OpenPose ControlNet para Controle de Pose NSFW

Prompts de texto não conseguem descrever uma pose corporal com precisão suficiente para obter o mesmo resultado duas vezes. "Sentada na beira da cama, inclinada para frente, cabeça virada olhando por cima do ombro" soa específico para um leitor humano, mas para um modelo de IA é extremamente ambíguo. O motivo pelo qual suas gerações NSFW continuam saindo com poses quase certas mas nunca exatas é que o espaço de poses é grande demais para o texto navegar. O OpenPose ControlNet resolve isso ao fornecer ao modelo um diagrama de esqueleto literal mostrando exatamente onde cada articulação deve ficar. É a diferença entre descrever uma posição de xadrez em palavras e simplesmente mostrar o tabuleiro. Aqui está a configuração completa que realmente funciona em 2026.

Resposta Rápida: Instale o ComfyUI ControlNet Aux para o pré-processador DWPose (melhor que o OpenPose original). Baixe um modelo OpenPose ControlNet compatível com SDXL (o do thibaud é o padrão). A cadeia do workflow vai da imagem de referência para o pré-processador DWPose, para o Apply ControlNet com peso 0.8, e então para o KSampler. Combine com o depth ControlNet em peso 0.5 para poses difíceis. Use uma base Pony ou RealVisXL para a melhor aderência de pose em NSFW.

Por Que Prompts de Texto de Pose Falham para NSFW

Aqui está a coisa que demorou vergonhosamente para eu internalizar. Quando você escreve "deitada de costas com uma perna levantada" em um prompt, o modelo tem milhares de interpretações possíveis daquela descrição que combinam com o texto. A pose é de alta dimensionalidade. O texto é de baixa largura de banda. O modelo escolhe uma dessas interpretações de forma mais ou menos aleatória com base na seed, e é por isso que você não consegue reproduzir a mesma pose em várias gerações mesmo com prompts idênticos.

Esse problema é pior para NSFW do que para arte de IA em geral porque:

• Composições NSFW frequentemente têm posições corporais fora do padrão que o vocabulário de texto lida mal
• Os dados de treinamento para conteúdo explícito usam tags no estilo booru que comprimem a informação de pose em rótulos curtos
• Enquadramentos focados no corpo reduzem as "pistas de contexto" disponíveis que o modelo usa para desambiguar a pose
• Cenas NSFW com múltiplos sujeitos multiplicam a ambiguidade por quantas pessoas estiverem no enquadramento

O OpenPose ControlNet elimina essa ambiguidade ao dar ao modelo um diagrama de esqueleto explícito durante a amostragem. Cada articulação está em uma coordenada conhecida. Cada membro está em uma direção conhecida. O modelo ainda tem liberdade sobre forma corporal, roupas, iluminação, cena e tudo o mais, mas a pose em si fica travada. Esse é o desbloqueio fundamental.

O impacto prático para o trabalho NSFW. Eu costumava gastar de 10 a 20 gerações para acertar uma pose específica que eu queria, aceitando que a maioria das saídas seria quase certa mas errada. Com o OpenPose travado, eu consigo a pose que quero na primeira geração e só refaço para variar outros parâmetros. A diferença de produtividade é de aproximadamente 5 a 10 vezes para trabalhos em que a pose é crítica.

Como o OpenPose ControlNet Funciona

O OpenPose ControlNet condiciona um modelo de difusão a uma representação 2D em esqueleto da pose humana. O esqueleto tem nós para as principais articulações (cabeça, ombros, cotovelos, punhos, quadris, joelhos, tornozelos) conectados por linhas. Durante o treinamento, o modelo aprendeu a associar configurações específicas de esqueleto às posições corporais correspondentes no espaço de pixels. Durante a inferência, você fornece um diagrama de esqueleto junto ao prompt de texto, e o modelo produz uma imagem em que o corpo combina com aquele esqueleto.

