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/Fooocus
Fooocus 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（DirectML） | 8GB 显存 + 8GB 内存 | 约慢 3 倍 |
| Linux + A 卡（ROCm） | 8GB 显存 + 8GB 内存 | 约慢 1.5 倍 |
| Mac M1/M2（MPS）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.md
- Docker 部署：docker.md
- 默认模型与预设说明：readme.md（Default 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
