تصور کنید تمام قدرت تولید تصاویر با کیفیت استودیویی را داشته باشید، اما هیچ هزینه‌ای برای هر تصویر پرداخت نکنید و نگران نشت داده‌های محرمانه به سرورهای خارجی نباشید. این دقیقاً همان امتیازی است که استقرار محلی Fooocus روی سیستم‌های ویندوزی به شما می‌دهد.
به نقل از راهنمای منتشر شده در ۲۰ ژوئیه ۲۰۲۶ در وب‌سایت dev.to، این نرم‌افزار با استفاده از بهینه‌سازی‌های پیشرفته در بخش بک‌اند، رابطی ساده برای ارسال دستورات را مستقیماً روی سخت‌افزار کاربر پیاده می‌کند. بسیاری از تیم‌های حرفه‌ای با پیچیدگی‌های ابزارهایی مثل ComfyUI یا Automatic1111 دست‌وپنجه نرم می‌کنند. Fooocus که توسط خالق ControlNet توسعه یافته، این مشکل را حل کرده است. این ابزار برای کسانی است که به دنبال واقع‌گرایی بالا و تایپوگرافی تمیز هستند، اما نمی‌خواهند درگیر جریان‌های کاری پیچیده و گره‌محور شوند.
همان‌طور که در تحلیل‌های قبلی ما درباره‌ی مدل‌های انتشار (Diffusion Models) اشاره کردیم، انتقال پردازش از ابر به سخت‌افزار شخصی، نقطه عطفی در استقلال دیجیتال است. تیم‌های تولید محتوا با جایگزین کردن هزینه‌های جاری API با یک سرمایه‌گذاری یک‌باره روی سخت‌افزار، اضطراب «پرداخت به ازای هر تصویر» را کنار گذاشته‌اند.
برای شروع، شما به یک GPU (واحد پردازش گرافیکی) از شرکت NVIDIA با حداقل ۴ گیگابایت VRAM (حافظه ویدیویی) نیاز دارید، هرچند ۸ گیگابایت برای عملکرد بهینه توصیه می‌شود. نصب این برنامه با استفاده از یک محیط قابل حمل (Portable) در بسته‌ای ۱.۸ گیگابایتی انجام می‌شود تا نیازی به نصب پیچیدگی‌های پایتون در سیستم نباشد.
مراحل نصب به شرح زیر است:
- دانلود بسته: از مخزن گیت‌هاب رسمی Fooocus، فایل Zip بسته ورودی (Entry Package) را دانلود کنید.
- استخراج فایل‌ها: یک پوشه در ریشه سریع‌ترین حافظه SSD خود بسازید (مثلاً C:\Fooocus) و فایل‌ها را آنجا استخراج کنید. از پوشه Program Files استفاده نکنید چون ویندوز اجرای اسکریپت‌ها را مسدود می‌کند.
- راه‌اندازی: فایل
run.batرا اجرا کنید. در این مرحله، مدل‌های مورد نیاز شامل juggernautXL_v8.safetensors (حدود ۶.۶ گیگابایت) و sd_xl_offset_example-lora_1.0.safetensors (حدود ۷۰۰ مگابایت) به‌طور خودکار دانلود می‌شوند.
بسته به سرعت اینترنت، این فرآیند ۱۰ تا ۳۰ دقیقه زمان می‌برد و سپس رابط کاربری در آدرس http://127.0.0.1:7865 باز می‌شود.
برای کسانی که به دنبال بالاترین کیفیت هستند، می‌توان مدل FLUX.1-schnell نسخه FP8 را از Hugging Face اضافه کرد. این نسخه به‌گونه‌ای کوانتیده (Quantized) — شبیه به فشرده‌سازی یک فایل حجیم برای جا شدن در فلش‌مموری بدون از دست دادن کیفیت اصلی — شده است تا روی GPUهای معمولی اجرا شود. برای این کار، فایل را به مسیر models\checkpoints منتقل کرده و در رابط کاربری، از بخش Model آن را جایگزین کنید.
عملکرد سیستم کاملاً به سخت‌افزار شما وابسته است:
- حافظه ۸ گیگابایت و بیشتر: اجرای مدل‌های استاندارد FLUX.2 با بهترین نتایج.
- حافظه ۴ تا ۶ گیگابایت: اضافه کردن پرچم
--lowvramبه دستور اجرا برای جلوگیری از خطای کمبود حافظه. - بدون GPU مجزا: استفاده از سرویس‌های ابری رایگان مثل Leonardo.ai.
طبق گزارش‌های فنی، این سیستم برای GPUهای AMD یا گرافیک‌های داخلی اینتل توصیه نمی‌شود. اما کارت‌های مدرن انویدیا مثل RTX 3060 یا 4060 می‌توانند هر تصویر را در کمتر از ۱۵ ثانیه رندر کنند. این تغییر رویکرد باعث می‌شود دارایی‌های بصری مشتریان هرگز روی سرورهای ابری ذخیره نشوند و تکرار سریع‌تر روی ثبات شخصیت‌ها با استفاده از ماژول‌های لورا (LoRA) ممکن شود.
برای کاربران مک، فرآیند متفاوت است و نیاز به نصب Homebrew و اجرای دستورات ترمینال دارد. همچنین تمام تصاویر به‌طور خودکار در پوشه outputs ذخیره می‌شوند و در صورت تداخل پورت ۷۸۶۵، می‌توان با ویرایش فایل webui-user.bat پورت را تغییر داد.
گام بعدی شما
- اگر کارت گرافیک انویدیا دارید، بسته Entry Package را دانلود کرده و مدل FLUX.1-schnell را برای کیفیت بالاتر جایگزین کنید.
- برای پروژه‌های تجاری، از
--lowvramاستفاده کنید تا پایداری سیستم در رندرهای طولانی حفظ شود. - ماژول‌های لورای جامعه (Community LoRA) را برای تخصصی کردن مدل در حوزه‌های معماری و طراحی محصول دنبال کنید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو