerine yapısal kontrol verir: istemin tutmasını ummak yerine kenar haritası, derinlik haritası ya da poz iskeleti verirsiniz.",null,[11,14,17,20],{"slug":12,"name":13},"character-consistency","Karakter Tutarlılığı",{"slug":15,"name":16},"diffusion-model","Difüzyon Modeli (Diffusion Model)",{"slug":18,"name":19},"image-generation","Görsel Üretimi",{"slug":21,"name":22},"image-to-image","Görselden Görsele",[24,28,32,36,39,43,46,49,52,55,58,61],{"slug":25,"category":5,"name":26,"updated_at":27},"abstention","Yanıttan Kaçınma","2026-08-24T03:30:02+00:00",{"slug":29,"category":5,"name":30,"updated_at":31},"ai-copywriting","Yapay Zeka Metin Yazarligi","2026-08-24T02:46:38+00:00",{"slug":33,"category":5,"name":34,"updated_at":35},"ai-watermarking","Yapay Zeka Filigranı","2026-08-24T02:46:37+00:00",{"slug":37,"category":5,"name":38,"updated_at":35},"aspect-ratio-control","En-Boy Oranı Kontrolü",{"slug":40,"category":5,"name":41,"updated_at":42},"audio-generation","Ses Üretimi (Audio Generation)","2026-08-24T02:46:36+00:00",{"slug":44,"category":5,"name":45,"updated_at":35},"audio-super-resolution","Ses Süper Çözünürlüğü",{"slug":47,"category":5,"name":48,"updated_at":42},"avatar-generation","Avatar Üretimi (Avatar Generation)",{"slug":50,"category":5,"name":51,"updated_at":42},"background-removal","Arka Plan Kaldırma (Background Removal)",{"slug":53,"category":5,"name":54,"updated_at":35},"batch-image-generation","Toplu Görsel Üretimi",{"slug":56,"category":5,"name":57,"updated_at":31},"brand-voice","Marka Sesi",{"slug":59,"category":5,"name":60,"updated_at":31},"cfg-scale","CFG Ölçeği (Classifier-Free Guidance)",{"slug":12,"category":5,"name":13,"updated_at":35}]