企业官网建设流程全解析

Duix.Avatar 完整指南：开源免费 AI 数字人克隆，10 秒视频造一个会说话的你

【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

Duix.Avatar 是一款开源免费、完全离线的 AI 数字人工具包：录一段 10 秒的说话视频，克隆你的形象与声音，输入文字即可生成口型匹配的口播视频。不联网、不收费，数据留在你自己的电脑里。

先看结果：跑通之后你能得到什么

这节先给你看最终产出，让你判断它值不值得花半小时部署。

最终产出两样东西：一个会开口说话、口型对得上的"数字你"（形象+声音双克隆），以及基于它无限生成的口播视频。客户端主界面左侧直接创建视频，右侧克隆新数字人，你的所有数字人和作品都归档在列表里。

三点值得注意：

• 全程离线，素材、模型、成片都不离开你的电脑；
• 文案支持 8 种语言：中、英、日、韩、法、德、阿拉伯、西班牙语；
• 除文字外，音频文件也能直接驱动数字人。

能不能跑起来：系统与硬件要求一览

这节帮你先自查电脑配置，不达标就先别急着部署。

结论先行：NVIDIA 显卡 + 32G 内存 + 约 130G 空余磁盘，就能跑。所有算力都在本地，没有 NVIDIA 显卡，三个服务根本起不来。

最简部署路径：从零到三个服务跑起来

这节是全文唯一的"安装手册"，按顺序做完即可。

架构很简单：三个 Docker 服务（ASR 语音识别、TTS 语音合成、视频生成）+ 一个桌面客户端。在 deploy/ 目录里执行一条 docker-compose 命令就能拉起。

Windows

1. 准备 WSL 与 Docker

wsl --list --verbose # 查看是否已装 WSL，没有就先执行 wsl --install wsl --update # 更新 WSL

再从 Docker 官网安装 Docker Desktop，首次启动接受协议、跳过登录。

2. C 盘空间不够就改镜像存放位置

C 盘不足 100G 时，在 Docker Desktop 的 Settings → Resources → Advanced 里，把 "Disk image location" 改到空余 100G 以上的盘。

3. 启动服务

cd deploy docker-compose up -d # 完整版：三个服务 # 只要视频生成服务时用精简版： docker-compose -f docker-compose-lite.yml up -d

首次约需半小时（拉取镜像，视网速而定）。在 Docker Desktop 里看到三个容器均为Running，即部署成功。

NVIDIA 50 系显卡（5090 已实测，30/40 系 CUDA 12.8 也适用）用专用配置：docker-compose -f docker-compose-5090.yml up -d

4. 安装客户端

从项目发布页下载Duix.Avatar-x.x.x-setup.exe，双击安装即可。

Ubuntu 22.04

sudo apt update sudo apt install docker.io docker-compose

再安装 NVIDIA 驱动与 NVIDIA Container Toolkit（完整步骤见 README.md 的 Ubuntu 章节），用nvidia-smi确认驱动正常，最后：

cd deploy docker-compose -f docker-compose-linux.yml up -d

客户端为 AppImage 文件，双击运行；若以 root 用户双击无反应，在终端执行./Duix.Avatar-x.x.x.AppImage --no-sandbox。

跑通之后：克隆你的第一个数字人并生成第一条口播视频

这节是第一个完整工作流，从一段素材视频到第一条口播成片，共四步。

第一步：录素材

10~20 秒的说话视频：正面、光线均匀、口齿清晰。视频里必须有人在说话——程序要用这段声音做声音克隆，无声素材会直接报错。

第二步：克隆数字人

客户端点 "Create Avatar" → 选择视频 → 提交。系统会把视频拆分成静音视频与音频，ASR 识别语音内容，TTS 建立声音模型。服务端刚启动后 ASR 服务本身需要几分钟就绪，别急着马上提交。

