免费生成本地AI数字人视频：Duix.Avatar 数字人克隆完整上手指南-创锋一号

免费生成本地AI数字人视频：Duix.Avatar 数字人克隆完整上手指南

【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

你需要制作口播视频时，外包很贵，在线工具又担心数据隐私。Duix.Avatar 是一个免费开源的本地 AI 数字人视频生成工具：上传一段约 10 秒的视频即可克隆你的形象和声音，再输入文案或音频，就能离线生成数字人口播视频，全程不需要联网。

🧭 快速了解：一段 10 秒视频生成你的数字人

Duix.Avatar 由 Duix.com 开源，分两部分：

服务端：Docker 部署，负责形象训练、声音克隆、视频合成，全部在本地 GPU 上运行
客户端：桌面图形界面（Windows / Ubuntu 22.04），用来上传素材、填写文案、查看作品

输入是一段 10 秒左右的真人视频，输出是带口型、配你声音的播报视频。适合这些场景：个人口播内容批量制作、课程录播、企业内部宣传视频，且素材不出本机。

🚀 跑起来：Docker 三步部署本地服务

先确认硬件达标：NVIDIA 显卡（驱动装好，nvidia-smi能看到显卡）是硬性要求，官方推荐 i5-13400F + 32GB 内存 + RTX 4070；Windows 要求 D 盘空余 30GB 以上、C 盘 100GB 以上，Ubuntu 要求硬盘空余 100GB 以上。

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

执行后会把整个项目下载到本地，包含客户端源码和deploy/部署目录。

Windows 需要先装好 Docker Desktop（首次下载约 70GB 流量，预留半小时）；Ubuntu 用sudo apt install docker.io docker-compose安装。然后在部署目录启动服务：

cd deploy docker-compose up -d

执行后 Docker 会拉取 3 个镜像（ASR、TTS、视频合成）并在后台启动，看到三个容器都是 Running 状态即成功；lite 精简版只有 1 个服务Duix.Avatar-gen-video。

客户端直接用官方构建的安装包：Windows 双击Duix.Avatar-x.x.x-setup.exe安装，Ubuntu 双击Duix.Avatar-x.x.x.AppImage启动。

🎬 用一次：克隆数字人并生成第一条视频

输入素材：准备一段自拍视频，时长至少 8 秒，分辨率 720P 以上，格式 MP4/MOV，全程只有你一个人，五官清晰不遮挡、吐字清晰。视频里的声音会被用来克隆音色，所以必须带人声。
定制模特：打开客户端，点击首页的「Create Avatar / 创建模特」，上传视频、填写模特名称，提交后系统开始本地训练，状态显示「训练中」，完成后出现在「My Avatars」列表里。
写文案：点击「Create Video / 创建视频」，选择刚做好的模特，在文本框输入内容（支持中英文，脚本支持英语、日语、中文等 8 种语言），或者上传一段音频（mp3/wav/flac/m4a，不超过 30 分钟），然后点击「合成视频」。
查看输出：到「My Works / 我的作品」查看进度，状态变为完成后可在线预览，也可以直接下载视频文件。

⚙️ 调优：部署方案与参数选择

方案	启动命令	说明
标准版	`docker-compose up -d`	3 个服务，含 ASR 和 TTS，功能完整
精简版 lite	`docker-compose -f docker-compose-lite.yml up -d`	只有视频合成 1 个服务，资源占用低
50 系显卡版	`docker-compose -f docker-compose-5090.yml up -d`	面向 5090 等 50 系显卡，基于 CUDA 12.8 的 30/40 系显卡也可用
Ubuntu 系统	`docker-compose -f docker-compose-linux.yml up -d`	需先装 NVIDIA Container Toolkit 并配置 docker runtime

其他参数建议：

视频合成接口：服务启动后在http://127.0.0.1暴露端口，视频合成走8383端口，ASR/TTS 走18180端口，可自行脚本化批量生成
音频素材：上传纯人声录音，背景音和噪音会直接影响合成效果
更新服务：到deploy/目录重新执行docker-compose up -d即可拉取新版本

🛠️ 排坑：四个常见报错的解决方法

docker-compose up -d拉镜像超时（request canceled）：Docker Hub 官方源不稳定，在 Docker 的daemon.json里添加registry-mirrors国内镜像源即可
新增模特时报错：视频必须带人声且是人在说话，无声视频无法做声音克隆
定制模特报Connection refused：ASR 服务启动慢，服务端启动后等几分钟再操作；内存 16GB 可能起不来，需要 32GB
三个容器不是全部 Running：先跑nvidia-smi确认显卡驱动正常，本项目算力全部在本地，没有 NVIDIA 显卡或服务起不来

服务端日志直接在 Docker Desktop 里点开对应容器点「复制」；客户端日志在右上角「Setting → Open Log」。

更多报错对照常见问题，部署文件在 deploy/，开放 API 的调用实现参考 src/main/service/。

下一步建议：按 Ubuntu 或 Windows 流程把服务端跑起来，用一段 10 秒的正面口播视频先克隆出第一个模特，再生成一条 30 秒的测试口播视频，确认口型和声音都正常后再批量产出内容。

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