O modelo OpenPose original (do projeto de pesquisa OpenPose) detecta 18 pontos-chave corporais, mais versões estendidas para mãos (21 pontos por mão) e rosto (70 pontos). Para uso prático, os pontos-chave do corpo são o que mais importa. Os pontos-chave do rosto ajudam com a direção do rosto, mas geralmente não são necessários. Os pontos-chave das mãos soam úteis, mas são pouco confiáveis na prática porque detectar mãos nas imagens de origem é difícil.

O DWPose é o substituto de 2026 para o pré-processador OpenPose original. Ele usa um modelo de detecção mais novo que produz estimativas de esqueleto mais precisas, especialmente para poses desafiadoras, oclusões parciais e ângulos corporais incomuns. Para trabalho NSFW, em que as poses frequentemente fogem da linha de base de estar em pé ou sentado, a vantagem de precisão do DWPose é real.

O fluxo completo de informação em um pipeline ControlNet funcionando:

1. A imagem de referência (ou desenho de boneco palito) entra em um pré-processador de pose
2. O pré-processador gera um diagrama de esqueleto com linhas/pontos coloridos
3. O diagrama de esqueleto entra no modelo ControlNet junto ao prompt de texto
4. O condicionamento do ControlNet é injetado nas camadas intermediárias do modelo de difusão
5. O sampler principal de difusão roda com a influência do condicionamento
6. A saída é uma imagem gerada em que a pose combina com o esqueleto

O parâmetro "peso" controla quão fortemente o ControlNet influencia a saída. Peso 1.0 significa que o modelo tenta combinar com o esqueleto exatamente. Peso 0.0 significa que o esqueleto é ignorado. Peso 0.8 (meu padrão para trabalho NSFW) é suficiente para travar a pose deixando ao modelo alguma flexibilidade para variação natural.

Instalando os Nós do ControlNet Aux

A configuração no ComfyUI é direta. O pacote de pré-processadores padrão é o comfyui_controlnet_aux do Fannovel16 (e o fork oficial em comfyorg/comfyui-controlnet-aux). Instale pelo ComfyUI Manager buscando por "ControlNet Aux Preprocessors" e clicando em install. Após a instalação, reinicie o ComfyUI e atualize o navegador. Os novos nós de pré-processador (incluindo o DWPose Estimator) ficam disponíveis.

Se você não puder usar o ComfyUI Manager, a instalação manual é:

1. Clone o repositório para dentro de ComfyUI/custom_nodes/
2. Rode o install.bat (Windows) ou install.sh (Linux/Mac) dentro do diretório
3. Garanta que as permissões de escrita estejam definidas no diretório

O script de instalação baixa as dependências necessárias e configura os pesos do modelo de pré-processador. A primeira execução após a instalação será mais lenta porque alguns modelos de pré-processador carregam sob demanda no primeiro uso.

Para o modelo ControlNet em si (separado do pré-processador), baixe um modelo OpenPose compatível com SDXL. A escolha padrão é o controlnet-openpose-sdxl-1.0 do thibaud no HuggingFace. Coloque-o em ComfyUI/models/controlnet/.

Para SD 1.5, caso você ainda esteja usando modelos mais antigos, o modelo ControlNet OpenPose original do lllyasviel funciona. Para o Flux, o suporte a ControlNet é mais novo e menos maduro. Existem modelos Flux ControlNet OpenPose, mas a qualidade é variável. Por enquanto, o SDXL é a escolha mais confiável para trabalho NSFW com controle de pose.

Otimização de desempenho especificamente para o DWPose. O pré-processador pode usar checkpoints TorchScript (.torchscript.pt) ou ONNXRuntime (.onnx) para o modelo de detecção subjacente. O ONNXRuntime é mais rápido, mas exige instalações adicionais de bibliotecas. O TorchScript é levemente mais lento, mas funciona de imediato. De qualquer modo, é muito mais rápido que inferência só em CPU. Para placas de 8 GB, ambas as opções funcionam, mas o ONNX é a escolha certa se você conseguir instalá-lo.

