OpenPose ControlNet para Control de Poses NSFW

Los prompts de texto no pueden describir una pose corporal con suficiente precisión para obtener el mismo resultado dos veces. "Sentada en el borde de la cama, inclinada hacia adelante, con la cabeza girada para mirar por encima del hombro" suena específico para un lector humano, pero para un modelo de IA es tremendamente ambiguo. La razón por la que tus generaciones NSFW siguen saliendo con poses casi correctas pero no del todo es que el espacio de poses es demasiado grande para que el texto lo navegue. OpenPose ControlNet resuelve esto al entregarle al modelo un diagrama de esqueleto literal que muestra exactamente dónde debe estar cada articulación. Es la diferencia entre describir una posición de ajedrez con palabras y simplemente mostrar el tablero. Aquí tienes la configuración completa que realmente funciona en 2026.

Respuesta rápida: Instala ComfyUI ControlNet Aux para el preprocesador DWPose (mejor que el OpenPose original). Descarga un modelo OpenPose ControlNet compatible con SDXL (el de thibaud es el estándar). La cadena del flujo va de la imagen de referencia al preprocesador DWPose, de ahí a Apply ControlNet con peso 0.8 y luego al KSampler. Combínalo con depth ControlNet a peso 0.5 para poses complicadas. Usa una base Pony o RealVisXL para la mejor adherencia de pose en NSFW.

Por Qué Fallan los Prompts de Texto de Pose para NSFW

Aquí está la cosa que me tomó vergonzosamente mucho tiempo asimilar. Cuando escribes "acostada boca arriba con una pierna levantada" en un prompt, el modelo tiene miles de interpretaciones posibles de esa descripción que coinciden con el texto. La pose es de alta dimensionalidad. El texto es de poco ancho de banda. El modelo elige una de esas interpretaciones de forma más o menos aleatoria según la semilla, y por eso no puedes reproducir la misma pose en varias generaciones aunque uses prompts idénticos.

Este problema es peor para NSFW que para el arte de IA en general porque:

• Las composiciones NSFW suelen tener posiciones corporales poco convencionales que el vocabulario de texto maneja mal
• Los datos de entrenamiento de contenido explícito usan tags estilo booru que comprimen la información de pose en etiquetas cortas
• Los encuadres centrados en el cuerpo reducen las "pistas de contexto" disponibles que el modelo usa para desambiguar la pose
• Las escenas NSFW con varios sujetos multiplican la ambigüedad por la cantidad de personas que haya en el cuadro

OpenPose ControlNet elimina esta ambigüedad al darle al modelo un diagrama de esqueleto explícito durante el muestreo. Cada articulación está en una coordenada conocida. Cada extremidad está en una dirección conocida. El modelo todavía tiene libertad sobre la forma del cuerpo, la ropa, la iluminación, la escena y todo lo demás, pero la pose en sí queda fijada. Ese es el desbloqueo fundamental.

El impacto práctico para el trabajo NSFW. Yo solía gastar de 10 a 20 generaciones para lograr una pose específica que quería, aceptando que la mayoría de las salidas iban a quedar cercanas pero incorrectas. Con OpenPose fijado, obtengo la pose que quiero en la primera generación y solo vuelvo a tirar para variar en otros parámetros. La diferencia de rendimiento es de aproximadamente 5 a 10 veces para el trabajo donde la pose es crítica.

Cómo Funciona OpenPose ControlNet

OpenPose ControlNet condiciona un modelo de difusión a una representación 2D del esqueleto de una pose humana. El esqueleto tiene nodos para las articulaciones principales (cabeza, hombros, codos, muñecas, caderas, rodillas, tobillos) conectados por líneas. El modelo aprendió durante el entrenamiento a asociar configuraciones específicas de esqueleto con las posiciones corporales correspondientes en el espacio de píxeles. Durante la inferencia, le entregas un diagrama de esqueleto junto con el prompt de texto, y el modelo produce una imagen donde el cuerpo coincide con ese esqueleto.

El modelo OpenPose original (del proyecto de investigación OpenPose) detecta 18 puntos clave del cuerpo, además de versiones extendidas para manos (21 puntos por mano) y rostro (70 puntos). Para uso práctico, los puntos clave del cuerpo son lo que más importa. Los puntos clave del rostro ayudan con la dirección de la cara, pero por lo general no son necesarios. Los puntos clave de las manos suenan útiles, pero no son confiables en la práctica porque la detección de manos en las imágenes de origen es difícil.

DWPose es el reemplazo de 2026 para el preprocesador OpenPose original. Usa un modelo de detección más nuevo que produce estimaciones de esqueleto más precisas, en especial para poses desafiantes, oclusiones parciales y ángulos corporales inusuales. Para el trabajo NSFW, donde las poses suelen desviarse de la base de estar de pie o sentado, la ventaja de precisión de DWPose es real.

El flujo completo de información en una canalización de ControlNet que funciona:

1. La imagen de referencia (o un dibujo tipo monito de palitos) entra a un preprocesador de pose
2. El preprocesador genera un diagrama de esqueleto con líneas y puntos de colores
3. El diagrama de esqueleto entra al modelo ControlNet junto con el prompt de texto
4. El condicionamiento de ControlNet se inyecta en las capas intermedias del modelo de difusión
5. El muestreador de difusión principal se ejecuta con la influencia del condicionamiento
6. La salida es una imagen generada donde la pose coincide con el esqueleto

El parámetro "weight" controla qué tan fuerte influye el ControlNet en la salida. Un peso de 1.0 significa que el modelo intenta coincidir con el esqueleto exactamente. Un peso de 0.0 significa que el esqueleto se ignora. Un peso de 0.8 (mi valor predeterminado para el trabajo NSFW) es suficiente para fijar la pose dejándole al modelo algo de flexibilidad para una variación natural.

Instalar los Nodos ControlNet Aux

La configuración en ComfyUI es sencilla. El paquete estándar de preprocesadores es comfyui_controlnet_aux de Fannovel16 (y el fork oficial en comfyorg/comfyui-controlnet-aux). Instálalo a través del ComfyUI Manager buscando "ControlNet Aux Preprocessors" y haciendo clic en instalar. Después de la instalación, reinicia ComfyUI y actualiza tu navegador. Los nuevos nodos de preprocesador (incluido DWPose Estimator) quedan disponibles.

Si no puedes usar el ComfyUI Manager, la instalación manual es:

1. Clona el repositorio dentro de ComfyUI/custom_nodes/
2. Ejecuta el install.bat (Windows) o install.sh (Linux/Mac) dentro del directorio
3. Asegúrate de que el directorio tenga permisos de escritura

El script de instalación descarga las dependencias necesarias y configura los pesos del modelo de preprocesador. La primera ejecución después de instalar será más lenta porque algunos modelos de preprocesador se cargan de forma diferida en el primer uso.

Para el modelo ControlNet en sí (separado del preprocesador), descarga un modelo OpenPose compatible con SDXL. La opción estándar es el controlnet-openpose-sdxl-1.0 de thibaud en HuggingFace. Colócalo en ComfyUI/models/controlnet/.

Para SD 1.5, si todavía usas modelos más antiguos, el modelo original lllyasviel ControlNet OpenPose funciona. Para Flux, el soporte de ControlNet es más nuevo y menos maduro. Existen modelos Flux ControlNet OpenPose, pero la calidad es variable. Por ahora, SDXL es la opción más confiable para el trabajo NSFW con control de pose.

Optimización de rendimiento específica para DWPose. El preprocesador puede usar checkpoints de TorchScript (.torchscript.pt) o ONNXRuntime (.onnx) para el modelo de detección subyacente. ONNXRuntime es más rápido, pero requiere instalar librerías adicionales. TorchScript es un poco más lento, pero funciona desde el principio. De cualquier forma, es mucho más rápido que la inferencia solo en CPU. Para tarjetas de 8 GB, ambas opciones funcionan, pero ONNX es la elección correcta si puedes instalarlo.

