# ComfyUI ControlNet: generación guiada de imágenes

> Aprende a configurar un flujo de trabajo en ComfyUI para generar imágenes que respeten la estructura de una foto de referencia usando el modelo Canny.

- Publicado: 2026-03-20
- Revisado: 2026-09-25
- Autor: Jacobo González Jaspe
- Idioma: es
- Etiquetas: ComfyUI, ControlNet, generacion de imagenes, tutorial
- URL canónica: https://vorluxai.com/blog/tutorial-comfyui-controlnet-generacion-guiada/
- Fuente: VORLUX AI (J4SGON S.L.), https://vorluxai.com/

---

Si necesitas que una imagen respete la estructura de una foto de referencia, **ControlNet** es la herramienta. Extrae bordes, pose o profundidad para usarlos como guía en la generación. Este tutorial explica cómo configurarlo en ComfyUI.

> **TL;DR**
> - Un workflow de 11 nodos que genera imágenes nuevas siguiendo los bordes Canny de una foto de referencia, en local y sin costes de API.
> - Necesitas ComfyUI, un checkpoint SDXL, un ControlNet Canny y 6 GB o más de VRAM; un Mac Mini M4 de 24 GB tarda unos 30 s por imagen.
> - Veredicto: descarga el JSON, empieza con strength 0,8 y revisa el mapa de bordes antes de generar.

![ComfyUI image generation workflow](https://vorluxai.com/assets/resources/comfyui-batch.png)

## Qué vas a construir
Un workflow que:
1. Carga una imagen de referencia (foto de producto, boceto arquitectónico, retrato)
2. Extrae la estructura de bordes usando **detección de bordes Canny**
3. Genera una nueva imagen guiada por esos bordes + tu prompt de texto
4. Se ejecuta 100% localmente: sin nube, sin costes de API

**Casos de uso**: Visualización de productos, renderizado arquitectónico, contenido consistente con la marca, transferencia de estilo.

## Requisitos previos
- **[ComfyUI](https://github.com/comfyanonymous/ComfyUI)** instalado ([App de escritorio](https://www.comfy.org/) o manual)
- **Checkpoint Stable Diffusion** de [Stability AI](https://stability.ai/) (ej: `sd_xl_base_1.0.safetensors`)
- **Modelo ControlNet** (ej: `control-lora-canny-rank256.safetensors`): consulta la [colección ControlNet en HuggingFace](https://huggingface.co/lllyasviel/ControlNet)
- **ComfyUI ControlNet Aux**: instalar vía ComfyUI Manager

```mermaid
flowchart LR
    INPUT["Input Image"] --> CN["ControlNet<br/>Preprocessor"]
    CN --> COND["Conditioning"]
    PROMPT["Text Prompt"] --> COND
    COND --> SAMPLER["KSampler"]
    SAMPLER --> OUTPUT["Generated Image"]
    
    style INPUT fill:#1E293B,color:#FAFAFA
    style CN fill:#F5A623,color:#0B1628
    style OUTPUT fill:#059669,color:#FAFAFA
```

## El Workflow (11 Nodos)
```
Imagen referencia → Deteccion bordes Canny → ControlNet Apply
                                                  ↓
Prompt texto → CLIP Encode ──────────────→ KSampler → VAE Decode → Guardar
                                                  ↑
Checkpoint → Modelo + VAE ────────────────────────┘
```

### Configuración nodo por nodo

| # | Nodo | Configuración |
|---|------|--------------|
| 1 | **CheckpointLoaderSimple** | Selecciona tu checkpoint SDXL o SD 1.5 |
| 2 | **ControlNetLoader** | Carga `control-lora-canny-rank256.safetensors` |
| 3 | **LoadImage** | Sube tu imagen de referencia |
| 4 | **CannyEdgePreprocessor** | low_threshold: 100, high_threshold: 200, resolution: 1024 |
| 5 | **CLIPTextEncode (positivo)** | Tu prompt: "foto profesional de producto, iluminación de estudio" |
| 6 | **CLIPTextEncode (negativo)** | "borroso, baja calidad, marca de agua, texto" |
| 7 | **ControlNetApplyAdvanced** | strength: 0.8, start_percent: 0, end_percent: 1.0 |
| 8 | **EmptyLatentImage** | width: 1024, height: 1024, batch_size: 1 |
| 9 | **KSampler** | steps: 25, cfg: 7.5, sampler: euler_ancestral, scheduler: normal |
| 10 | **VAEDecode** | Conectar a la salida del KSampler |
| 11 | **SaveImage** | filename_prefix: "controlnet_" |

### Parámetros clave

| Parámetro | Qué hace | Recomendado |
|-----------|---------|-------------|
| **strength** (ControlNet) | Cuánto seguir la guía de bordes | 0,7-0,9 estructura, 0,3-0,5 guía suave |
| **low_threshold** (Canny) | Sensibilidad mínima de bordes | 100 (defecto) |
| **high_threshold** (Canny) | Sensibilidad máxima de bordes | 200 (defecto) |
| **cfg** (KSampler) | Cuánto seguir el prompt de texto | 7-8 equilibrado, 10+ estricto |

## Consejos para mejores resultados
1. **Empieza con ControlNet fuerte** (0,8+) y reduce si el resultado parece rígido
2. **Usa dibujos lineales o fotos de arquitectura** como referencia, bordes limpios funcionan mejor
3. **Iguala la resolución**: si tu referencia es 1024x1024, configura EmptyLatentImage a 1024x1024
4. **Experimenta con tipos de ControlNet**: Canny (bordes), Depth (3D), Pose (humano), Scribble (bocetos)
5. **Modelos SDXL** producen mayor calidad que SD 1.5 pero necesitan más VRAM (6+ GB)

## Descargar el Workflow
Archivo JSON listo para importar:

**[Descargar vorlux_controlnet_canny_guided.json →](https://vorluxai.com/assets/workflows/comfyui/vorlux_controlnet_canny_guided.json)**

Importar en ComfyUI: **Load Workflow → Upload File**.