Capturando uma Pose a Partir de Referência

O workflow completo começa com uma imagem de referência mostrando a pose que você quer. Isso pode ser:

• Uma fotografia (mesmo sem relação com NSFW, o esqueleto é só geometria)
• Uma geração de IA anterior cuja pose você gostou
• Um desenho de boneco palito que você fez manualmente
• Uma pose 3D do Daz Studio ou de ferramentas de pose similares
• Um quadro extraído de um vídeo

Para trabalho NSFW, meu padrão é manter uma pasta de referências de pose coletadas ao longo do tempo. Quando quero uma pose específica, eu encontro uma referência (muitas vezes uma fotografia não NSFW de alguém naquela posição corporal) e a passo pelo DWPose. A extração do esqueleto é agnóstica ao conteúdo. Ela se importa com as posições das articulações, não com o que a pessoa está vestindo ou fazendo.

A cadeia de nós no ComfyUI fica assim:

1. Load Image (referência)
2. DWPose Estimator (pré-processador)
3. Preview Image (para você verificar se o esqueleto está certo)
4. Apply ControlNet (combinar com seu modelo)
5. KSampler (com seus prompts positivo/negativo normais)
6. VAE Decode
7. Save Image

O nó Preview entre o pré-processador e o Apply ControlNet vale a pena manter em todo workflow de pose. Ele permite verificar se o esqueleto foi extraído corretamente antes de comprometer-se com uma geração completa. Se o pré-processador perdeu uma articulação ou errou um ângulo, você vê isso antes de desperdiçar processamento em uma geração que não vai combinar com o que você quer.

Para poses em que você não consegue encontrar uma imagem de referência, a alternativa é desenhar o esqueleto manualmente. Existem ferramentas de editor de pose que permitem posicionar articulações em um canvas 2D. Especificamente para o ComfyUI, o nó customizado PoseSkeleton-XL e várias extensões de editor de pose permitem fazer isso dentro da interface. O esqueleto desenhado entra no Apply ControlNet da mesma forma que uma imagem pré-processada.

Combinando OpenPose com Depth

Falando sério sobre por que um único ControlNet muitas vezes não basta. O OpenPose trava a pose no nível do esqueleto, mas não codifica volume corporal, profundidade nem relações espaciais entre sujeito e ambiente. Para composições complexas (sujeito deitado em uma cama, sujeito em uma cadeira, sujeito atrás de um móvel), o modelo ainda tem liberdade sobre como o corpo intersecta a cena, e você pode obter resultados estranhos em que a pose está certa mas o layout espacial está errado.

A solução é combinar o OpenPose com o Depth ControlNet. O depth fornece o layout espacial (o que está na frente de quê, a que distância as coisas estão da câmera) enquanto o OpenPose fornece a pose. Juntos eles fixam a composição de forma muito mais confiável do que qualquer um deles sozinho.

A combinação de pesos recomendada a partir dos meus testes:

• OpenPose ControlNet: peso 0.8 (o sinal primário)
• Depth ControlNet: peso 0.5 a 0.6 (guia espacial secundário)

Empurrar o peso do depth acima de 0.7 começa a sobrescrever a pose. Ir abaixo de 0.4 torna o depth fraco demais para importar. O ponto ideal fica em torno de 0.5 a 0.6, o que dá coerência espacial sem competir com a pose.

Para workflows multi-ControlNet mais profundos, uma terceira opção é adicionar detecção de bordas Canny em peso baixo (0.2 a 0.3) para detalhe espacial fino. Isso é mais útil para combinar uma composição ambiental específica do que para trabalho de pose. A maioria dos workflows NSFW de pose vai bem com OpenPose mais Depth e não precisa de um terceiro ControlNet.

Pré-processamento de depth no ComfyUI Aux. O pré-processador Depth Anything V2 produz os mapas de profundidade de mais alta qualidade em 2026 e substitui opções mais antigas como o MiDaS. Use o Depth Anything V2 em qualquer workflow novo.