Capturar una Pose desde una Referencia

El flujo completo empieza con una imagen de referencia que muestra la pose que quieres. Esto puede ser:

• Una fotografía (incluso sin relación con NSFW, el esqueleto es solo geometría)
• Una generación de IA anterior cuya pose te gustó
• Un dibujo de monito de palitos que hiciste a mano
• Una pose 3D de Daz Studio o herramientas de pose similares
• Un fotograma extraído de un video

Para el trabajo NSFW, mi patrón es mantener una carpeta de referencias de pose recolectadas con el tiempo. Cuando quiero una pose específica, busco una referencia (a menudo una fotografía no NSFW de alguien en esa posición corporal) y la paso por DWPose. La extracción del esqueleto es independiente del contenido. Le importan las posiciones de las articulaciones, no lo que la persona viste o hace.

La cadena de nodos en ComfyUI se ve así:

1. Load Image (referencia)
2. DWPose Estimator (preprocesador)
3. Preview Image (para que puedas verificar que el esqueleto se ve bien)
4. Apply ControlNet (combinar con tu modelo)
5. KSampler (con tus prompts positivos/negativos normales)
6. VAE Decode
7. Save Image

Vale la pena mantener el nodo Preview entre el preprocesador y Apply ControlNet en cada flujo de pose. Te deja verificar que el esqueleto se extrajo correctamente antes de comprometerte con una generación completa. Si el preprocesador se saltó una articulación o se equivocó en un ángulo, lo ves antes de gastar cómputo en una generación que no va a coincidir con lo que quieres.

Para poses donde no puedes encontrar una imagen de referencia, la alternativa es dibujar el esqueleto manualmente. Hay herramientas de edición de pose que te dejan colocar articulaciones en un lienzo 2D. Para ComfyUI en específico, el nodo personalizado PoseSkeleton-XL y varias extensiones de edición de pose te dejan hacer esto dentro de la interfaz. El esqueleto dibujado entra a Apply ControlNet de la misma forma que una imagen preprocesada.

Combinar OpenPose Más Depth

Hablemos en serio de por qué un solo ControlNet a menudo no es suficiente. OpenPose fija la pose a nivel de esqueleto, pero no codifica el volumen corporal, la profundidad ni las relaciones espaciales entre el sujeto y el entorno. Para composiciones complejas (un sujeto acostado en una cama, un sujeto en una silla, un sujeto detrás de un mueble), el modelo todavía tiene libertad sobre cómo el cuerpo se cruza con la escena, y puedes obtener resultados raros donde la pose es correcta pero la disposición espacial está mal.

La solución es combinar OpenPose con Depth ControlNet. Depth aporta la disposición espacial (qué está delante de qué, qué tan lejos están las cosas de la cámara) mientras que OpenPose aporta la pose. Juntos fijan la composición de forma mucho más confiable que cualquiera de los dos por separado.

La combinación de pesos recomendada según mis pruebas:

• OpenPose ControlNet: peso 0.8 (la señal principal)
• Depth ControlNet: peso 0.5 a 0.6 (guía espacial secundaria)

Subir el peso de depth por encima de 0.7 empieza a anular la pose. Bajar de 0.4 hace que depth sea demasiado débil para importar. El punto óptimo está cerca de 0.5 a 0.6, que da coherencia espacial sin competir con la pose.

Para flujos profundos con varios ControlNet, una tercera opción es agregar detección de bordes Canny a peso bajo (0.2 a 0.3) para detalle espacial fino. Esto es más útil para coincidir con una composición ambiental específica que para el trabajo de pose. La mayoría de los flujos de pose NSFW funcionan bien con OpenPose más Depth y no necesitan un tercer ControlNet.

Preprocesamiento de depth en ComfyUI Aux. El preprocesador Depth Anything V2 produce los mapas de profundidad de mayor calidad en 2026 y supera a opciones más antiguas como MiDaS. Usa Depth Anything V2 para cualquier flujo nuevo.

