Fooocusとは?設定なしでSDXLを動かす画像生成AIの使い方・インストール・必要スペック

この記事のポイント Fooocusは「SDXLをMidjourneyの操作感で動かす」ための無料ツール。プロンプトとボタン1つで動くから、Stable Diffusion Web UIで挫折した人ほど刺さる。ただし開発スピードはComfyUIに劣り（更新頻度は公式GitHub Releasesで要確認）、動画生成や複雑なワークフロー連携には向かない。

ローカルで画像生成AIを動かしたい。でもStable Diffusion Web UI（Automatic1111）のパラメーター地獄は勘弁してほしい。

そんな層のために設計されたのがFooocusだ。設定項目はほぼ「プロンプト」と「画質プリセット」の2つだけ。なのに出てくる絵はSDXL（後述する高画質モデル）そのもの。

正直、SDXL系をローカルで初めて触るなら、最初の1本はFooocus一択だと思っている。一方で、ComfyUIのノード運用に慣れた人には物足りない。両面を、公開情報をベースに率直に書く。

この記事だけで、Fooocusが何かわかり、自分のPCで動くか判断でき、インストールから初回生成まで進める。それを目標に構成した。

Fooocusとは？SDXLを「ボタン1つで」動かすオープンソースツール

Fooocusとは、Stable Diffusion XL（SDXL）ベースの画像生成を、極限まで簡略化したUIで使えるオープンソースの画像生成AIツールです。

SDXLというのは、Stability AI社が公開した高解像度向けの画像生成モデルのこと。きれいな絵が出る代わりに、本来は設定項目が多い。その難しさを丸ごと隠したのがFooocusだ。

目指したのは「Midjourneyのような手軽さ」と「Stable Diffusionの自由度」の両立。開発者はlllyasviel氏。画像の構図を制御する技術ControlNetの作者として知られる人物で、Fooocusの内部にも自前のプロンプト最適化が組み込まれている。

だから利用者は、いわゆる「呪文」の文法を覚えなくていい。自然な言葉を投げ込めば、ツール側がSDXLの好む形に整えてくれる。

そしてローカル動作型。生成枚数の上限もAPI課金もない。GPUさえあれば、月100枚でも10,000枚でも、増えるのは電気代だけだ。

ここまでが概要。では、似たツールと何が違うのか。

FooocusとStable Diffusion・Midjourneyの違い

ここを押さえないと選択を間違える。同じ「画像生成AI」でも、設計思想がまるで違う。

下表は3ツールの差分。料金とUIだけで選ぶと後悔するので、操作難易度と拡張性まで見てほしい。

つまり、Fooocusは「設定で迷う時間をゼロにしたいSDXLユーザー」のためのツールだ。

UIの自由度ならA1111。絵の手軽さならMidjourney。でも「無料でSDXLを最短で動かす」一点では、Fooocusが頭ひとつ抜けている。

A1111との細かい違いは後半で専用に掘り下げる。まず、自分のPCで動くかどうかを確かめよう。

似た立ち位置のツールを広く見たいなら、Stable Diffusion本体の解説やComfyUIとStable Diffusionの比較も併読すると、ローカルAIの地図が頭に入る。

Fooocusの必要スペックと動作要件は？

ローカル動作なので、ここを軽視するとインストール後に絶望する。公式GitHubが明記している要件を、最低・推奨・快適の3段で整理した。

公式GitHubの記載では、対応はNVIDIA RTX 20/30/40系が4GBから、GTX 10系は8GB VRAM必須、GTX 9系以下は非対応（2026-06-28 最終確認）。

NVIDIA以外も一応動く。WindowsのAMD GPUはDirectMLで8GB、LinuxのAMDはROCmで8GBが目安。ただし速度はNVIDIAより落ちる、というのが公式の但し書きだ。

Macはどうか。Apple Silicon（M1/M2系）のMPSにも対応している。ただし公式は「NVIDIA RTX 3060比でおよそ9倍遅い」と明記している（GitHub README、2026-06-28 最終確認）。M4世代なら体感は改善するが、「我慢して使えるレベル」と期待値を下げておくと裏切られない。

速度の感覚値はこうだ。RTX 4060クラスなら1024×1024のSDXLが数十秒で出る。一方、VRAM 4GBギリギリだと1枚に数分かかることがあって、正直実用は厳しい。

