Fooocus 离线文生图零基础上手3 步出图不用调参【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、开源免费的文生图工具解决的核心问题是不折腾参数、只写提示词就能稳定出 SDXL 级质量的图。适合不想学 AI 生态的普通用户一台 4GB 显存的 N 卡或 8GB 内存的 M 芯片 Mac 就能跑起来全程提示词出图。先判断再动手你能跑起来吗先看硬件底线这是官方 readme 里的最低配置表摘自 readme.md平台最低要求速度预期相对 RTX 30 系Windows / Linux N 卡 RTX 20/30/40 系4GB 显存 8GB 内存最快Windows A 卡DirectML8GB 显存 8GB 内存约慢 3 倍Linux A 卡ROCm8GB 显存 8GB 内存约慢 1.5 倍Mac M1/M2MPS或纯 CPU共享内存 / 32GB 内存约慢 9 倍 / 17 倍⚠️ 官方明确提醒网上搜 fooocus 会出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。另外 A 卡支持目前是 beta 状态官方自己都说没测过多少别抱太高期望。如果你想要的是 Flux 这类新架构模型别纠结本文了——官方明说当前不做架构迁移直接去看 WebUI Forge 或 ComfyUI/SwarmUI。最短路径从下载到第一张图整条安装路径就三拍拿到代码 → 备好环境 → 跑起来。平台差异用行内说明标出不用分大节。第一拍拿到代码仅 Windows去官方发布页下载 7z 压缩包解压完里面自带 Python 环境第一、二拍全跳过。macOS / Linux 在终端克隆仓库# 拿到源码 git clone https://gitcode.com/GitHub_Trending/fo/Fooocus cd Fooocus第二拍备好环境# conda 建隔离环境并装依赖 conda env create -f environment.yaml conda activate fooocus pip install -r requirements_versions.txt执行安装脚本等日志全部成功即可不用盯着看。macOS M1/M2需先按官方指南装好 MPS 版 PyTorch并确认 PyTorch 能识别 MPS 设备。 只有 Python 3.10 不想装 conda 的 Linux用python3 -m venv fooocus_env建虚拟环境然后跑同一条pip install。第三拍跑起来python entry_with_update.py # 可选--listen --port 8888 开放给局域网 # 可选--preset anime / --preset realistic 切换预设启动后终端会先补依赖、自动下载 SDXL 模型到models/checkpoints首次大约 5–30 分钟取决于网速。浏览器会自动打开 7865 端口的界面输入提示词点生成第一张图就有了。显存吃紧的机器可以加--always-low-vram等参数降档具体取舍以 troubleshoot.md 为准。三个进阶玩法出图跑通后这三个玩法覆盖日常最常用的需求由浅入深。改一张图的局部操作路径在界面 Input Image 入口上传图选 Inpaint or Outpaint画好遮罩后点生成想往外扩构图选 Up / Down / Left / Right 四个方向之一。局部重绘用的是自研 inpaint 模型不是标准 SDXL 那一套衔接通常更自然。踩坑提示首次点重绘会自动下载约 1.28GB 的补丁文件到models/inpaint目录记得提前保持联网否则这一步会卡住。一次出一组图操作路径提示词里直接用内置语法。写__color__ flower会从 wildcards/ 的颜色列表里随机抽一个颜色写[[red, green, blue]] flower会按数组逐个元素各出一张图把出图数量调到 3 即可。想要带 LoRA 的批量出图写flower lora:sunflowers:1.2就行。踩坑提示数组和行内 LoRA 只处理正向提示词负向提示词不走这套逻辑LoRA 文件必须放在models/loras目录才认得。拿别人的图定画风操作路径上传参考图后选 Image Prompt 分支Fooocus 会用自研算法从参考图里提取风格与结构信息注入生成过程想换脸或换风格强度Advanced 里还有 FaceSwap 选项可调。同分支下也可以选 Upscale or Variation做 Vary Subtle / Vary Strong 变体和 1.5x / 2x 放大。踩坑提示想要图内文字更贴参考图时把提示词写具体比如描述构图和主体位置只给一句短提示词时效果会打折扣。横向对比该不该换别的工具工具上手难度离线能力扩展性Fooocus低提示词进、图出完全离线模型自动下载预设 风格模板节点级控制较弱Automatic1111 WebUI中参数多要自己调完全离线LoRA、ControlNet、插件生态最成熟ComfyUI高节点连线式工作流完全离线节点粒度最强可搭任意管线什么情况下不该用 Fooocus想要 Flux 等新架构去看 WebUI Forge 或 ComfyUI/SwarmUI官方就是这个推荐。需要生产级、节点级精细控制的管线ComfyUI 更合适。反过来如果你只在乎提示词进、图出且硬件是入门配置这三个里没有比 Fooocus 更省心的。想深入的话按顺序看这几份官方文件就够了常见问题与显存档位troubleshoot.mdDocker 部署docker.md默认模型与预设说明readme.mdDefault Models 一节预设定义presets/通配符词表wildcards/先把第一张图跑出来再谈调参——别在配置上耗时间。【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：零基础上手，3 步出图不用调参
