Fooocus：一个基于 Stable Diffusion XL 的开源图像生成工具

你是否曾经想过，只需输入几句描述，就能生成高质量的图片，而不需要复杂的参数调整？Fooocus 就是这样一个工具。它是一个开源的图像生成软件，基于 Stable Diffusion XL 架构，旨在让用户专注于提示词和图像本身，而非技术细节。今天，我们来聊聊 Fooocus 的各种方面，从安装到高级功能，帮助你快速上手。如果你正寻找一个简单、免费的离线图像生成解决方案，这篇文章会一步步带你了解它。

Fooocus 的设计理念是简化用户体验。它类似于在线工具如 Midjourney，但它是完全离线的，开源的，而且免费。安装过程只需几个点击，GPU 内存最低只需 4GB（Nvidia）。最近，有许多假网站冒充 Fooocus，但记住，这里的信息来自官方来源，确保你从正确的地方获取。

Fooocus 是什么，以及它为什么适合你？

想象一下，你是一个设计师或爱好者，想生成一张“花园里的房子”的图片。Fooocus 让你只需输入提示词，就能得到高质量结果，而不用手动调整参数。它内置了 GPT-2 基于的提示处理引擎，以及采样改进，确保即使简短的提示也能产生美观图像。

Fooocus 现在处于有限长期支持（LTS）状态，只修复 bug。没有计划迁移到新模型架构，如 Flux。但如果你想尝试新模型，可以看看其他平台如 WebUI Forge 或 ComfyUI/SwarmUI。还有几个优秀的 Fooocus 分支可供实验。

为什么选择 Fooocus？它简化了图像生成过程，支持文本到图像、图像变体、内绘和外绘等功能。而且，它对提示词的处理很智能，支持多行提示、权重和嵌入。

Fooocus 的核心功能有哪些？

Fooocus 借鉴了 Midjourney 和 LeonardoAI 的示例，提供了一系列实用功能。让我们用表格来比较一下，看看它如何对应其他工具的特性。

Midjourney 功能	Fooocus 对应功能
高质量文本到图像，无需过多提示工程或参数调整（未知方法）	高质量文本到图像，无需过多提示工程或参数调整（使用离线 GPT-2 提示处理引擎和采样改进，无论提示短如“花园里的房子”还是长达 1000 字，都能产生美观结果）
V1 V2 V3 V4	输入图像 -> 放大或变体 -> 变体（微妙）/ 变体（强烈）
U1 U2 U3 U4	输入图像 -> 放大或变体 -> 放大（1.5x）/ 放大（2x）
内绘 / 上 / 下 / 左 / 右（平移）	输入图像 -> 内绘或外绘 -> 内绘 / 上 / 下 / 左 / 右（Fooocus 使用自己的内绘算法和模型，结果比标准 SDXL 内绘方法更满意）
图像提示	输入图像 -> 图像提示（Fooocus 使用自己的图像提示算法，质量和提示理解比标准 SDXL 方法如 IP-Adapters 或 Revisions 更好）
–style	高级 -> 风格
–stylize	高级 -> 高级 -> 指导
–niji	多个启动器：”run.bat”、”run_anime.bat” 和 “run_realistic.bat”。Fooocus 支持 Civitai 上的 SDXL 模型
–quality	高级 -> 质量
–repeat	高级 -> 图像数量
多提示 (::)	只需使用多行提示
提示权重	可以使用 “I am (happy:1.5)”。Fooocus 使用 A1111 的重加权算法，结果比 ComfyUI 更好，如果用户直接从 Civitai 复制提示（因为 ComfyUI 的提示更倾向于拖拽文件）要使用嵌入，可以用 “(embedding:file_name:1.1)”
–no	高级 -> 负面提示
–ar	高级 -> 纵横比
InsightFace	输入图像 -> 图像提示 -> 高级 -> 换脸
描述	输入图像 -> 描述

LeonardoAI 功能	Fooocus 对应功能
Prompt Magic	高级 -> 风格 -> Fooocus V2
高级采样参数（如对比度/锐度等）	高级 -> 高级 -> 采样锐度 / 等
用户友好的 ControlNets	输入图像 -> 图像提示 -> 高级

此外，Fooocus 还有许多高级功能，如通过讨论页面浏览更多细节。

如何下载和安装 Fooocus？

下载和安装 Fooocus 非常简单，尤其是对于 Windows 用户。让我们一步步来。

对于 Windows 用户

下载文件：从官方发布下载 Fooocus_win64_2-5-0.7z。
解压缩文件。
运行 “run.bat”。

第一次启动时，它会自动下载模型：

默认模型到 “Fooocus\models\checkpoints” 文件夹，根据预设不同。
如果使用内绘，第一次内绘时会下载 Fooocus 的内绘控制模型（1.28GB）。