結論、快適に使いたいならVRAM 8GBが現実的な下限。4GBは「動くが待たされる」と覚悟しておくこと。

スペックが足りているとわかったら、インストールに進もう。

ステップ1: 公式GitHubから本体をダウンロードする

ここからは手順。Fooocusの真骨頂は、この導入のシンプルさにある。Python仮想環境やライブラリのバージョン地獄を踏まずに済む。

1. GitHubのlllyasviel/FooocusのReleasesページを開く
2. Windows向けのインストーラー（7z形式の圧縮ファイル）をダウンロードする
3. 容量に余裕のあるドライブに展開する（モデルだけで数GB使う）

Macやリナックスの人は、後述のとおりzipを展開してターミナルから起動する形になる。

ステップ2: run.bat を実行して起動する

展開したフォルダの中のrun.batをダブルクリックする。これだけで起動処理が走る。

• Windows: run.batをダブルクリック
• Mac / Linux: ターミナルから./run.shを実行

初回起動では、デフォルトモデル（juggernautXL_v8Rundiffusion）の自動ダウンロードが走る。回線にもよるが、ここは10〜20分ほどかかると見ておくといい。

裏で仮想環境の構築も自動で進む。途中で止まったように見えても、ログが動いていれば待つのが正解だ。

ステップ3: ブラウザでUIを開いて1枚生成する

ダウンロードが終わると、ブラウザが自動で開いてhttp://localhost:7865にUIが表示される。自動で開かないときは、このURLを手で入力すればいい。

あとは画面下の入力欄にプロンプトを書いて「Generate」を押すだけ。数十秒待てば、1枚目の絵が出てくる。

ここでつまずく人の多くは、「Python別バージョンの競合」か「VRAM不足」のどちらかだ。Pythonは自分で触らない、VRAMはタスクマネージャーで事前確認。この2点を守れば、まず失敗しない。

起動できたら、品質を底上げする使い方を覚えていこう。

Fooocusの基本的な使い方

UIを開いたら、テキスト欄にプロンプトを入れて「Generate」。基本はそれで完結する。

ただ、品質を一段引き上げる小ワザがいくつかある。最初に押さえるべきは次の4つ。

• Performance: Speed（標準）/Quality（高品質）/Extreme Speed（高速）から選ぶ。試行はSpeed、本番はQualityでいい
• Aspect Ratios: 16:9や3:2など、SDXLが得意な比率がプリセット済み
• Image Number: 一度に生成する枚数。複数枚をまとめて出して当たりを選べる
• Negative Prompt: 「Advanced」タブから入力可。デフォルトでも内部補完が効くので、無理に書かなくていい

このうち最初に効くのはPerformanceの切り替えだ。試作はSpeed連打で数をこなし、決め打ちの1枚だけQualityで仕上げる。これが時間対効果のいい回し方になる。

日本語プロンプトの扱いは、次の専用セクションで詳しく書く。

Fooocusは日本語で使える？UIとプロンプトの実情

UIは英語だ。日本語化のオプションは標準では用意されていない。とはいえ項目数が少ないので、英語のままでも迷う場面は少ない。

問題はプロンプトのほう。「日本語で書けるか」は、よく聞かれるところだ。

結論を言うと、日本語を入れても一定程度は絵になる。ただし、内部でどう処理されているか（翻訳の有無、英訳の経路、外部API利用の可否）は公式ドキュメントで明示されていない。

だから本記事としては、英語プロンプト推奨というスタンスを取る。光の方向やレンズの表現といった細かいニュアンスは、英語のほうが意図が通りやすい。

日本語でざっくり方向性を出し、決めの修飾語だけ英語に置き換える。この折衷が、英語が苦手な人にとって一番ラクで失敗が少ない。

「呪文を覚えなくていい」という設計思想は、画像生成に限らない。AI OCRツールの選び方やAutoGPTのような自律エージェントにも通じる、ローカルAIの大きな潮流だ（2026年6月時点の所感）。

Fooocusの主要機能（標準搭載）

Fooocusに標準で入っている主な機能を挙げる。各機能の初出バージョンは公式GitHub Releasesのリリースノートで確認できる。

• Image Prompt（画像参照）: 参照画像をドラッグ&ドロップして、スタイルやキャラを引き継ぐ
• Inpaint/Outpaint: マスクを塗るだけで部分修正・キャンバス拡張ができる
• Face Swap: 参照画像の顔を保ったまま、別シーンに配置する
• 複数LoRAの同時適用: スタイルLoRAとキャラLoRAを重ねがけできる