## Requisitos de hardware
| Hardware | VRAM | Velocidad | Calidad |
|----------|------|-----------|---------|
| Mac Mini M4 (24GB) | 24GB unificada | ~30s/imagen | Excelente |
| RTX 4060 Ti (16GB) | 16GB | ~15s/imagen | Excelente |
| RTX 3090 (24GB) | 24GB | ~10s/imagen | Excelente |

---

## Resultado esperado
Si has seguido todos los pasos correctamente, al pulsar **Queue Prompt** en ComfyUI deberás ver lo siguiente:

1. **Mapa de bordes Canny**: En la vista previa del nodo CannyEdgePreprocessor aparecerá una imagen en blanco y negro con las líneas de contorno de tu imagen de referencia. Si la imagen está demasiado limpia (pocos bordes) o demasiado ruidosa (todo lleno de líneas), ajusta `low_threshold` y `high_threshold`.

2. **Imagen generada**: La salida del nodo SaveImage mostrará una imagen nueva que **respeta la estructura y composición** de tu referencia pero con el estilo, color e iluminación definidos por tu prompt de texto. Por ejemplo, si usaste una foto de un edificio como referencia y el prompt "edificio futurista, estilo cyberpunk, neon, lluvia", verás la misma silueta arquitectónica transformada en estética cyberpunk.

3. **Tiempo de generación**: Con los parámetros recomendados (25 steps, 1024x1024), espera entre 10 y 45 segundos dependiendo de tu hardware (consulta la tabla de requisitos arriba).

La imagen resultante debe mantener las proporciones y bordes principales de la referencia. Si la estructura se pierde demasiado, sube el `strength` de ControlNet a 0,9. Si el resultado se ve demasiado rígido o "pegado" a la referencia, bájalo a 0,5-0,6.

## Consejos avanzados para mejores resultados
1. **Combina dos ControlNets**: Usa Canny (bordes) + Depth (profundidad) a la vez para obtener imágenes que respeten tanto la silueta como la perspectiva 3D de tu referencia. Conecta ambos con `ControlNetApplyAdvanced` en cadena, con strength de 0,6 cada uno.

2. **Usa el parámetro `end_percent` estratégicamente**: Configurar `end_percent: 0.7` en lugar de 1,0 permite que ControlNet guíe las primeras fases de la generación (estructura) y luego "suelte" el control, dando más libertad creativa al modelo en los detalles finales. Esto produce resultados más naturales y menos artificiales.

---

## Recursos relacionados
- [Biblioteca de 230 Workflows](https://vorluxai.com/workflows/): explora todos incluyendo 92 de ComfyUI
- [Catálogo de Modelos IA](https://vorluxai.com/models/): encuentra modelos Stable Diffusion y FLUX
- [Stack de Software](https://vorluxai.com/software/): ComfyUI en nuestro stack
- [Contacto](https://vorluxai.com/contact/): ¿necesitas ayuda configurando ComfyUI?

**Fuentes:**
- [ComfyUI: Repositorio GitHub](https://github.com/comfyanonymous/ComfyUI)
- [Stability AI: Modelos Stable Diffusion](https://stability.ai/)
- [ControlNet en HuggingFace](https://huggingface.co/lllyasviel/ControlNet)

---

## Lecturas relacionadas
- [ComfyUI: Genera 100 Imágenes de Producto en Minutos con IA Local](https://vorluxai.com/blog/tutorial-comfyui-generacion-imagenes-lote/)
- [n8n + MCP: Conecta Tus Agentes IA a Cualquier Herramienta de Negocio](https://vorluxai.com/blog/n8n-mcp-conectar-agentes-ia-herramientas-negocio-2026-es/)
- [Construye un agente IA que aprende solo con n8n: Tutorial del Learning Loop](https://vorluxai.com/blog/tutorial-n8n-automatizacion-ia-2026/)

## Siguientes pasos
- Descarga el archivo JSON del workflow para importarlo directamente en tu ComfyUI.
- Verifica que tienes instalados los modelos ControlNet necesarios desde HuggingFace.
- Configura los nodos de carga de checkpoint y ControlNet según la tabla técnica.
- Prueba el resultado con una imagen de arquitectura o producto para validar los bordes Canny.

## Trabaja con nosotros
Podemos hacer este análisis con tus datos reales antes de recomendar hardware. Una llamada gratuita de 15 minutos basta para saber si tiene sentido en tu caso: [reserva la llamada](https://vorluxai.com/contact/) o mira [cómo trabajamos en consultoría](https://vorluxai.com/consulting/).
