# Fooocus

使用 Fooocus 生成图像 - 使用 Stable Diffusion 最简单的方法。

{% hint style="success" %}
所有示例都可以在通过以下方式租用的 GPU 服务器上运行： [CLORE.AI 市场](https://clore.ai/marketplace).
{% endhint %}

## 在 CLORE.AI 上租用

1. 访问 [CLORE.AI 市场](https://clore.ai/marketplace)
2. 按 GPU 类型、显存和价格筛选
3. 选择 **按需** （固定费率）或 **竞价** （出价价格）
4. 配置您的订单：
   * 选择 Docker 镜像
   * 设置端口（用于 SSH 的 TCP，Web 界面的 HTTP）
   * 如有需要，添加环境变量
   * 输入启动命令
5. 选择支付方式： **CLORE**, **BTC**，或 **USDT/USDC**
6. 创建订单并等待部署

### 访问您的服务器

* 在以下位置查找连接详情： **我的订单**
* Web 界面：使用 HTTP 端口的 URL
* SSH： `ssh -p <port> root@<proxy-address>`

## 什么是 Fooocus？

Fooocus 是一个简化的 Stable Diffusion 界面，具有：

* 无需任何配置
* 默认使用 SDXL
* 内置风格和预设
* 自动处理所有优化

## 要求

| 质量  | 最小显存  | 推荐            |
| --- | ----- | ------------- |
| 基础  | 4GB   | 按小时费率         |
| 标准  | 8GB   | RTX 3070      |
| 高质量 | 12GB+ | RTX 3090/4090 |

## 快速部署

**Docker 镜像：**

```
pytorch/pytorch:2.5.1-cuda12.4-cudnn9-devel
```

**端口：**

```
22/tcp
7865/http
```

**命令：**

```bash
apt-get update && apt-get install -y git libgl1 libglib2.0-0 && \
cd /workspace && \
git clone https://github.com/lllyasviel/Fooocus.git && \
cd Fooocus && \
pip install -r requirements_versions.txt && \
python launch.py --listen 0.0.0.0 --port 7865
```

## 访问您的服务

部署后，在以下位置查找您的 `http_pub` URL： **我的订单**:

1. 前往 **我的订单** 页面
2. 单击您的订单
3. 查找 `http_pub` URL（例如， `abc123.clorecloud.net`)

使用 `https://YOUR_HTTP_PUB_URL` 而不是 `localhost` 在下面的示例中。

## 首次启动

首次运行时，Fooocus 会自动下载：

* SDXL 基础模型（约 6.5GB）
* SDXL 精炼模型（约 6GB）
* 必要的嵌入文件

首次启动大约需要 10-15 分钟。

## 使用 Fooocus

### 基础生成

1. 打开 `http://<proxy>:<port>`
2. 输入你的提示词
3. 点击“生成”

就这么简单！无需设置。

### 风格

Fooocus 包含 200+ 内置风格：

**流行风格：**

* Fooocus Enhance - 更好的细节
* Fooocus Sharp - 清晰的边缘
* Cinematic - 电影风格
* Anime - 日式动画
* Photographic - 写实照片

### 质量预设

| 预设   | 性能 | 质量 |
| ---- | -- | -- |
| 性能   | 快速 | 良好 |
| 质量   | 中等 | 很棒 |
| 极限速度 | 最快 | 基础 |

## 高级功能

### 启用高级模式

勾选“高级”复选框以访问：

* 反向提示词（negative prompts）
* 长宽比
* 图像数量
* 随机种子控制

### 图像到图像（Image-to-Image）

1. 启用“输入图像”标签页
2. 上传源图像
3. 选择模式：
   * **放大** - 提升分辨率
   * **变体** - 创建变体
   * **修补（Inpaint）** - 编辑局部区域

### 图像修补

```
1. 上传图像
2. 点击“修补或扩展（Inpaint or Outpaint）”
3. 在要更改的区域绘制遮罩
4. 描述要生成的内容
5. 点击生成
```

### 外扩（Outpainting）

将图像扩展到边界之外：

1. 上传图像
2. 选择“修补或扩展（Inpaint or Outpaint）”
3. 勾选方向框（左、右、上、下）
4. 生成以扩展画布

## 使用 LoRA

### 下载 LoRA

```bash
cd /workspace/Fooocus/models/loras
wget https://civitai.com/api/download/models/<model_id> -O my_lora.safetensors
```

### 应用 LoRA

1. 转到“模型”标签页
2. 在下拉菜单中选择 LoRA
3. 调整权重（0.5-1.0）

## 自定义模型

### 添加自定义检查点

```bash
cd /workspace/Fooocus/models/checkpoints

# 下载模型
wget https://huggingface.co/model/file.safetensors
```

刷新界面或重启以查看新模型。

### 推荐模型

| A100           | 风格      | 规模    |
| -------------- | ------- | ----- |
| Juggernaut XL  | 写实      | 6.5GB |
| DreamShaper XL | 艺术风格    | 6.5GB |
| RealVisXL      | 真实风格    | 6.5GB |
| Animagine XL   | 二次元（动漫） | 6.5GB |

## 换脸

内置换脸功能：

1. 启用“图像提示（Image Prompt）”标签页
2. 上传人脸图像
3. 将类型设置为“FaceSwap”
4. 使用人脸提示生成

## 放大（Upscaling）

### 内置放大器

1. 在“放大或变体（Upscale or Vary）”中上传图像
2. 选择“放大 (2x)”
3. 生成

### 变体选项

* **微调变体（Vary (Subtle)）** - 小幅变化
* **强烈变体（Vary (Strong)）** - 显著变化

## 描述图像

反向提示工程：

1. 转到“描述（Describe）”标签页
2. 上传图像
3. 获取提示词建议

## 性能优化

### 适用于 8GB 显存

```bash
python launch.py --listen 0.0.0.0 --always-offload-from-vram
```

### 适用于 6GB 显存

```bash
python launch.py --listen 0.0.0.0 --always-low-vram
```

### 适用于 4GB 显存

```bash
python launch.py --listen 0.0.0.0 --always-cpu
```

## "专业影棚柔光箱"

### 生成多张图像

在高级模式下：

* 将“图像数量”设置为所需数量
* 所有图像将使用不同的种子生成

### 提示队列

使用通配符以生成变体：

```
街道上的一辆 {red|blue|green} 汽车
```

会生成 3 张不同颜色的图像。

## API 访问

### 启用 API

```bash
python launch.py --listen 0.0.0.0 --port 7865
```

### API 端点

```python
import requests

response = requests.post(
    "http://localhost:7865/v1/generation/text-to-image",
    json={
        "prompt": "a beautiful sunset over mountains",
        "negative_prompt": "",
        "style_selections": ["Fooocus Enhance"],
        "performance_selection": "Quality",
        "aspect_ratios_selection": "1024×1024",
        "image_number": 1,
        "image_seed": -1,
    }
)

# 获取图像
image_data = response.json()
```

## 预设

### 创建自定义预设

编辑 `presets/default.json`:

```json
{
    "default_model": "juggernautXL.safetensors",
    "default_refiner": "None",
    "default_loras": [
        ["detail_lora.safetensors", 0.5]
    ],
    "default_styles": ["Fooocus Enhance", "Cinematic"]
}
```

### 使用预设启动

```bash
python launch.py --preset anime
```

## 对比：Fooocus 与 其他

| 特性   | - 将重光图像转换为 3D | A1111 | ComfyUI |
| ---- | ------------- | ----- | ------- |
| 设置   | 无             | 中等    | 复杂度     |
| 学习曲线 | 简单            | 中等    | 困难      |
| 灵活性  | 低             | 高     | 最高      |
| 最适合  | 初学者           | 高级用户  | 开发者     |

## # 使用固定种子以获得一致结果

### 内存不足

```bash

# 使用低显存模式
python launch.py --always-low-vram

# 或禁用精炼器

# 在界面中：模型标签 > Refiner > None
```

### 生成速度慢

* 启用“极限速度”预设
* 禁用精炼器
* 使用更低分辨率

### 模型未加载

```bash

# 检查模型是否存在
ls -la /workspace/Fooocus/models/checkpoints/

# 检查文件大小（SDXL 应约为 ~6GB）
du -h /workspace/Fooocus/models/checkpoints/*.safetensors
```

### 黑图（全黑图像）

* 降低 CFG 值
* 更换种子
* 尝试不同的提示词

## 下载结果

```bash

# 图像位于 outputs 文件夹中
scp -P <port> -r root@<proxy>:/workspace/Fooocus/outputs/ ./
```

## 下载所有所需的检查点

检查文件完整性

| GPU     | 验证 CUDA 兼容性 | 费用估算    | CLORE.AI 市场的典型费率（截至 2024 年）： |
| ------- | ----------- | ------- | ---------------------------- |
| 按小时费率   | \~$0.03     | \~$0.70 | \~$0.12                      |
| 速度      | \~$0.06     | \~$1.50 | \~$0.25                      |
| 512x512 | \~$0.10     | \~$2.30 | \~$0.40                      |
| 按日费率    | \~$0.17     | \~$4.00 | \~$0.70                      |
| 4 小时会话  | \~$0.25     | \~$6.00 | \~$1.00                      |

*RTX 3060* [*CLORE.AI 市场*](https://clore.ai/marketplace) *A100 40GB*

**A100 80GB**

* 使用 **竞价** 价格随提供商和需求而异。请查看
* 以获取当前费率。 **CLORE** 节省费用：
* 市场用于灵活工作负载（通常便宜 30-50%）

## 使用以下方式支付

* Stable Diffusion WebUI - 更多控制
* ComfyUI 工作流 - 基于节点
* FLUX Generation - 更新的模型