Para el modelo ControlNet en sí, necesitas tanto un OpenPose ControlNet como un Depth ControlNet. Thibaud y otros alojan variantes SDXL en HuggingFace. Descarga ambos y cárgalos como nodos Apply ControlNet separados en secuencia (encadenados, no en paralelo).

Trucos de Pose Multipersona

Las escenas NSFW con varias personas son donde el control de pose se vuelve realmente difícil. OpenPose puede detectar y representar a varias personas en un solo diagrama de esqueleto, pero la capacidad del modelo de renderizar a varias personas con poses distintas y correctas se degrada con cada persona adicional.

Patrones que funcionan para escenas de dos personas:

Un solo diagrama de esqueleto con ambas personas dibujadas. El preprocesador DWPose maneja esto automáticamente si tu imagen de referencia contiene dos personas. El esqueleto de salida tiene dos figuras de esqueleto distintas. Entrégalo a un solo OpenPose ControlNet. La calidad es aceptable para escenas de dos personas, pero se degrada con tres o más.

Generaciones separadas y composición. Genera a cada persona de forma individual con su propio flujo de pose fijada, y luego compón las salidas. Es más trabajo, pero produce resultados más limpios para composiciones multipersona complejas. Útil para tomas estrella donde la calidad importa más que el rendimiento.

ControlNet regional con las extensiones Latent Couple o Regional Prompter. Estas herramientas te dejan aplicar distintos ControlNet y distintos prompts a distintas regiones de la imagen. Es el enfoque más potente, pero también el más complejo de configurar.

Para el trabajo NSFW de dos personas en específico, mi patrón es:

1. Encontrar o dibujar una referencia con ambas poses
2. Ejecutar DWPose para extraer el esqueleto
3. Verificar que el esqueleto se ve bien en la vista previa
4. Aplicar ControlNet a peso 0.85 (un poco más alto que para una sola persona para compensar)
5. Usar un prompt que mencione a ambos sujetos con sus roles
6. Generar con un conteo de lote más alto (5 a 10) para elegir el mejor resultado

Incluso con estos trucos, el trabajo de pose NSFW multipersona es más difícil que el de una sola persona y la tasa de éxito es más baja. Planea para algo de iteración.

Limitaciones de la Pose de Manos

Aquí es donde tengo que ser honesto sobre la mayor debilidad de ControlNet. El control de pose de manos a través de OpenPose no es confiable. El preprocesador detecta los puntos clave de las manos a veces y los falla otras veces. Incluso cuando se detectan correctamente, el entrenamiento del modelo ControlNet con pares de esqueleto de manos es más escaso que con pares de esqueleto corporal, así que las manos generadas a menudo se desvían de la pose de manos de entrada.

Lo que realmente funciona para las poses de manos:

• Usa OpenPose con la variante extendida de manos (21 puntos clave de mano por mano) cuando el preprocesador coopere
• Acepta que la pose del cuerpo será correcta, pero las manos necesitan un arreglo por separado
• Ejecuta inpainting de manos o una corrección de manos estilo ADetailer como posproceso
• Usa Mesh Graphormer (un preprocesador de malla de mano) para casos donde la pose de manos realmente importa

Para la mayoría del trabajo NSFW, las manos no son el foco de la composición, así que el enfoque correcto es fijar la pose del cuerpo con OpenPose y aceptar que las manos van a necesitar corrección. El flujo de trabajo de Face Detailer que documenté se puede adaptar al detallado de manos usando el mismo Impact Pack con hand_yolov8s.pt como modelo de detección. Si lo ejecutas con VRAM limitada, la guía de configuración NSFW para 8 GB de VRAM cubre qué cabe con ControlNet activado.

