Fooocus 离线文生图工具零基础上手从下载提示词到出图只用 3 步【免费下载链接】FooocusFocus on prompting and generating项目地址: https://gitcode.com/GitHub_Trending/fo/FooocusFooocus 是一个完全离线、开源免费的文生图软件把提示词写进界面就能拿到质量稳定的 SDXL 级图片全程不用调参数。它适合不想折腾配置、只想专注写提示词的普通用户一台 4GB 显存的 N 卡电脑或 8GB 内存的 Mac M 芯片都能跑起来。一分钟看懂Fooocus 和同类工具差在哪先说结论Fooocus 的设计目标就是少动手。它基于 SDXL 架构做了一整套离线优化包括一个 GPT-2 提示词扩写引擎和多项采样改进哪怕你只输入一句house in garden这样极短的提示词出图质量也能保住下限。对比维度MidjourneyAutomatic1111 WebUIFooocus使用门槛需订阅服务参数多上手成本高提示词进、图出参数基本不用动离线/开源否开源完全离线、开源、免费提示词工程依赖其隐藏预处理需要自己写/调内置离线 GPT-2 扩写长短提示词都稳换风格依赖版本切换V1–V4换模型多套预设一键切换默认 / 动漫 / 写实局部重绘 / 放大 / 以图生图有有有且使用自研 inpaint 模型硬件底线摘自官方 readme 的最低配置表平台最低配置相对速度官方口径Windows / Linux N 卡 RTX 20/30/40 系4GB 显存 8GB 内存最快Windows A 卡DirectML8GB 显存 8GB 内存约为 RTX 30 系的 1/3Linux A 卡ROCm8GB 显存 8GB 内存约为 RTX 30 系的 1.5 倍耗时Mac M1/M2MPS共享内存约为 RTX 30 系的 9 倍耗时纯 CPU32GB 内存约为 RTX 30 系的 17 倍耗时官方提醒网上搜索fooocus会出现大量假冒网站只信任官方发布渠道其余域名均与本项目无关。不同系统的三分钟安装步骤第一步拿到代码各系统方式不同Windows不用命令行。去项目官方发布页下载 7z 压缩包解压即可目录里自带 Python 运行环境。macOS / Linux在终端里克隆仓库为接下来的环境准备拿到源码git clone https://gitcode.com/GitHub_Trending/fo/Fooocus执行后本地会出现一个Fooocus文件夹后续命令都在它里面执行。第二步准备 Python 环境Windows压缩包已内置python_embeded环境这一步跳过。Linux / macOS建议用 conda 建一个隔离环境装好依赖后执行conda env create会看到大量包安装日志全部成功即环境就绪conda env create -f environment.yaml conda activate fooocus pip install -r requirements_versions.txt如果机器上只有 Python 3.10 且不想装 condaLinux 上也可以用 venvpython3 -m venv fooocus_env激活后执行同样的pip install -r requirements_versions.txt。macOSM1/M2需要先按官方指南装好 PyTorch 的 MPS 加速版本再确认 PyTorch 能识别到 MPS 设备。第三步首次启动等待模型自动下载启动命令会先检查环境并自动补齐缺失的依赖包然后自动下载 SDXL 模型到models/checkpoints目录之后浏览器自动打开 7865 端口的操作界面python entry_with_update.py执行后能看到终端打印环境准备和下载进度第一次等几分钟到几十分钟取决于网速下载完成、浏览器弹出界面、输入一句提示词点生成就能拿到第一张图。后续可玩的启动参数换预设出图动漫 / 写实python entry_with_update.py --preset anime或--preset realistic。2.3.0 之后也可以直接在浏览器界面里切预设无需重启想锁定默认行为就加--disable-preset-selection。给局域网其他机器用python entry_with_update.py --listen需要指定端口时再加--port 8888这样同网络内的设备访问该端口即可使用。内存吃紧的机器可以加--always-low-vram等 vram 档位参数具体取舍以 troubleshoot.md 为准。常见使用场景提示词出图、参考图重绘、批量出图场景一写一句提示词直接出图怎么操作界面打开后在提示词框输入一句话中文场景可参考 language/ 目录放翻译文件再用--language参数加载点生成即可。默认风格模板Fooocus V2、Fooocus Photograph、Fooocus Negative 等已经帮你把质量兜底了。注意什么想要多个比例/多个主题直接在提示框里分行写多条提示词即可强调某个词可以写权重语法例如I am (happy:1.5)这套重写算法是从 Automatic1111 移植的从 Civitai 直接复制提示词过来通常效果比在其他工具里更好。