lllyasviel/Fooocus

项目介绍

Fooocus 是一个基于 Stable Diffusion XL、用 Gradio 搭建界面的离线图像生成软件。它想解决的问题是：本地 SDXL 出图通常要调采样器、CFG、refiner 等参数，而 Fooocus 把这些默认值调好，并内置基于 GPT-2 的提示词扩展，让用户专注于写提示词和看图。短到「house in garden」或长到上千词的提示都能出结果。它还提供图生图、局部重绘/扩图、放大与变体、图片提示词、换脸和风格预设，适合想要本地 SDXL 出图、但不想面对节点图或繁杂参数面板的人。

项目目前已进入有限的长期支持阶段，只修 bug，没有迁移到新模型架构的计划。需要 Flux 等更新模型的用户，作者建议改用 WebUI Forge、ComfyUI/SwarmUI 或社区分支。README 也提醒搜索结果中存在多个仿冒站点，GitHub 仓库是唯一官方来源。

快速使用

最省事的是 Windows 整合包：下载 v2.5.0 Windows 压缩包，解压后运行 run.bat。首次启动会自动下载默认主模型（通用预设为 juggernautXL），首次使用局部重绘时还会下载 inpaint 补丁；模型放在 Fooocus\models\checkpoints 下。浏览器界面打开后即可用文本提示词生成图片。run_anime.bat 和 run_realistic.bat 分别使用动漫与写实预设，模型同样自动下载。

Linux 使用 Anaconda 时：

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

加 --listen 可对网络开放界面，加 --preset anime 或 --preset realistic 切换预设。文档也给出 Python 3.10 venv 和系统 Python 的安装方式。AMD 显卡在 Linux 上需把 torch 换成 ROCm 版本，在 Windows 上需改用 torch-directml；Mac M1/M2 走 PyTorch MPS。免费额度下可先用 Colab 笔记本 试跑，其中默认关闭 refiner。Docker 用法见 docker.md。

硬件要求

Windows/Linux 的最低配置是 4GB 显存的 Nvidia 显卡加 8GB 内存，并需要开启系统交换文件。AMD 需要 8GB 显存（DirectML 或 ROCm，均标注为 beta）；Apple 芯片使用共享内存，按项目表格约比 RTX 3XXX 慢 9 倍；纯 CPU 需要 32GB 内存，约慢 17 倍。项目明确表示不会为了降低门槛而支持更小的模型。默认模型有数 GB，首次启动在慢速网络下耗时较长。

远程访问与配置

--listen 和 --share 默认不带鉴权即可暴露界面。如需 HTTP 基础认证，在主目录创建 auth.json，内容是包含 user 和 pass 键的对象列表，格式参考 auth-example.json。首次启动后会生成 Fooocus\config.txt，可修改模型路径和默认参数；删除该文件即恢复默认。提示词支持 __color__ 通配符、[[red, green, blue]] 数组批量变体，以及在文件放入 models/loras 后使用 <lora:sunflowers:1.2> 这样的内联 LoRA。命令行还提供显存策略、注意力后端、预览、界面语言和预设行为等参数。

HotRepo 点评

这个仓库自 2023 年 8 月创建以来积累了大量关注（53,825 star、8,625 fork），但项目自身划定的边界比数字更值得注意：它停留在 SDXL 上，只做 bug 修复。2023 年的 Hacker News 讨论帖获得 186 分、54 条评论，评论者关注的是单采样器内的 refiner 切换以及「更简单的本地 SDXL 界面」这个方向；其中一位前端开发者直言那段采样描述像天书，这恰好说明 Fooocus 是把复杂度藏进默认值，而不是藏进文档。它最清楚的价值在于让显存不高的 Nvidia 用户以最少配置在本地跑 SDXL；需要当前主流模型的用户应直接从 README 列出的替代方案开始。