Algunos trucos específicos relacionados con manos que ayudan:

• Mantén las manos alejadas de las regiones que el prompt enfatiza (el modelo presta más atención a lo que el prompt enfatiza)
• Agrega "detailed hands, fingers" a los prompts positivos para empujar la atención hacia ahí
• Agrega "bad hands, missing fingers, extra fingers" a los prompts negativos (pero no te excedas)
• Usa un LoRA enfocado en manos de Civitai (existen varios) para sesgar el modelo hacia mejores priores de manos

Ninguno de estos arregla el problema por completo. La corrección de manos es fundamentalmente un paso de posproceso en 2026.

Seis Poses JSON Reutilizables

Para los creadores activos, tener una biblioteca personal de referencias de pose ahorra una cantidad enorme de tiempo. El patrón que uso es mantener una carpeta de JSONs de esqueleto (e imágenes de referencia de origen) que cubran composiciones comunes. El formato Pose Keypoint de ComfyUI está basado en JSON y se puede guardar o cargar directamente.

Las seis poses que cubren aproximadamente el 80 por ciento de mi trabajo NSFW:

1. Retrato de pie, ángulo de tres cuartos. El sujeto mirando ligeramente fuera del eje de la cámara. La pose base más flexible para tomas de presentación de personaje.

2. Sentado al borde de la cama o silla, inclinado hacia adelante. Composición clásica de escena íntima. Funciona bien tanto para escenas de un solo sujeto como de dos sujetos.

3. Acostado boca arriba, cabeza apoyada en la almohada. Base de escena de dormitorio. Fácil de adaptar con distintas posiciones de piernas.

4. Perfil de costado acostado. Poses recostadas. Buena para un lenguaje corporal relajado.

5. De rodillas, manos apoyadas en los muslos. Mucha flexibilidad compositiva, funciona tanto para encuadres casuales como íntimos.

6. De pie en plena acción, apoyado contra la pared. Base NSFW estilo lifestyle o moda. El sujeto en una posición corporal dinámica.

Guardo estas como JSONs de esqueleto en una carpeta de flujo de trabajo, y el flujo de producción carga una de ellas como entrada de pose. Las imágenes de referencia reales que generaron cada esqueleto pueden venir de cualquier lado (fotografías, dibujos, generaciones de IA anteriores). Una vez que tienes el esqueleto, el origen no importa.

Para quienes quieren bibliotecas de poses prearmadas en vez de construir las suyas, varios creadores en Civitai distribuyen colecciones de poses específicamente para el trabajo NSFW. Busca "pose pack" u "openpose pack" en Civitai. Las bibliotecas varían en calidad, pero las mejores ahorran tiempo real.

Preguntas Frecuentes

¿OpenPose ControlNet funciona con modelos Flux? El soporte de ControlNet para Flux es más nuevo y menos maduro que el de SDXL ControlNet. Existe OpenPose para Flux (versiones de la comunidad), pero la calidad es variable. A mediados de 2026, SDXL es la opción más confiable para el trabajo NSFW con control de pose. El ControlNet de Flux está mejorando rápidamente y podría ser la opción recomendada a finales de 2026.

¿Por qué mi generación de pose ignora el esqueleto? Las causas más comunes son un peso demasiado bajo (debería ser de 0.7 a 0.9 para una fijación fuerte de pose), un modelo ControlNet equivocado seleccionado (modelo de SD 1.5 sobre SDXL o viceversa), un preprocesador que produce un mal esqueleto (revisa la vista previa), o un prompt de texto que pelea con la pose (los prompts vagos funcionan mejor que las descripciones de pose detalladas cuando ControlNet está haciendo el trabajo de pose).

¿Cuál es la diferencia entre OpenPose y DWPose? Ambos son preprocesadores de pose que generan un diagrama de esqueleto. DWPose usa un modelo de detección más nuevo que es más preciso, en especial para poses desafiantes. DWPose debería ser el predeterminado en 2026. El formato de salida es compatible con todos los modelos OpenPose ControlNet, así que puedes usar cualquiera de los dos preprocesadores con el mismo ControlNet aguas abajo.