场景二拿一张参考图做重绘或放大怎么操作在界面的 Input Image 入口上传图片然后二选一走 Upscale or Variation 做变体Vary Subtle / Vary Strong和 1.5x / 2x 放大或走 Inpaint or Outpaint 做局部重绘与外扩上/下/左/右。注意什么用自研 inpaint 模型首次点重绘会自动下载约 1.28GB 的补丁文件到models/inpaint目录提前联网想以图定画风或做人脸替换选 Image Prompt 分支Advanced 里还有 FaceSwap 选项。场景三一次出一组图用通配符和数组怎么操作提示词里可以直接用内置通配符和数组语法例如__color__ flower会随机从 wildcards/ 里的颜色列表抽一个颜色[[red, green, blue]] flower会按数组逐个元素各出一张图记得把出图数量调到 3。想要带 LoRA 的批量出图提示词里写flower lora:sunflowers:1.2即可。注意什么LoRA 文件必须放在models/loras目录通配符和数组语法只处理正向提示词负向提示词不走这套逻辑。选型建议Fooocus 适合谁不适合谁适合只想提示词进、图出的用户需要在本机离线出高质量 SDXL 图的场景手头硬件是 4GB 显存 N 卡或 8GB 内存 A 卡的入门配置。不适合想要 Flux 等新架构模型的用户——官方明确表示当前不做架构迁移处于有限长期支持、仅修 bug 阶段这类需求官方推荐去看 WebUI Forge 或 ComfyUI/SwarmUI需要节点级精细控制的生产管线也更适合 ComfyUI。能配合什么Civitai 上的 SDXL 社区模型和 LoRA 可以直接放进models/对应目录使用AMD 用户按 readme 把 torch 换成 ROCm / DirectML 版本A 卡支持目前仍是 beta别抱太高期望。关于项目的维护状态、更多高级参数和常见问题请查阅官方文档 troubleshoot.md、docker.md 和仓库根目录的 readme.md一切以官方说明为准。【免费下载链接】FooocusFocus on prompting and generating项目地址: https://gitcode.com/GitHub_Trending/fo/Fooocus创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Fooocus 离线文生图工具：零基础上手，从下载提示词到出图只用 3 步
Fooocus 离线文生图工具零基础上手从下载提示词到出图只用 3 步【免费下载链接】FooocusFocus on prompting and generating项目地址: https://gitcode.com/GitHub_Trending/fo/FooocusFooocus 是一个完全离线、开源免费的文生图软件把提示词写进界面就能拿到质量稳定的 SDXL 级图片全程不用调参数。它适合不想折腾配置、只想专注写提示词的普通用户一台 4GB 显存的 N 卡电脑或 8GB 内存的 Mac M 芯片都能跑起来。一分钟看懂Fooocus 和同类工具差在哪先说结论Fooocus 的设计目标就是少动手。它基于 SDXL 架构做了一整套离线优化包括一个 GPT-2 提示词扩写引擎和多项采样改进哪怕你只输入一句house in garden这样极短的提示词出图质量也能保住下限。对比维度MidjourneyAutomatic1111 WebUIFooocus使用门槛需订阅服务参数多上手成本高提示词进、图出参数基本不用动离线/开源否开源完全离线、开源、免费提示词工程依赖其隐藏预处理需要自己写/调内置离线 GPT-2 扩写长短提示词都稳换风格依赖版本切换V1–V4换模型多套预设一键切换默认 / 动漫 / 写实局部重绘 / 放大 / 以图生图有有有且使用自研 inpaint 模型硬件底线摘自官方 readme 的最低配置表平台最低配置相对速度官方口径Windows / Linux N 卡 RTX 20/30/40 系4GB 显存 8GB 内存最快Windows A 卡DirectML8GB 显存 8GB 内存约为 RTX 30 系的 1/3Linux A 卡ROCm8GB 显存 8GB 内存约为 RTX 30 系的 1.5 倍耗时Mac M1/M2MPS共享内存约为 RTX 30 系的 9 倍耗时纯 CPU32GB 内存约为 RTX 30 系的 17 倍耗时官方提醒网上搜索fooocus会出现大量假冒网站只信任官方发布渠道其余域名均与本项目无关。不同系统的三分钟安装步骤第一步拿到代码各系统方式不同Windows不用命令行。去项目官方发布页下载 7z 压缩包解压即可目录里自带 Python 运行环境。macOS / Linux在终端里克隆仓库为接下来的环境准备拿到源码git clone https://gitcode.com/GitHub_Trending/fo/Fooocus执行后本地会出现一个Fooocus文件夹后续命令都在它里面执行。