# 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


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.clore.ai/guides/guides_v2-zh/tu-xiang-sheng-cheng/fooocus-simple-sd.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.