Fooocus
lllyasviel · 画像
Fooocusは無料のオープンソースAI画像生成ツールで、Stable Diffusion XLを土台にしている。自分のPC上でオフライン動作し、プロンプト入力だけで済み、4GBのVRAMで動く。
Fooocus について
About
Fooocusとは
FooocusはオフラインAI画像生成のためのソフトで、自分のPCにインストールしてテキストから画像を作る。公開したのはControlNetの開発者として知られるlllyasvielで、2023年に「Stable Diffusionで手軽にAIアートを作る最短ルート」として広まった。設定画面を延々と読み解かなくても結果が出る点が評判を呼んだ。処理はすべてローカルで完結する。アカウントもサブスクも不要で、画像がマシンの外に出ることもない。
設計は二つの流儀の合わせ技だ。Stable Diffusionからはオフラインでオープンソースという性格を、Midjourneyからは「プロンプトを書いて生成ボタンを押せば十分」という考え方を借りている。サンプラー、リファイナーの処理、プロンプトの整形はソフト側が引き受ける。ComfyUIを一度も開いたことがない人でも数分で形になるのはそのためだ。
最大の制約はハードウェアにある。狙いはNvidiaのGPUで、4GBのVRAMが下限、GPUなしでは実用速度が出ない。さらに開発は限定サポートに移っており、土台はSDXLのままだ。修正は入るがFluxのような新しいアーキテクチャを取り込む予定はない。それらを使いたい人には、同じ開発者による別のツールが案内されている。
はじめ方
- 公式GitHubのリリースページからWindows版をダウンロードし、解凍してrun.batを実行する。LinuxとmacOSはPython 3.10を用意し、リポジトリから導入する。
- 初回起動でモデルの自動ダウンロードを待つ。標準プリセットはJuggernaut XL、アニメとリアル寄りのプリセットはそれぞれ専用モデルを取ってくる。
- プロンプト欄に作りたい画を書き、光やカメラを自分で指定したくなければプリセットからスタイルを選ぶ。
- Generateを押して待つ。インターフェースはブラウザのローカルアドレスで開き、画像はディスクの出力フォルダに保存される。
- Advancedを開くのは、縦横比を変える、ネガティブプロンプトを入れる、手持ちのモデルに切り替える、出来た画像を拡大するといった場面だけでいい。
AIツール情報
Fooocusの料金、対応プラットフォーム、性能を簡単に確認できます。
こんな人におすすめ
このツールが最も力を発揮するユーザー、タスク、シーン。
ユーザー
- 設定の迷路に入りたくない初心者：プロンプトを書いてボタンを押せば画像が出る。サンプリングのパラメータを先に覚える必要はない。
- そこそこのゲーミングノートを持つ人：VRAM 4GBとメモリ8GBでSDXLをローカル実行できる。VRAM 8GB以上なら余裕が出る。
- プライバシーを気にする制作者：データはすべて手元のディスクに残るため、仕事の案件も個人の写真も外に出ない。
タスク
- 短いプロンプトからコンセプトアートを作る：「庭の家」程度の一言で足りる。内蔵のプロンプト処理がサンプリング前に文を膨らませてくれる。
- アニメ調や写実調のイラストを仕上げる：AnimeとRealisticのプリセットが向いたモデルを読み込むので、モデルサイトを探し回らずに済む。
- 画像の修正と拡張：インペイントで一部を消したり差し替えたり、アウトペイントで上下左右に画布を足したりできる。
シーン
- 夜のうちに自分のPCでまとめて生成する：プロンプトを何本か並べて放置し、朝に出力フォルダから拾う。
- サムネイルやSNS投稿を素材サイトの費用なしで用意する：ベースを出し、1.5倍か2倍に拡大し、切り抜く。
- ネットがない場所や通信量が限られる状況で試す：モデルを落としておけば、生成に回線は要らない。
主な機能
プロンプト中心の画面
画面はほぼ空っぽに見える。プロンプト欄、生成ボタン、無視してもいいAdvancedパネルだけだ。サンプラー、CFGスケール、リファイナーのステップは脇にどけられ、ソフトが妥当な値を自分で選ぶ。Stable Diffusion WebUIに慣れた人が最初に触ると、設定ページをわざと消したのかと感じるほどだ。
Fooocus V2のプロンプト拡張
