企业官网建设流程全解析

Duix.Avatar：用一台普通电脑生成数字人视频的完整指南

【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

花几万块外包一条数字人口播视频，其实你自己那台电脑就能干。Duix.Avatar 是一个完全开源的 AI 数字人本地部署工具：录一段 10 秒左右的视频，它就能克隆你的形象和声音，之后输入文案或上传音频，直接生成你"出镜"口播的视频。内容创作者、做课程的老师、开网店的主播，第一次接触照着这套流程也能跑通。

这个项目能帮你做什么

Duix.Avatar 干的事很简单：把你本人变成一个可以反复生成的视频演员。

• 10 秒视频克隆形象和声音
• 全程离线，素材不上传
• 文字或音频驱动口型同步
• 脚本支持 8 种语言播报

所谓口型同步（简单说就是嘴型跟得上说的话），是这类工具好不好用的核心，它的合成结果就是音视频严格对齐的口播视频。

开工前先把环境备好

硬件要什么级别

先看你的电脑够不够格。官方给的是推荐配置，"最低"一栏是它明确标注的硬性条件：

注意显卡只认 N 卡：项目所有算力都在本地，没有 N 卡或驱动没装好，后面三个服务根本起不来。AMD 卡目前指望不上。

软件装到位了吗

以 Windows（10 19042 或更高版本）为例，逐条过一遍：

1. 没装过 WSL（Windows 里跑 Linux 的子系统）就先装：wsl --install
2. 更新 WSL 内核：wsl --update
3. 去官网下载 Docker Desktop（Docker 是把整套服务打包成免安装镜像运行的工具）的 Windows 版安装包，装完启动，首次运行接受协议、跳过登录
4. 验证显卡驱动：nvidia-smi，能打印出显卡信息才算数
5. 验证 Docker：docker --version

C 盘空间不足 100GB 的话，Docker 装好后可以在设置里把镜像存储位置挪到别的盘，入口在 Settings → Resources → Advanced → Disk image location。

从零跑通：部署到出片

拉代码并起容器

先拉项目代码：

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

然后进入仓库的 deploy/ 目录执行docker-compose up -d。这一步会拉三个服务镜像，总共约 70GB 流量，官方说大概半小时左右，速度取决于你的网速，建议连 WiFi 干等。机器配置吃紧的话可以改用精简版，只有一个服务：docker-compose -f docker-compose-lite.yml up -d。如果你是 50 系新显卡（30/40 系搭配 CUDA 12.8 也能用这套），换配置文件：docker-compose -f docker-compose-5090.yml up -d。

确认三个服务都活着

容器起来了，怎么确认没装歪？跑一句docker ps，完整版应该看到三个容器都是 Running 状态：Duix.Avatar-tts（语音合成，占端口 18180）、Duix.Avatar-asr（语音识别，占端口 10095）、Duix.Avatar-gen-video（视频渲染，占端口 8383）；lite 版只有一个Duix.Avatar-gen-video。

服务端就绪后装客户端：去项目官方发布页下载 Windows 安装包，双击Duix.Avatar-x.x.x-setup.exe装完即可。

建第一个数字人形象

打开客户端，进"创建数字人"页面，上传一段 10 到 15 秒的正面视频。有个隐藏门槛：视频里必须是你本人在清晰说话，因为系统要拿这段声音做声音克隆，纯画面没声音的素材会直接报错。拍的时候背景简单、光线均匀、脸占画面大一点，后面的克隆效果会稳很多。提交后等状态变成完成，"我的数字人"列表里就多了一个你的分身。

出第一条视频

服务都跑起来了，怎么把第一条视频生出来？点"创建视频"，选中刚克隆好的形象，直接输入文案（或上传一段音频），提交生成。系统会先合成语音，再让形象对口型，最后拼成完整视频。文案支持中文、英文、日、韩、法、德、阿拉伯、西语共 8 种语言，生成的成品会自动出现在"我的作品"里，下载就能用。

再往深里玩一玩

装好能干活了，还能玩出什么花？如果你会写点代码，服务端其实把整条流水线都开放成了 API（应用程序接口，简单说就是让程序之间互相调用的入口），全在http://127.0.0.1本地：

• 声音克隆：先把参考音频放到D:\duix_avatar_data\voice\data，调http://127.0.0.1:18180/v1/preprocess_and_tran，返回里的asr_format_audio_url和reference_audio_text要记下来
• 语音合成：调http://127.0.0.1:18180/v1/invoke，带上text和上一步记下的两个字段，吐回 wav 音频
• 视频合成：调http://127.0.0.1:8383/easy/submit，传audio_url、video_url和一个唯一code，再用http://127.0.0.1:8383/easy/query?code=你的code轮询进度

具体参数写法可以看客户端源码里的src/main/service/video.js和voice.js。批量生成（一次循环提交多段文案）和换背景做系列内容，都是在这套接口上套循环就能实现的事，这里就不展开了。

踩了这些坑就不算白折腾 ⚠️

• 症状：docker-compose up -d报registry-1.docker.io连接超时。原因：Docker Hub 官方源在国内不稳定。解法：给 Docker 配国内镜像源，Docker Engine 设置里按官方文档加registry-mirrors后点 Apply & restart。

• 症状：容器反复重启或根本起不来。原因：没装 N 卡，或显卡驱动没装对。解法：先跑nvidia-smi，打不出显卡信息就去更新驱动再来。

• 症状：克隆形象时报Connection refused。原因：ASR 语音识别服务启动比较慢，还没就绪。解法：三个服务全 Running 后再等几分钟，再提交克隆任务；内存只有 16GB 的机器可能压根起不动，32GB 是硬门槛。

• 症状：新增模特时莫名其妙报错。原因：上传的视频没有声音，或不是人在说话。解法：换一段有清晰人声的素材重新提交。

排查时别瞎猜，三个服务的运行日志就在 Docker 界面点开对应容器的 Logs 页签里，把关键报错复制出来对照 常见问题 文档基本都能定位。

一台配得过去的 N 卡电脑，加上这套开源数字人方案，从克隆到出片全程离线，成本就是电费。项目细节和完整 FAQ 都在仓库里的 README_zh.md，照着跑，今晚你就能拥有自己的数字分身。

【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