Fooocus

Published by Edits

文字生成图像：通过提示词生成合成图像。

Fooocus 是一款图像生成软件（基于 Gradio）。

Fooocus 是对 Stable Diffusion 和 Midjourney 设计的重新思考：

  • 从 Stable Diffusion 学习，该软件是离线、开源和免费的。

  • 从 Midjourney 中吸取教训，不需要手动调整，用户只需要专注于提示和图像即可。

Fooocus简化了安装。在按下“下载”和生成第一张图像之间，所需的鼠标点击次数严格限制在 3 次以下。最低 GPU 内存要求是 4GB （Nvidia）。

服务器部署

lllyasviel/Fooocus：专注于提示和生成 (github.com)

https://colab.research.google.com/github/lllyasviel/Fooocus/blob/main/fooocus_colab.ipynb

!pip install pygit2==1.12.2
%cd /content
!git clone https://github.com/lllyasviel/Fooocus.git
%cd /content/Fooocus
!python entry_with_update.py --share --always-high-vram

在线演示

konieshadow/fooocus-api – Run with an API on Replicate

import replicate
import os
import requests
from PIL import Image
from io import BytesIO
 
# pip install replicate Pillow requests
 
# 在Python脚本中直接设置REPLICATE_API_TOKEN
os.environ['REPLICATE_API_TOKEN'] = 'r8_********'
 
# 输入提示词
prompt_text = input("prompt：")
 
# 使用 replicate.run 运行指定的模型
image_url_list = replicate.run(
    "konieshadow/fooocus-api:65c59c96f2fb45332edec7f9f740b2a4d494a5f9c43b193dc98066d15da55a8c",
    input={"prompt": prompt_text}
)
 
# 从返回的列表中提取实际的图片URL
actual_image_url = image_url_list[0]
 
# 从URL中提取特定部分用作文件名
image_id = actual_image_url.split("/")[-1].split(".")[0]
image_filename = f"{image_id}.png"
 
# 从URL获取图片数据
response = requests.get(actual_image_url)
 
# 将图片数据写入到本地文件
with open(image_filename, 'wb') as file:
    file.write(response.content)
	
print(f"api-tokens: https://replicate.com/account/api-tokens")
print(f"images：https://replicate.com/predictions")
print(f"png：{image_filename}")

工具界面

配置要求

一台配备 16GB 系统 RAM 和 6GB VRAM 的相对低端笔记本电脑（Nvidia 3060 笔记本电脑）上进行的测试。这台机器的速度约为每次迭代 1.35 秒。相当令人印象深刻——如今配备 3060 的笔记本电脑通常价格非常合理。

image