Duix-Avatar本地部署：3条命令跑通，1段10秒视频克隆数字人-创锋一号

Duix-Avatar本地部署：3条命令跑通，1段10秒视频克隆数字人

【免费下载链接】Duix-Avatar🚀 Truly open-source AI avatar(digital human) toolkit for offline video generation and digital human cloning.项目地址: https://gitcode.com/GitHub_Trending/he/Duix-Avatar

想让视频里的真人开口讲稿，又不想去棚里反复录？Duix-Avatar 是一款免费开源的本地部署数字人工具：上传一段10秒左右的说话视频，离线克隆形象与声音，之后输入文案就能生成口型匹配的口播视频，数据全程不出本机。

环境要求清单与最快部署命令

组件	最低要求	推荐配置（官方建议）
系统	Windows 10（19042.1526 及以上）/ Ubuntu 22.04	同左
CPU	无明确下限	i5-13400F（13代）
内存	16GB（官方提示可能启动不了）	32GB 及以上（必要）
显卡	英伟达显卡 + 驱动	RTX 4070
硬盘	D盘 30GB+（数据）、C盘 100GB+（镜像）	空闲 100GB 以上

🔧 1. 获取代码：

git clone https://gitcode.com/GitHub_Trending/he/Duix-Avatar cd Duix-Avatar/deploy

启动服务端。docker-compose up -d会自动拉取 ASR（语音识别）、TTS（语音合成）、视频合成 3 个镜像，下载约 70GB 流量，网速正常约半小时：

docker-compose up -d

安装客户端：下载官方构建的安装包双击安装；或装 Node 18 后执行npm run build自行构建。

✅ 验证：Docker 里 duix-avatar-tts、duix-avatar-asr、duix-avatar-gen-video 三个服务都是 Running，本机 18180、10095、8383 三个端口在监听。打开客户端新建一个模特能成功，就算跑通了。

Ubuntu 与 50 系显卡的启动命令见下文表格。

核心流程拆解：从一段视频到一条口播

用一段说话视频克隆形象与声音

做什么：把10秒左右的说话视频变成一个可复用的模特（形象+声音）。怎么做：程序先用 ffmpeg 把视频转成 H.264（通用视频编码格式）并抽出音轨，音轨送 TTS 服务训练声音，再把模特视频、音频和声音编号一起存入本地数据库。关键代码：模特创建服务、ffmpeg 音视频处理。

把文案变成你的音色

做什么：输入脚本文字，输出用你声音朗读的配音。怎么做：客户端把文本发给 fish-speech 语音合成服务（端口 18180），以克隆步骤返回的参考音频和转写文本为依据，生成 wav 文件。关键代码：TTS 接口封装。

音画合成出口播视频

做什么：把配音和模特视频合到一起，得到口型对齐的成片。怎么做：把音频路径与视频路径提交到视频合成服务（8383/easy/submit），再用任务 code 轮询查询进度。关键代码：视频合成服务、服务地址与数据目录。

素材准备规范与不同显卡的参数配置

素材规范：

模特视频约10秒，人物正面、说话清晰，必须带人声——声音克隆用的就是这段音轨；
无需手动剪辑：程序自动转 H.264、抽音频；音轨不足20秒会整体处理，不用预先切分；
数据默认写在D:\duix_avatar_data（Windows），该盘预留30GB以上；
脚本支持8种语言：中、英、日、韩、法、德、阿拉伯、西语。

不同机器选哪份部署文件：

档位 / 场景	启动命令（deploy 目录下）	说明
全功能（32GB 内存 + RTX 4070 级）	`docker-compose up -d`	3 个服务：识别 + 合成声音 + 合成视频
只合成视频（内存偏小）	`docker-compose -f docker-compose-lite.yml up -d`	只起视频合成服务，配音需自备
RTX 50 系（如 5090）	`docker-compose -f docker-compose-5090.yml up -d`	使用 torch 官方预览版
Ubuntu 22.04 桌面	`docker-compose -f docker-compose-linux.yml up -d`	Linux 部署

提示：合成容器已默认带 8GB 共享内存与显存碎片控制参数（见 docker-compose.yml），一般不用动。

新手高频报错与排查方法

⚠️ 拉镜像报 request canceled / 连接超时：Docker Hub 官方源不稳定，在 daemon.json 里配置 registry-mirrors 国内镜像源后重启 Docker。

⚠️ 新增模特失败：模特视频必须有人声且是人在说话，程序用这段声音做克隆；静音或纯背景音乐的视频会直接报错。

⚠️ 克隆形象时报 Connection refused：ASR 服务启动慢，服务起来后等几分钟再操作；内存只有16G时可能根本起不来，建议32G。

⚠️ 三个服务全起不来：先执行nvidia-smi确认显卡与驱动。本项目算力全在本地，没有英伟达显卡或驱动装错，服务是起不来的。

⚠️ C盘空间不够：Docker Desktop 设置 → Resources → Advanced，把磁盘镜像位置改到剩余100GB+的盘。

更多报错案例见常见问题文档。

适合谁，下一步做什么

Duix-Avatar 适合两类人：想本地批量产出口播视频、又不想把素材传上云的创作者；以及想直接调用 18180/10095/8383 三个本地端口做二次集成的开发者。建议先克隆一个模特、生成一条30秒短片感受效果，再对照 src/main/service 里的接口把自己的流程接进去。部署卡住时，优先看三个容器的 Logs 日志，大部分报错在文档里都有对应解法。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

企业官网建设流程全解析