¿Puedo usar OpenPose ControlNet específicamente para poses de rostro? El modelo OpenPose extendido incluye puntos clave del rostro, pero el control de pose facial a través de ControlNet no es muy bueno. Para la dirección del rostro, IPAdapter FaceID o PuLID funcionan mejor. Para la expresión facial, los tokens del prompt y los LoRA de face detailer son más confiables que ControlNet.

¿Cuántos ControlNet puedo apilar a la vez con 8 GB de VRAM? Uno de forma confiable, dos con cuidado. Cada ControlNet agrega cerca de 1 a 1.5 GB al uso de VRAM durante el muestreo. Dos ControlNet (OpenPose más Depth) es el máximo práctico en 8 GB. Tres es factible en 12 GB y fácil en 16 GB o más.

¿OpenPose funciona para sujetos no humanos? El modelo estándar está entrenado con poses humanas. Para poses de animales o criaturas de fantasía, necesitarías un ControlNet distinto (Scribble o Canny funcionan para el control de forma general). Los personajes de anime con proporciones humanoides por lo general funcionan con el OpenPose estándar.

¿Qué peso debería usar para OpenPose? 0.8 es mi predeterminado para el trabajo NSFW. Súbelo a 1.0 si la pose se está ignorando. Bájalo a 0.6 o 0.7 si la salida se ve demasiado rígida o poco natural. El peso correcto varía según el modelo base. Pony Realism sigue la pose con pesos un poco más bajos que RealVisXL.

¿Puedo editar un esqueleto después de que el preprocesador lo extrae? Sí. Varios nodos de ComfyUI y herramientas externas te dejan editar esqueletos de OpenPose. La extensión PoseSkeleton-XL es una opción. También puedes exportar el esqueleto a un editor externo, modificarlo y volver a importarlo.

¿El pose ControlNet afecta la velocidad de generación de forma significativa? Sí, de forma moderada. Agregar un ControlNet a un flujo aumenta el tiempo de generación en aproximadamente un 30 a 40 por ciento. Dos ControlNet juntos agregan de un 50 a un 70 por ciento. La ralentización viene de las capas de modelo adicionales que ControlNet agrega a la ruta de muestreo.

¿Debería usar pose ControlNet para cada generación NSFW? No. El pose ControlNet es para cuando la pose importa. Para generaciones donde quieres variedad o donde la pose no es crítica, sáltalo. La restricción de una pose fijada reduce la diversidad en la salida, lo cual a veces es lo opuesto de lo que quieres. Úsalo de forma deliberada.

La Opinión Honesta

OpenPose ControlNet es de verdad una de las adiciones de mayor impacto a un flujo de trabajo NSFW en 2026. La capacidad de reproducir poses específicas de forma confiable es la diferencia entre una salida profesional (donde puedes planear composiciones y lograrlas) y una salida amateur (donde aceptas lo que la semilla te dé). Una vez que asimilas cómo usarlo, la pregunta cambia de "¿obtuve una buena pose?" a "¿qué pose quiero?".

La lección principal de ejecutar flujos con control de pose durante dos años. Construye tu biblioteca de referencias. Seis JSONs de pose bien elegidos ahorran más tiempo que cualquier otra optimización en una canalización de producción NSFW. La configuración técnica de OpenPose ControlNet es sencilla y está bien documentada. La biblioteca de poses reutilizables es lo que realmente te hace más rápido con el tiempo.

Para quienes quieren control de pose sin gestionar el flujo de trabajo por su cuenta, lewdly.ai maneja el condicionamiento de pose como parte de su canalización. Tú proporcionas una imagen de referencia o una descripción de pose y la plataforma enruta a través de la pila de ControlNet apropiada. Este es el nivel de abstracción correcto para usuarios casuales. Aclaro que yo ayudo a construirla.

Los recursos de referencia incluyen el repositorio de ComfyUI ControlNet Aux en GitHub, el OpenPose ControlNet SDXL de thibaud en Hugging Face y el tutorial de la ComfyUI Wiki sobre OpenPose ControlNet para contexto adicional.