Fooocus 2.1.60 后，你会有 “run_anime.bat” 和 “run_realistic.bat”，用于不同预设（会自动下载模型）。

Fooocus 2.3.0 后，你可以在浏览器中切换预设。使用 –disable-preset-selection 来禁用浏览器中的预设选择，或 –always-download-new-model 来在切换预设时下载缺失模型。

如果你有模型文件，可以手动复制到相应位置加速安装。

测试：在 16GB 系统 RAM 和 6GB VRAM（Nvidia 3060 笔记本）的低端笔记本上，速度约 1.35 秒/迭代。

如果生成时间长，考虑下载 Nvidia Driver 531。

最低要求：4GB Nvidia GPU 内存和 8GB 系统内存。使用 Microsoft 的 Virtual Swap，通常自动启用。如果看到 “RuntimeError: CPUAllocator”，手动启用它，并确保每个驱动器有至少 40GB 空闲空间。

对于 Colab 用户

使用 Colab 笔记本：修改最后一行如 !python entry_with_update.py –share –always-high-vram，或添加 –preset anime/realistic。

Colab 免费版资源有限，会禁用 refiner，但基本文本到图像功能可用。使用 –always-high-vram 优化 T4 实例。

对于 Linux 用户（Anaconda）

git clone https://github.com/lllyasviel/Fooocus.git
cd Fooocus
conda env create -f environment.yaml
conda activate fooocus
pip install -r requirements_versions.txt

下载模型或让 Fooocus 自动下载：python entry_with_update.py

使用 –listen 打开远程端口。添加 –preset anime/realistic 用于动漫/现实版。

对于 Linux 用户（Python Venv）

需要 Python 3.10。

git clone https://github.com/lllyasviel/Fooocus.git
cd Fooocus
python3 -m venv fooocus_env
source fooocus_env/bin/activate
pip install -r requirements_versions.txt

启动：source fooocus_env/bin/activate; python entry_with_update.py

对于 Linux 用户（本地 Python）

类似以上，但直接 pip3 install -r requirements_versions.txt; python3 entry_with_update.py

对于 Linux AMD GPU 用户

卸载 torch 并安装 AMD 版：pip uninstall torch …; pip install torch torchvision torchaudio –index-url https://download.pytorch.org/whl/rocm5.6

AMD 支持是 beta 版。

对于 Windows AMD GPU 用户

编辑 run.bat：卸载 torch，安装 torch-directml，并添加 –directml。

AMD 支持是 beta 版。

对于 Mac 用户

需要 macOS Catalina 或更高，M1/M2。

安装 conda 和 pytorch nightly，确保 MPS 加速。
git clone https://github.com/lllyasviel/Fooocus.git
cd Fooocus
conda env create -f environment.yaml
conda activate fooocus
pip install -r requirements_versions.txt
python entry_with_update.py

一些 M2 用户需添加 –disable-offload-from-vram。Mac 处理时间较长，因为无专用显卡。

Docker 安装

参考 docker.md。

下载旧版本

参考讨论页面指南。

Fooocus 的最低硬件要求是什么？

Fooocus 针对高质量图像生成设计，最低要求因平台而异。以下表格总结：

操作系统	GPU	最低 GPU 内存	最低系统内存	系统交换	备注
Windows/Linux	Nvidia RTX 4XXX	4GB	8GB	所需	最快
Windows/Linux	Nvidia RTX 3XXX	4GB	8GB	所需	通常比 RTX 2XXX 快
Windows/Linux	Nvidia RTX 2XXX	4GB	8GB	所需	通常比 GTX 1XXX 快
Windows/Linux	Nvidia GTX 1XXX	8GB (6GB 不确定)	8GB	所需	仅略快于 CPU
Windows/Linux	Nvidia GTX 9XX	8GB	8GB	所需	快于或慢于 CPU
Windows/Linux	Nvidia GTX < 9XX	不支持	/	/	/
Windows	AMD GPU	8GB	8GB	所需	通过 DirectML，比 Nvidia RTX 3XXX 慢 3x
Linux	AMD GPU	8GB	8GB	所需	通过 ROCm，比 Nvidia RTX 3XXX 慢 1.5x
Mac	M1/M2 MPS	共享	共享	共享	比 Nvidia RTX 3XXX 慢 9x
Windows/Linux/Mac	只用 CPU	0GB	32GB	所需	比 Nvidia RTX 3XXX 慢 17x