第三步：生成口播视频

选中刚建好的数字人，输入文案（8 种语言任选）或直接上传音频，点击生成。内部顺序是先合成音频，再用音频驱动视频完成口型对齐。

第四步：查看作品

成片自动进入 "My Works"，可播放、删除、导出。

想跳过界面、把流程自动化，项目开放了本地 API（Docker 启动后均走127.0.0.1）：

请求与返回参数示例可直接看 src/main/service/model.js、src/main/service/video.js、src/main/service/voice.js。

它还能干什么：能力与适用场景

这节回答"基础会用之后，还能拿它做什么"。

能力清单

• 多模型并存：可导入多个数字人统一管理，不同用途切不同"人"；
• 文字与音频双驱动：音频输入会按节奏、语调带动口型与表情；
• 完全离线：断网可用，弱网、内网、隐私敏感场景都能跑；
• API 全开放：训练、合成、成片三个环节都接口化，可接入你自己的业务流。

适用场景

商用授权：开源代码支持全球免费商用；用户量超过 10 万或年营收超 1000 万美元的企业需签署商业许可协议（详见 LICENSE 及项目根目录的许可协议 PDF）。

卡住了怎么办：三类高频问题与快速定位

这节把高频故障按"卡在哪一步"合并成三类，每类给一条快速判断路径。

① 卡在服务启动（镜像下载失败 / 服务起不来）

最常见原因是连 Docker Hub 超时。解法：Docker Desktop → Settings → Docker Engine，在registry-mirrors里添加国内镜像源后重启。

镜像源没问题服务仍起不来，先查显卡驱动：本项目算力全在本地，没有 NVIDIA 显卡或服务，三个服务无法启动。

② 卡在数字人创建（模型训练）

• 报音频相关错误：多半是素材视频里没有说话声，或声音不是人声，重录素材；
• Connection refused：ASR 服务启动慢，服务端起来后等几分钟再克隆；内存只有 16G 时 ASR 服务可能直接起不来，需要升级内存；
• TTS 服务（heygen-tts）反复重启：直接查日志定位原因。

③ 卡在视频生成（进度不动 / 没有结果）

定位靠两份日志：

• 客户端日志：右上角 Settings → Open Log
• 服务端日志：Docker Desktop 里点对应服务的 Logs，用右侧复制按钮把完整日志带出去求助

通用自查三问（按顺序过一遍，能覆盖大多数情况）：

1. 三个服务是否全部Running；
2. NVIDIA 显卡与驱动是否正常；
3. 服务端与客户端是否都是最新版——到 deploy 目录重跑一次docker-compose up -d即可更新服务端。

更多报错实例与解法见 doc/常见问题.md。

更快、更省、更省力：五条实用建议

这节不介绍新功能，只讲怎么省钱、省空间、省时间。

1. 省盘：磁盘紧张就用精简版docker-compose-lite.yml，只启动视频生成一个服务，镜像占用明显变小；
2. 提速：NVIDIA 50 系显卡用docker-compose-5090.yml（PyTorch 官方预览版方案）；镜像与数据放 SSD，模型加载更快；
3. 空间管理：定期删除不用的数字人和作品；数据默认落在D:\duix_avatar_data，重要模型手动备份到外部存储；
4. 流量只花一次：约 70G 的镜像下载是首次成本，部署完成后续使用不再下载；
5. 算一笔成本账：无授权费、不限量生成、无云端费用，持续成本基本为零。

下一步去哪里

本周做：按本文部署路径把三个服务跑起来，录一段 10 秒自拍说话视频，完成第一次克隆和第一条口播视频。

然后做：打磨素材质量（光线、角度、音量），逐一试跑 8 种语言的内容生成。

再深入：把开放 API 接进你自己的工作流做批量自动化，代码示例见 src/main/service/。

配套资料：

• 完整安装与 Ubuntu 部署细节：README.md
• 报错实例与解决方案：doc/常见问题.md
• 部署配置目录：deploy/

【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