第二步准备 Python 环境Windows压缩包已内置python_embeded环境这一步跳过。Linux / macOS建议用 conda 建一个隔离环境装好依赖后执行conda env create会看到大量包安装日志全部成功即环境就绪conda env create -f environment.yaml conda activate fooocus pip install -r requirements_versions.txt如果机器上只有 Python 3.10 且不想装 condaLinux 上也可以用 venvpython3 -m venv fooocus_env激活后执行同样的pip install -r requirements_versions.txt。macOSM1/M2需要先按官方指南装好 PyTorch 的 MPS 加速版本再确认 PyTorch 能识别到 MPS 设备。第三步首次启动等待模型自动下载启动命令会先检查环境并自动补齐缺失的依赖包然后自动下载 SDXL 模型到models/checkpoints目录之后浏览器自动打开 7865 端口的操作界面python entry_with_update.py执行后能看到终端打印环境准备和下载进度第一次等几分钟到几十分钟取决于网速下载完成、浏览器弹出界面、输入一句提示词点生成就能拿到第一张图。后续可玩的启动参数换预设出图动漫 / 写实python entry_with_update.py --preset anime或--preset realistic。2.3.0 之后也可以直接在浏览器界面里切预设无需重启想锁定默认行为就加--disable-preset-selection。给局域网其他机器用python entry_with_update.py --listen需要指定端口时再加--port 8888这样同网络内的设备访问该端口即可使用。内存吃紧的机器可以加--always-low-vram等 vram 档位参数具体取舍以 troubleshoot.md 为准。常见使用场景提示词出图、参考图重绘、批量出图场景一写一句提示词直接出图怎么操作界面打开后在提示词框输入一句话中文场景可参考 language/ 目录放翻译文件再用--language参数加载点生成即可。默认风格模板Fooocus V2、Fooocus Photograph、Fooocus Negative 等已经帮你把质量兜底了。注意什么想要多个比例/多个主题直接在提示框里分行写多条提示词即可强调某个词可以写权重语法例如I am (happy:1.5)这套重写算法是从 Automatic1111 移植的从 Civitai 直接复制提示词过来通常效果比在其他工具里更好。场景二拿一张参考图做重绘或放大怎么操作在界面的 Input Image 入口上传图片然后二选一走 Upscale or Variation 做变体Vary Subtle / Vary Strong和 1.5x / 2x 放大或走 Inpaint or Outpaint 做局部重绘与外扩上/下/左/右。注意什么用自研 inpaint 模型首次点重绘会自动下载约 1.28GB 的补丁文件到models/inpaint目录提前联网想以图定画风或做人脸替换选 Image Prompt 分支Advanced 里还有 FaceSwap 选项。场景三一次出一组图用通配符和数组怎么操作提示词里可以直接用内置通配符和数组语法例如__color__ flower会随机从 wildcards/ 里的颜色列表抽一个颜色[[red, green, blue]] flower会按数组逐个元素各出一张图记得把出图数量调到 3。想要带 LoRA 的批量出图提示词里写flower lora:sunflowers:1.2即可。注意什么LoRA 文件必须放在models/loras目录通配符和数组语法只处理正向提示词负向提示词不走这套逻辑。选型建议Fooocus 适合谁不适合谁适合只想提示词进、图出的用户需要在本机离线出高质量 SDXL 图的场景手头硬件是 4GB 显存 N 卡或 8GB 内存 A 卡的入门配置。不适合想要 Flux 等新架构模型的用户——官方明确表示当前不做架构迁移处于有限长期支持、仅修 bug 阶段这类需求官方推荐去看 WebUI Forge 或 ComfyUI/SwarmUI需要节点级精细控制的生产管线也更适合 ComfyUI。能配合什么Civitai 上的 SDXL 社区模型和 LoRA 可以直接放进models/对应目录使用AMD 用户按 readme 把 torch 换成 ROCm / DirectML 版本A 卡支持目前仍是 beta别抱太高期望。关于项目的维护状态、更多高级参数和常见问题请查阅官方文档 troubleshoot.md、docker.md 和仓库根目录的 readme.md一切以官方说明为准。【免费下载链接】FooocusFocus on prompting and generating项目地址: https://gitcode.com/GitHub_Trending/fo/Fooocus创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考