注意：Fooocus 不支持更小模型以降低要求，因为优先高质量。

默认模型和预设如何工作？

默认模型根据任务不同：

任务	Windows	Linux args	主模型	Refiner	配置
通用	run.bat		juggernautXL_v8Rundiffusion	未使用	默认 json
现实	run_realistic.bat	–preset realistic	realisticStockPhoto_v20	未使用	现实 json
动漫	run_anime.bat	–preset anime	animaPencilXL_v500	未使用	动漫 json

自动下载模型，或手动放置。

如何访问 Fooocus UI 并添加认证？

除了本地运行，你可以用 –listen（指定端口如 –port 8888）暴露本地 UI，或 –share 暴露 API（到 .gradio.live）。

默认无认证。创建 auth.json 在主目录，包含 user 和 pass 的 JSON 对象（见示例）。

Fooocus 的隐藏技巧和高级功能

Fooocus 有一些隐藏技巧，基于 SDXL：

GPT2 基于的提示扩展作为动态风格 “Fooocus V2″。
单 k-sampler 内原生 refiner 交换，利用基础模型动量。
负面 ADM 指导，补偿 CFG 对比不足。
自注意力指导变体，防止过度平滑。
修改风格模板，添加 “cinematic-default”。
测试 lora 权重 <0.5 改善结果。
仔细调优采样器参数。
固定分辨率生成更好结果。
不需要分离提示。
DPM 家族适合 XL。
平衡多风格和提示扩展系统。
规范化提示强调。
refiner 交换支持 img2img 和 upscale。
CFG 规模和 TSNR 校正当 CFG >10。

更多高级功能在讨论页面。

如何自定义 Fooocus？

运行后，生成 config.txt 可编辑，如路径、默认模型、lora 等。

示例 config.txt：

{
    "path_checkpoints": "D:\\Fooocus\\models\\checkpoints",
    // ... 其他键
}

参考 config_modification_tutorial.txt。删除 config.txt 恢复默认。

尝试 run_anime.bat 或 run_realistic.bat 作为安全方式。

所有 CMD 标志：–listen、–port 等，详见列表。

内联提示功能

通配符

提示：color flower

从 wildcards/color.txt 随机选择颜色。启用 “Read wildcards in order” 以顺序读取。

支持嵌套和组合。

数组处理

提示：[[red, green, blue]] flower

生成每个元素的图像。设置图像数量匹配。

不支持嵌套，但多数组可。

内联 LoRAs

提示：flower lora:sunflowers:1.2

应用 LoRA，从 models/loras。

Fooocus 的分支和致谢

一些分支：fenneishi/Fooocus-Control、runew0lf/RuinedFooocus 等。

感谢 twri、3Diva、Marc K3nt3L 贡献 SDXL 风格，daswer123 贡献 Canvas Zoom。

项目基于 Stable Diffusion WebUI 和 ComfyUI。

更新日志在 update_log.md。

如何本地化 Fooocus？

在 language 文件夹放 json 文件，如 example.json：

{
  "Generate": "生成",
  // ...
}

使用 –language example。创建如 jp.json 并用 –language jp。

如果无 –language 但 default.json 存在，会加载它。

常见问题解答（FAQ）

Fooocus 支持哪些模型？

基于 Stable Diffusion XL，支持 Civitai SDXL 模型。默认如 juggernautXL_v8Rundiffusion。

如果模型文件损坏怎么办？

如果见 “MetadataIncompleteBuffer” 或 “PytorchStreamReader”，重新下载模型。

Fooocus 能运行在低端硬件上吗？

见最低要求表格。低于规格可能无法运行。

如何解决 “RuntimeError: CPUAllocator”？

启用 Virtual Swap，确保 40GB 空闲空间。

Fooocus 有移动版吗？

无，但 iOS App Draw Things 支持一些功能如负面 ADM 指导。

如何在浏览器中切换预设？

Fooocus 2.3.0 后支持，但可能需等待下载或重新加载。

Fooocus 是商业软件吗？

不，100% 非商业、离线开源。没有如 fooocus.com 等网站，那些是假的。

如何获取更多帮助？

见 troubleshoot.md 或讨论页面。

通过这些细节，你应该能轻松上手 Fooocus。无论是生成动漫还是现实图像，它都提供了一个平衡的起点。如果你有特定问题，欢迎在评论中问——我会基于经验回答。享受图像生成的过程！

Fooocus完全指南：4GB显存跑赢Midjourney的开源绘图神器