特にImage PromptとInpaintが効く。A1111ではControlNet拡張を入れて初めて到達するレベルの機能を、追加インストールなしで標準搭載しているのが利点だ。

RunPodなどのクラウドGPU上でも動く構成なので、手元のPCが非力でも逃げ道がある。

便利な機能がそろっている一方、合わない用途もはっきりしている。次で線引きする。

Fooocusに向いている人・向いていない人

道具は適材適所。万能ではない。

向いている人

• SDXLを最短で触りたい初心者〜中級者
• 設定値を追わずに「とにかく綺麗な絵」が欲しい人
• 商用利用しないMidjourney代替を探している人
• 月数百枚以上生成して、API課金から逃げたい人

向いていない人

• ノードベースでワークフローを組みたい上級者（→ComfyUI）
• 動画生成（AnimateDiff等）が主目的の人
• 拡張プラグインで機能を盛りまくりたい人（→A1111）
• 商用案件で安定したAPI/SLAが必要な人（→クラウドサービス）

Fooocusは「Midjourneyのような触り心地でSDXLを動かす」ことに振り切ったツールだ。その軸からズレる用途に当てはめると、確実に物足りなくなる。

なお「GPUを持っていないがChatGPTの画像生成と比べたい」人は、FooocusとChatGPT画像生成の使い分け記事に整理してある。GPUなしで試す無料Colabの話もそちらだ。

FooocusとStable Diffusion WebUI（A1111）の違いは？

「結局Fooocusとどっちを入れればいいのか」。Stable Diffusion WebUI（Automatic1111、通称A1111）と迷う人は多い。ここを専用に詰めておく。

両者ともローカルで無料。決定的な差は思想だ。

• Fooocus: 設定を隠して「考えずに綺麗な絵」に振った。プリセットが豊富で、初手のつまずきが少ない
• A1111: あらゆるパラメーターを露出させ、拡張で無限に盛れる。自由度は圧倒的だが、覚えることが多い

言い換えると、Fooocusは「答えを先に出す」ツール、A1111は「自分で正解を探す」ツールだ。

最初の1本はFooocusでいい。SDXLの挙動を体で覚えてから、物足りなくなったらA1111やComfyUIへ進む。これが挫折率の低い順路だと考えている。

詳しい構図比較はComfyUIとStable Diffusionの比較記事も参考になる。

Fooocusの商用利用と著作権の扱い

Fooocus本体はオープンソース（GPL-3.0）で、本体の利用そのものに料金や使用制限はない。

ただし、内部で使うモデル（juggernautXLや各種チェックポイント）にはそれぞれ個別のライセンスがある。ここを混同するとトラブルになる。

• juggernautXL系: 商用OKだがクレジット表記推奨
• Animagine XL: 非商用ライセンスのバージョンあり
• 一部のLoRA: クリエイター指定の利用条件あり

「Fooocus = 全部フリー」ではなく「Fooocus + 使うモデルごとに確認」と覚えておくと安全だ。実務で使うなら、Hugging FaceやCivitaiのモデルカード（モデルの詳細ページ）の規約に必ず目を通すこと。

生成物の権利も国・用途で揺れている。2026年6月時点の日本では、原則として「人間の創作的寄与」がなければ著作権は発生しない、という解釈が主流だ。広告・出版で使うなら、社内法務やクライアント側の規約も確認しておきたい。

モデル選びの良し悪しで絵は化ける。相性のいい組み合わせを次にまとめる。

Fooocusと相性の良いモデル（チェックポイント）

UIが優秀でも、モデルがイマイチなら絵は化けない。公開情報で評判の安定している組み合わせを挙げる。

最初はデフォルトのjuggernautXLで十分だ。

違和感が出てきたら、ジャンルに合わせてモデルを足す。たとえばアニメ調が欲しいのにデフォルトのままだと、当たり率は伸びない。狙いに合うモデルを選ぶだけで、ヒット率は体感で大きく変わる。