Para o modelo ControlNet em si, você precisa tanto de um OpenPose ControlNet quanto de um Depth ControlNet. Thibaud e outros hospedam variantes SDXL no HuggingFace. Baixe ambos e carregue-os como nós Apply ControlNet separados em sequência (encadeados, não em paralelo).

Truques de Pose Multipessoa

Cenas NSFW multipessoa são onde o controle de pose fica genuinamente difícil. O OpenPose consegue detectar e representar várias pessoas em um único diagrama de esqueleto, mas a capacidade do modelo de renderizar várias pessoas com poses distintas corretas degrada a cada pessoa adicional.

Padrões que funcionam para cenas de duas pessoas:

Diagrama de esqueleto único com ambas as pessoas desenhadas. O pré-processador DWPose lida com isso automaticamente se sua imagem de referência contiver duas pessoas. O esqueleto de saída tem duas figuras-esqueleto distintas. Forneça isso a um único OpenPose ControlNet. A qualidade é aceitável para cenas de duas pessoas, mas degrada para três ou mais.

Gerações separadas e composição. Gere cada pessoa individualmente com seu próprio workflow de pose travada e depois faça a composição das saídas. Mais trabalho, mas produz resultados mais limpos para composições multipessoa complexas. Útil para tomadas de destaque em que a qualidade importa mais que a produtividade.

ControlNet regional com as extensões Latent Couple ou Regional Prompter. Essas ferramentas permitem aplicar diferentes ControlNets e diferentes prompts a diferentes regiões da imagem. Essa é a abordagem mais poderosa, mas também a mais complexa de configurar.

Para trabalho NSFW de duas pessoas especificamente, meu padrão é:

1. Encontrar ou desenhar uma referência com ambas as poses
2. Rodar o DWPose para extrair o esqueleto
3. Verificar se o esqueleto está certo no preview
4. Aplicar o ControlNet em peso 0.85 (levemente mais alto que para uma pessoa, para compensar)
5. Usar um prompt que destaque ambos os sujeitos com seus papéis
6. Gerar com contagem de batch mais alta (5 a 10) para escolher o melhor resultado

Mesmo com esses truques, o trabalho NSFW multipessoa de pose é mais difícil que o de uma pessoa e a taxa de sucesso é menor. Planeje alguma iteração.

Limitações de Pose das Mãos

Aqui é onde tenho que ser honesto sobre a maior fraqueza do ControlNet. O controle de pose de mãos pelo OpenPose não é confiável. O pré-processador detecta os pontos-chave das mãos às vezes e os perde em outras. Mesmo quando detectados corretamente, o treinamento do modelo ControlNet em pares mão-esqueleto é mais escasso do que para pares corpo-esqueleto, então as mãos geradas frequentemente desviam da pose de mão de entrada.

O que de fato funciona para poses de mãos:

• Use o OpenPose com a variante estendida de mãos (21 pontos-chave por mão) quando o pré-processador cooperar
• Aceite que a pose do corpo estará correta, mas as mãos precisarão de correção separada
• Rode inpainting de mãos ou correção de mãos no estilo ADetailer como pós-processamento
• Use o Mesh Graphormer (um pré-processador de malha de mãos) para casos em que a pose das mãos realmente importa

Para a maior parte do trabalho NSFW, as mãos não são o foco da composição, então a abordagem certa é travar a pose do corpo com o OpenPose e aceitar que as mãos vão precisar de correção. O workflow do Face Detailer que documentei pode ser adaptado para o detalhamento de mãos usando o mesmo Impact Pack com hand_yolov8s.pt como modelo de detecção. Se você estiver rodando isso em VRAM limitada, o guia de configuração NSFW para 8 GB de VRAM cobre o que cabe com o ControlNet ativado.

Alguns truques específicos relacionados a mãos que ajudam:

• Mantenha as mãos longe de regiões enfatizadas no prompt (o modelo presta mais atenção ao que o prompt enfatiza)
• Adicione "detailed hands, fingers" aos prompts positivos para puxar a atenção para lá
• Adicione "bad hands, missing fingers, extra fingers" aos prompts negativos (mas não exagere)
• Use uma LoRA focada em mãos do Civitai (várias existem) para enviesar o modelo a melhores priors de mãos

Nenhum desses resolve completamente o problema. A correção de mãos é fundamentalmente um passo de pós-processamento em 2026.

Seis JSONs de Pose Reutilizáveis

Para criadores em atividade, ter uma biblioteca pessoal de referências de pose economiza um tempo enorme. O padrão que uso é manter uma pasta de JSONs de esqueleto (e imagens de referência de origem) que cobrem composições comuns. O formato Pose Keypoint do ComfyUI é baseado em JSON e pode ser salvo/carregado diretamente.

As seis poses que cobrem aproximadamente 80 por cento do meu trabalho NSFW:

1. Retrato em pé, ângulo de três quartos. Sujeito virado levemente fora do eixo da câmera. A pose-base mais flexível para tomadas de apresentação de personagem.

2. Sentado na beira da cama/cadeira, inclinado para frente. Composição clássica de cena íntima. Funciona bem tanto para cenas de um sujeito quanto de dois.

3. Deitado de costas, cabeça apoiada no travesseiro. Base de cena de quarto. Fácil de adaptar com diferentes posições de pernas.

4. Perfil lateral deitado. Poses descansadas. Boa para uma linguagem corporal relaxada.

5. Ajoelhado, mãos apoiadas nas coxas. Muita flexibilidade de composição, funciona tanto para enquadramentos casuais quanto íntimos.

6. Em pé em meio a uma ação, encostado na parede. Base NSFW no estilo lifestyle/moda. Sujeito em posição corporal dinâmica.

Eu mantenho essas como JSONs de esqueleto em uma pasta de workflow, e o workflow de produção carrega uma delas como entrada de pose. As imagens de referência reais que geraram cada esqueleto podem vir de qualquer lugar (fotografias, desenhos, gerações de IA anteriores). Uma vez que você tem o esqueleto, a origem não importa.

Para quem quer bibliotecas de pose prontas em vez de construir as suas, vários criadores no Civitai distribuem coleções de pose especificamente para trabalho NSFW. Busque por "pose pack" ou "openpose pack" no Civitai. As bibliotecas variam em qualidade, mas as melhores economizam tempo de verdade.

Perguntas Frequentes

O OpenPose ControlNet funciona com modelos Flux? O suporte do Flux a ControlNet é mais novo e menos maduro que o do SDXL. Existe OpenPose para Flux (builds da comunidade), mas a qualidade é variável. No meio de 2026, o SDXL é a escolha mais confiável para trabalho NSFW com controle de pose. O Flux ControlNet está melhorando rapidamente e pode ser a escolha recomendada no fim de 2026.

Por que minha geração de pose está ignorando o esqueleto? As causas mais comuns são peso baixo demais (deve ser 0.7 a 0.9 para uma trava de pose forte), modelo ControlNet errado selecionado (modelo SD 1.5 em SDXL ou vice-versa), pré-processador produzindo um esqueleto ruim (verifique o preview) ou prompt de texto brigando com a pose (prompts vagos funcionam melhor que descrições detalhadas de pose quando o ControlNet está fazendo o trabalho de pose).

Qual é a diferença entre OpenPose e DWPose? Ambos são pré-processadores de pose que geram um diagrama de esqueleto. O DWPose usa um modelo de detecção mais novo que é mais preciso, especialmente para poses desafiadoras. O DWPose deve ser o padrão em 2026. O formato de saída é compatível com todos os modelos OpenPose ControlNet, então você pode usar qualquer um dos pré-processadores com o mesmo ControlNet a jusante.

Posso usar o OpenPose ControlNet especificamente para poses de rosto? O modelo OpenPose estendido inclui pontos-chave do rosto, mas o controle de pose facial pelo ControlNet não é ótimo. Para a direção do rosto, o IPAdapter FaceID ou o PuLID funcionam melhor. Para a expressão facial, tokens de prompt e LoRAs de face detailer são mais confiáveis que o ControlNet.

Quantos ControlNets posso empilhar de uma vez em 8 GB de VRAM? Um com confiabilidade, dois com cuidado. Cada ControlNet adiciona cerca de 1 a 1.5 GB ao uso de VRAM durante a amostragem. Dois ControlNets (OpenPose mais Depth) é o máximo prático em 8 GB. Três é viável em 12 GB e fácil em 16 GB ou mais.

O OpenPose funciona para sujeitos não humanos? O modelo padrão é treinado em poses humanas. Para poses de animais ou criaturas fantásticas, você precisaria de um ControlNet diferente (Scribble ou Canny funcionam para controle geral de forma). Personagens de anime com proporções humanoides geralmente funcionam com o OpenPose padrão.

Que peso devo usar para o OpenPose? 0.8 é meu padrão para trabalho NSFW. Aumente para 1.0 se a pose estiver sendo ignorada. Diminua para 0.6 a 0.7 se a saída parecer rígida ou artificial demais. O peso certo varia conforme o modelo base. O Pony Realism segue a pose em pesos levemente mais baixos que o RealVisXL.

Posso editar um esqueleto depois que o pré-processador o extrai? Sim. Vários nós do ComfyUI e ferramentas externas permitem editar esqueletos OpenPose. A extensão PoseSkeleton-XL é uma opção. Você também pode exportar o esqueleto para um editor de terceiros, modificá-lo e reimportá-lo.

O ControlNet de pose afeta significativamente a velocidade de geração? Sim, de forma modesta. Adicionar um ControlNet a um workflow aumenta o tempo de geração em aproximadamente 30 a 40 por cento. Dois ControlNets juntos adicionam de 50 a 70 por cento. A lentidão vem das camadas de modelo adicionais que o ControlNet acrescenta ao caminho de amostragem.

Devo usar o ControlNet de pose em toda geração NSFW? Não. O ControlNet de pose é para quando a pose importa. Para gerações em que você quer variedade ou onde a pose não é crítica, pule-o. A restrição de pose travada reduz a diversidade na saída, o que às vezes é o oposto do que você quer. Use-o de forma deliberada.

A Opinião Honesta

O OpenPose ControlNet é genuinamente uma das adições de maior impacto a um workflow NSFW em 2026. A capacidade de reproduzir poses específicas de forma confiável é a diferença entre saída profissional (em que você planeja composições e as acerta) e saída amadora (em que você aceita o que a seed dá). Uma vez que você internaliza como usá-lo, a pergunta muda de "consegui uma boa pose?" para "que pose eu quero?".

A principal lição de rodar workflows com controle de pose por dois anos. Construa sua biblioteca de referências. Seis JSONs de pose bem escolhidos economizam mais tempo que qualquer outra otimização em um pipeline de produção NSFW. A configuração técnica do OpenPose ControlNet é direta e bem documentada. A biblioteca de poses reutilizáveis é o que de fato te torna mais rápido ao longo do tempo.

Para quem quer controle de pose sem gerenciar o workflow por conta própria, o lewdly.ai cuida do condicionamento de pose como parte do seu pipeline. Você fornece uma imagem de referência ou descrição de pose e a plataforma roteia pela stack de ControlNet apropriada. Esse é o nível certo de abstração para usuários casuais. Em total transparência, eu ajudo a construí-lo.

Os recursos de referência incluem o repositório ComfyUI ControlNet Aux no GitHub, o OpenPose ControlNet SDXL do thibaud no Hugging Face e o tutorial do ComfyUI Wiki sobre OpenPose ControlNet para contexto adicional.