GPT-2をベースにした小さな言語モデルが、画像モデルに渡す前にテキストを書き換える。短いプロンプトには場面の描写や光の表現が足され、長すぎるものは削られて、サンプラーが自己矛盾を起こさないように整えられる。「海辺の犬」でも千語の長文でも形になるのは、ひとえにこの処理のおかげだ。
スタイルプリセット
インストーラーには数十種類のスタイルが入っている。アニメ、映画風、コミック、油絵、写真などが並ぶ。選ぶとそのスタイル専用の指示文が加わり、多くの場合セットになるモデルも切り替わる。見た目の方向はスタイルが決めてくれるので、力は被写体の詰めに使える。
イメージプロンプトと顔の差し替え
参照画像を放り込むと、Fooocusはその内容を追加のプロンプトとして読み、テキストと混ぜて構図や色を誘導する。同じパネルにある顔の差し替えを使えば、複数の画像で同じ人物の顔を保てる。他のソフトでControlNetのノードを積み上げていた部分が、ここに置き換わる。
インペイントとアウトペイント
インペイントとアウトペイントのタブは、テキストではなくアップロードした画像に対して働く。消したい物の上を塗れば別の物に置き換わり、画布を外へ引っ張れば背景が伸びる。ここではFooocus独自のインペイントモデルとアルゴリズムを使うため、標準のSDXLインペイントより継ぎ目がきれいだと開発側は説明する。
拡大とバリエーション
画像が出たあとは、1.5倍か2倍に拡大するか、構図を保ったまま細部を変えたバリエーションを作れる。変化の強さは控えめから大胆まで調整でき、4枚のうち1枚が惜しいときに役立つ。アプリ内で拡大できるので、別のツールに渡す手間が減る。
ローカルAPIと共有アクセス
shareを付けて起動すると、Gradioの画面が公開リンクで開く。listenならローカルネットワーク上に出す。小さな設定ファイルを置けばBasic認証も足せる。画面はGradio製なので、ブラウザが叩くのと同じエンドポイントをスクリプトから呼べる。ローカル画像生成を自分のプログラムに組み込むことも可能だ。
メリットとデメリット
メリット
- 無料かつオープンソース。サブスクもクレジットも利用上限もない。
- オフラインで動くため、画像もプロンプトも手元のディスクにとどまる。
- プロンプト拡張のおかげで雑な短い指示でも結果が出る。参入の敷居が大きく下がる。
- スタイルプリセットとAnime・Realisticのプリセットで、よくある画風はモデル探しなしでまかなえる。
- SDXLベースなので、定番のモデルサイトにあるコミュニティ製チェックポイントやLoRAをそのまま読める。
デメリット
- 実質NvidiaのGPUが必須で、4GBが最低ライン。CPUのみのモードはRTX 3XXXのおよそ17倍遅い。
- 開発は不具合修正のみの段階で、Fluxなど新しいアーキテクチャはこのソフトには来ない。
- 初回起動で数GBのモデルを落とすため、回線が細いと厳しい。
- 画面がほとんどの設定を隠すので、細かく詰めたい人は結局Advancedを開くことになる。
よくある質問
自分のPCでテキストから画像を作るソフトだ。説明文を書き、必要ならスタイルを選ぶと、Stable Diffusion XLのモデルをローカルで走らせて画像を出す。クラウドサービスを借りたり、ノードの組み方を覚えたりせずにAIアートを手に入れたい人に向く。
関連コンテンツ
Fooocusに関連するツール、スキル、記事を探す。
Fooocusの代替ツール
Google EmbeddingGemma 2
Google DeepMind · ライティング · 画像 · コーディングGoogle EmbeddingGemma 2 は 7 億 4000 万パラメータのオープンなモデルで、テキスト、コード、画像、音声、動画フレームを同じ 768 次元空間のベクトルに変え、スマートフォンやノート PC 上で動く。
Tractionwave
TractionWave · 画像 · マーケティングTractionWaveは静止画広告のアテンションヒートマップを作るAIツールだ。PNGかJPGを入れると、予測された注目位置、優先順位付きホットスポット、修正案が返る。予算を投じる前の判断に使う。
Imejis.io
Imejis.io · 画像 · マーケティングImejis.io はエージェントとマーケティングチームのための AI デザインスタジオだ。ふだんの言葉で画像を説明すれば、コピーを書き、レイアウトを組み、全サイズへ自動で組み替え、完成ファイルを書き出す。