編集部の評価

公開情報と公開ドキュメントをベースに、Fooocusを率直に評価する。

良かった点

• 導入の速さ: zipを展開してrun.batを叩くだけ。Python環境を一切触らずに初回生成まで行けるのは破格
• プロンプトの自動整形: 雑な指示でも破綻が少ない。lllyasviel氏のControlNet譲りの作り込みが効いている
• Inpaintの完成度: マスクを塗るだけの部分修正が想像以上に自然。A1111+ControlNetで組むより明確に楽

微妙だった点

• 拡張性の弱さ: ComfyUIのような複雑なワークフロー（多段の参照重ねなど）は組めない。プラグインのエコシステムも弱い
• 更新ペース: 公式の更新頻度・最終コミット・未解決IssueはGitHubリポジトリで要確認。ComfyUIと比べるとリリースは緩やかな傾向（2026年6月時点の参照）
• 日本語の不透明さ: 内部の翻訳処理が非公開なため、日本語プロンプトの挙動を完全には読めない

総評は変わらない。「初めてSDXLを触る人に1本だけ薦めるならFooocus」一択だ。

ただし、使い込むとComfyUIやForgeへ移りたくなる。卒業ツールとしての側面もある、というのが正直なところ。それも含めて、最初の一歩として重宝する。

よくある質問（FAQ）

Q. Fooocusは完全無料ですか？

無料です。GPL-3.0のオープンソースで、本体のダウンロード・利用に料金はかかりません。ローカル動作のためAPI課金もなく、必要なのは電気代とGPU環境だけ。ただし内部で使うモデルごとに個別ライセンスがあるため、商用利用時はモデルカードの規約を確認してください。

Q. WindowsでもMacでも動きますか？

両方で動きます。Windowsはrun.bat、Macはrun.shを実行する形です。ただし公式はApple SiliconのMacについて「NVIDIA RTX 3060比でおよそ9倍遅い」と明記しています。速度を求めるならNVIDIA GPUのWindows/Linuxが現実的です。

Q. 最低どれくらいのGPUがあれば動きますか？

公式の最低要件はNVIDIA VRAM 4GB・RAM 8GBです。ただしGTX 10XX系は8GB VRAMが必要で、GTX 9XX系以下は非対応。快適に使いたいなら8GB以上（RTX 4060クラス）を推奨します。4GBは「動くが1枚に数分かかることがある」と覚悟してください。

Q. プロンプトは日本語で書けますか？

書けます。Fooocus内部で整形が走るため、日本語でも一定の絵は出ます。ただし内部の処理（翻訳経路など）は公式に明示されていません。光の方向やレンズ表現など細かいニュアンスは、英語のほうが意図が通りやすい場面があります。

Q. GPUを持っていなくても使えますか？

手元にGPUがなくても、無料のGoogle ColabやRunPodなどクラウドGPU上で動かす方法があります。GPUなしの選択肢はFooocusとChatGPT画像生成の使い分け記事で詳しく扱っています。

Q. ComfyUIとFooocus、どちらを学ぶべきですか？

「最初の1本」ならFooocus、「最終的にプロ仕様で組みたい」ならComfyUIです。FooocusでSDXLの挙動を体得してからComfyUIへ移る流れが、もっとも挫折率の低い学習ルートだと考えています。

Q. 商用利用で気をつけることは？

Fooocus本体は商用OKですが、使用するモデル（juggernautXL等）ごとにライセンスが異なります。非商用ライセンスのモデルやLoRAを誤って使うとトラブルになるため、Hugging FaceやCivitaiのモデルカードを必ず確認してください。

あわせて読みたい関連記事

Fooocusの理解を深めるなら、周辺ツールの記事も押さえておくと選択がぶれない。

• Stable Diffusion本体の使い方 — Fooocusが隠している設定の中身がわかる
• ComfyUIとStable Diffusionの比較 — 卒業先の有力候補2つの違い
• FooocusとChatGPT画像生成の使い分け — GPUなしで試したい人向けの代替策
• AI OCRツールの選び方 — 同じ「呪文不要」系ローカルAIの実例

各ツールの公式サイト（一次情報）

料金・機能・対応範囲は各社公式が一次情報です。本記事は公開時点の検証に基づきますが、最新かつ正確な条件は必ず各公式ページで確認してください。

• Fooocus — 公式サイト（AI PICKSの詳細）
• Stable Diffusion — 公式サイト（AI PICKSの詳細）
• Midjourney — 公式サイト（AI PICKSの詳細）
• ComfyUI — 公式サイト（AI PICKSの詳細）