Fooocus 离线文生图零基础上手3 步出图不用调参【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、开源免费的文生图工具解决的核心问题是不折腾参数、只写提示词就能稳定出 SDXL 级质量的图。适合不想学 AI 生态的普通用户一台 4GB 显存的 N 卡或 8GB 内存的 M 芯片 Mac 就能跑起来全程提示词出图。先判断再动手你能跑起来吗先看硬件底线这是官方 readme 里的最低配置表摘自 readme.md平台最低要求速度预期相对 RTX 30 系Windows / Linux N 卡 RTX 20/30/40 系4GB 显存 8GB 内存最快Windows A 卡DirectML8GB 显存 8GB 内存约慢 3 倍Linux A 卡ROCm8GB 显存 8GB 内存约慢 1.5 倍Mac M1/M2MPS或纯 CPU共享内存 / 32GB 内存约慢 9 倍 / 17 倍⚠️ 官方明确提醒网上搜 fooocus 会出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。另外 A 卡支持目前是 beta 状态官方自己都说没测过多少别抱太高期望。如果你想要的是 Flux 这类新架构模型别纠结本文了——官方明说当前不做架构迁移直接去看 WebUI Forge 或 ComfyUI/SwarmUI。最短路径从下载到第一张图整条安装路径就三拍拿到代码 → 备好环境 → 跑起来。平台差异用行内说明标出不用分大节。第一拍拿到代码仅 Windows去官方发布页下载 7z 压缩包解压完里面自带 Python 环境第一、二拍全跳过。macOS / Linux 在终端克隆仓库# 拿到源码 git clone https://gitcode.com/GitHub_Trending/fo/Fooocus cd Fooocus第二拍备好环境# conda 建隔离环境并装依赖 conda env create -f environment.yaml conda activate fooocus pip install -r requirements_versions.txt执行安装脚本等日志全部成功即可不用盯着看。macOS M1/M2需先按官方指南装好 MPS 版 PyTorch并确认 PyTorch 能识别 MPS 设备。 只有 Python 3.10 不想装 conda 的 Linux用python3 -m venv fooocus_env建虚拟环境然后跑同一条pip install。第三拍跑起来python entry_with_update.py # 可选--listen --port 8888 开放给局域网 # 可选--preset anime / --preset realistic 切换预设启动后终端会先补依赖、自动下载 SDXL 模型到models/checkpoints首次大约 5–30 分钟取决于网速。浏览器会自动打开 7865 端口的界面输入提示词点生成第一张图就有了。显存吃紧的机器可以加--always-low-vram等参数降档具体取舍以 troubleshoot.md 为准。三个进阶玩法出图跑通后这三个玩法覆盖日常最常用的需求由浅入深。改一张图的局部操作路径在界面 Input Image 入口上传图选 Inpaint or Outpaint画好遮罩后点生成想往外扩构图选 Up / Down / Left / Right 四个方向之一。局部重绘用的是自研 inpaint 模型不是标准 SDXL 那一套衔接通常更自然。踩坑提示首次点重绘会自动下载约 1.28GB 的补丁文件到models/inpaint目录记得提前保持联网否则这一步会卡住。一次出一组图操作路径提示词里直接用内置语法。写__color__ flower会从 wildcards/ 的颜色列表里随机抽一个颜色写[[red, green, blue]] flower会按数组逐个元素各出一张图把出图数量调到 3 即可。想要带 LoRA 的批量出图写flower lora:sunflowers:1.2就行。踩坑提示数组和行内 LoRA 只处理正向提示词负向提示词不走这套逻辑LoRA 文件必须放在models/loras目录才认得。拿别人的图定画风操作路径上传参考图后选 Image Prompt 分支Fooocus 会用自研算法从参考图里提取风格与结构信息注入生成过程想换脸或换风格强度Advanced 里还有 FaceSwap 选项可调。同分支下也可以选 Upscale or Variation做 Vary Subtle / Vary Strong 变体和 1.5x / 2x 放大。踩坑提示想要图内文字更贴参考图时把提示词写具体比如描述构图和主体位置只给一句短提示词时效果会打折扣。横向对比该不该换别的工具工具上手难度离线能力扩展性Fooocus低提示词进、图出完全离线模型自动下载预设 风格模板节点级控制较弱Automatic1111 WebUI中参数多要自己调完全离线LoRA、ControlNet、插件生态最成熟ComfyUI高节点连线式工作流完全离线节点粒度最强可搭任意管线什么情况下不该用 Fooocus想要 Flux 等新架构去看 WebUI Forge 或 ComfyUI/SwarmUI官方就是这个推荐。需要生产级、节点级精细控制的管线ComfyUI 更合适。反过来如果你只在乎提示词进、图出且硬件是入门配置这三个里没有比 Fooocus 更省心的。想深入的话按顺序看这几份官方文件就够了常见问题与显存档位troubleshoot.mdDocker 部署docker.md默认模型与预设说明readme.mdDefault Models 一节预设定义presets/通配符词表wildcards/先把第一张图跑出来再谈调参——别在配置上耗时间。【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