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/Fooocus

Fooocus 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。

硬件底线（摘自官方 readme 的最低配置表）：

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 conda，Linux 上也可以用 venv：python3 -m venv fooocus_env，激活后执行同样的pip install -r requirements_versions.txt。macOS（M1/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