本地部署AI数字人：3步生成第一条口播视频-创锋一号

本地部署AI数字人：3步生成第一条口播视频

【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

在你自己的电脑上，一段 15 秒的自拍视频加一段文字，就能产出会说话、口型同步的 AI 数字人口播视频——这就是 Duix-Avatar 做的事。它是一个可本地部署的开源数字人创作平台，形象训练、声音克隆、视频合成全部离线完成，素材不用离开这台机器。

它能帮你做什么：口播视频的三个落地场景

自媒体日更口播：真人出镜一天拍一条已经吃力，数字人版本里你只需改台词。相比数万元起步的 3D 数字人制作，它免费开源、个人零成本，全程图形界面不用写代码。
课程与知识付费录课：讲师的声音会被克隆进模型，成片保留你的音色和语气。课程更新只换文字脚本，不用重录；脚本支持中、英、日、韩等 8 种语言。
企业宣传与内部培训：产品发布、合规培训、门店宣传，批量产出边际成本接近于零；流程全程在内网机器离线跑，人脸和声音样本不外传。有开发能力时，开放接口还能把它接进自有系统做二次开发。

开工前，先确认你的机器：Duix-Avatar 硬件要求

算力全部在本地，硬件是硬门槛：

项目	要求
显卡	英伟达独显且驱动可用（`nvidia-smi`能显示显卡），推荐 RTX 4070 及以上
内存	32GB 起步，16GB 大概率带不动
磁盘	Windows：C 盘 100GB 放服务镜像，D 盘 30GB 放项目数据；Ubuntu：预留 100GB 以上
系统	Windows 10 19042.1526 及以上，或 Ubuntu 22.04
CPU	推荐 i5-13400F 或同级

系统侧各做一步准备：

Windows：wsl --list --verbose有输出说明 WSL2 已装，再执行wsl --update，然后装好 Docker Desktop。
Ubuntu 22.04：docker --version能打印版本即可；另需英伟达驱动和 NVIDIA Container Toolkit，装完用nvidia-smi验证。

不达标怎么办：配置紧一点，可以先跑精简版docker-compose -f docker-compose-lite.yml up -d，只起视频合成一个服务；完全没有英伟达显卡就别硬上，三个服务都依赖 GPU 调度——换一台达标的机器，或者干脆用云端 GPU 跑。

Duix-Avatar 部署步骤：把服务跑起来的最小路径

Step 1 拿到项目代码

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

✅ 完成信号：目录下能看到README.md、package.json，deploy/里有docker-compose.yml。

Step 2 启动服务容器

cd deploy docker-compose up -d

Ubuntu 换成docker-compose -f docker-compose-linux.yml up -d。首次拉镜像约 70GB，视网速等 20–30 分钟。

✅ 完成信号：容器列表出现duix-avatar-tts、duix-avatar-asr、duix-avatar-gen-video，STATUS 均为 Running。

Step 3 安装客户端

到项目 Releases 页下载官方安装包：Windows 双击.exe安装，Ubuntu 直接运行.AppImage（root 用户需加--no-sandbox）。客户端只是前台，真正训练和合成靠的是后厨那三个容器。

✅ 完成信号：首次启动弹出用户协议，同意后能看到 "Create Video" 和 "Create Avatar" 两个入口。

产出你的第一条数字人视频：从素材训练到口播成片

准备素材：录一段 10–15 秒的正面说话视频，光线足、面部无阴影、背景简单、声音干净。必须包含你本人在说话——这段声音会被拿去克隆音色，静音素材会直接报错。

训练形象：点 "Create Avatar"，上传视频、给模型起名，5–10 分钟进度条走完。

写台词：在 My Avatars 选中刚训好的模型，点 "Create Video" 输入脚本，第一次建议 50 字以内。

调语音参数：语速分慢速/正常/快速，语调分平缓与抑扬顿挫，情感可微调。

生成：点生成，等 3–5 分钟，播一遍确认口型与语音无明显错位。

批量生成：直接调本地 API

服务起来后，Duix-Avatar 把语音合成和视频合成都暴露在本地端口：TTS 是http://127.0.0.1:18180/v1/invoke，视频合成是http://127.0.0.1:8383/easy/submit（参数与用法见 README 的 API 章节）。批量跑就是循环提交再轮询进度：

curl -X POST http://127.0.0.1:8383/easy/submit \ -H "Content-Type: application/json" \ -d '{"audio_url":"...wav","video_url":"...mp4","code":"<uuid>","chaofen":0,"watermark_switch":0,"pn":1}'

进度用GET http://127.0.0.1:8383/easy/query?code=<uuid>查，code是提交时自己填的唯一键。

卡住了看这里：Duix-Avatar 部署与训练排错

现象	原因	处理
三个服务起不来、反复重启	无英伟达显卡或驱动失效	用`nvidia-smi`验证，升级 NVIDIA 驱动后重启容器
`docker-compose up`报 registry-1.docker.io 连接失败	Docker Hub 直连不稳	在 Docker Desktop 的 Docker Engine 配置镜像加速源，参考官方常见问题
训练报 "file does not exist"	素材没落到约定数据目录	检查 D 盘`duix_avatar_data`映射，确认上传的是带人声的说话视频
训练报 ASR Connection refused	fun-asr 启动慢，16GB 内存可能带不动	服务端起来后等几分钟再训练；内存不足就升级
端口 18180/8383/10095 冲突	本机其他程序占用	查杀占用进程，或改`deploy/docker-compose.yml`端口映射
数字人视频口型不同步	素材质量差或 GPU 未参与计算	重拍光线均匀、头部稳定的素材，`nvidia-smi`确认容器吃到显存

跑通一遍，本地部署约半小时，第一条数字人口播视频一小时内出片。下一步的自然延伸是打开src/main/service/，把训练、语音、合成三个接口包进自己的脚本或系统里，做批量化和自动化。

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