企业官网建设流程全解析

Duix.Avatar 数字人克隆教程：免费开源，10 秒视频在你本地做出会说话的视频

【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

Duix.Avatar 是一款免费开源的 AI 数字人工具，支持全离线本地部署：只需一段 10 秒的讲话视频，就能完成外貌与声音克隆，输入文案或上传音频即可自动生成口型同步的口播视频。本指南面向自媒体创作者、培训讲师等想在自己电脑上产出数字人视频的用户。

🖥️ 动手前先核对你电脑：部署前必须确认的硬件条件

先说个扎心的事实：数字人本地部署失败，十有八九不是代码问题，而是硬件没达标。这一步判断错了，后面 30 分钟的下载和等待全部白费。

驱动是否装好，装完后执行nvidia-smi验证：能打印出显卡信息就是装好了。如果你用的是NVIDIA 50 系列显卡（30/40 系列 CUDA 12.8 也可选此方案），部署时要用专门的 compose 文件，第 2 节会写到。

C 盘空间不足 100G 时，在 Docker Desktop 的 Resources → Advanced 里把 Disk image location 改到空闲空间更大的磁盘。

🚀 30 分钟完成数字人服务端本地部署：3 条命令与 70G 流量

这一节只有几条命令，但背后是约70GB的镜像下载量，官方预期耗时半小时左右，网速决定了你实际要等多久。先克隆代码（以仓库 README 为准，目录名为Duix-Avatar）：

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

Windows 用户分两步走：

1. 先确认 WSL（Windows 里的 Linux 子系统，Docker Desktop 靠它运行）：执行wsl --list --verbose，没装过就先wsl --install，再用wsl --update更新到最新版。
2. 从 Docker 官网下载 Windows 版安装包安装，首次启动时接受协议、跳过登录即可。

然后进入服务端部署。compose 文件都放在 deploy/ 目录，标准版执行：

cd deploy docker-compose up -d

两个备选：显存紧张、只想体验视频合成功能，用 lite 版docker-compose -f docker-compose-lite.yml up -d（只启动 1 个服务）；50 系列显卡执行docker-compose -f docker-compose-5090.yml up -d。

Ubuntu 用户则先装 Docker 和显卡运行环境，再指定 linux 版 compose 文件：

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

之后按 README_zh.md 的指引安装 NVIDIA 驱动与 nvidia-container-toolkit（执行sudo nvidia-ctk runtime configure --runtime=docker并重启 Docker），再运行docker-compose -f docker-compose-linux.yml up -d。

成功的标志：打开 Docker，看到 3 个服务都是 Running 状态——duix-avatar-tts、duix-avatar-asr、duix-avatar-gen-video（lite 版只有最后一个）。数据默认存在D:\duix_avatar_data\，无需额外配置。

🎬 装好客户端 5 分钟，产出第一条数字人视频

服务端全部 Running 后，安装客户端打开它，后面就再不用碰命令行了：Windows 双击官方安装包Duix.Avatar-x.x.x-setup.exe即可；Ubuntu 直接运行Duix.Avatar-x.x.x.AppImage（以 root 用户登录桌面时，需在终端加--no-sandbox参数启动）。

打开后整个界面就两条主线，对应你接下来的全部操作：

主界面：上方是"创建视频"和"创建数字人"两个入口，下方"My Works（我的作品）"和"My Avatars（我的数字人）"用来管理产出。

第一步，克隆数字人。点击 "Create Avatar"，上传一段10 秒左右（建议 10~20 秒）的视频。这里有一条硬性要求：视频里必须有人正在说话，因为程序要从中克隆你的声音；另外脸部要清晰、尽量正面、光线充足，太短或没人声的视频会直接报错。

第二步，生成视频。在 "My Avatars" 里选中刚克隆的数字人，进入创建视频页面：输入要说的文案（脚本支持中、英、日、韩、法、德、阿、西 8 种语言），或直接上传现成的音频文件，点击生成。系统会自动把文字转成你的克隆音色，再驱动口型，产出口播视频。生成进度卡住时的排查方法见第 4 节。

第三步，管理作品。所有成片都进 "My Works"，支持关键词搜索和分页浏览，方便翻历史作品、二次使用。

右上角的 Setting 菜单里可以打开客户端日志（排障要用）、查看用户协议、切换界面语言，多语言内容创作时直接在这里切语言即可：

Setting 菜单提供打开日志、用户协议、语言切换三个入口；"我的作品"按时间排列所有已生成的数字人视频。

⚠️ 数字人视频生成 3 类高频报错的排查思路

社区里出现的报错，归归类其实就下面三种占了绝大多数，按出现频率从高到低说。

1.docker-compose up -d拉镜像失败，报request canceled/context canceled。本质是 Docker Hub 官方源连接不稳定。最直接的解法是给 Docker 配镜像加速源：Docker Desktop → Settings → Docker Engine，在 JSON 配置里加registry-mirrors数组（填当前可用的加速地址），Apply & restart 后重跑部署命令：

Docker Engine 设置页中的 registry-mirrors 字段，即镜像加速源列表。

2. 新增模特（克隆数字人）报错，提示音频流不存在（如Output file #0 does not contain any stream）。原因几乎只有一个：上传的克隆视频里没有清晰的人声。声音是声音克隆的原料，视频无声、或只有背景音乐，程序无米下锅。换一段本人在正常说话的片段重传即可。

3. 定制数字人报Connection refused，或 TTS 服务反复重启。前者的典型原因是语音识别服务（asr）启动较慢，服务端刚起来就急着操作，连接被拒；正确做法是等服务全部 Running 后再等几分钟再克隆，且内存必须 32GB 起步（16GB 可能直接起不来）。后者先点开duix-avatar-tts的 Logs 看是不是音频路径报错，典型日志如下：

TTS 服务日志里反复出现file does not exists，说明音频文件路径有误，重启服务或检查duix_avatar_data\voice\data目录即可。

以上都解决不了时，按顺序自查：三个服务是否都 Running →nvidia-smi是否显示显卡 → 服务端客户端是否都是最新版（服务端到 deploy/ 重跑docker-compose up -d）。客户端日志在 Setting → Open Log 处获取，本地文件长这样：

客户端日志文件main.log的位置，提问或求助时附上它能省掉一半的沟通成本。

更多历史问题整理在 doc/常见问题.md，提问前建议先翻一遍。

🔍 10 秒视频是怎么变成会说话的视频：一条流水线上的 3 个服务

你可能会好奇：一段 10 秒视频，凭什么就能造出会说新内容的数字人？答案藏在三个各司其职的 Docker 服务里，它们串成一条本地流水线：

1. duix-avatar-asr（基于 FunASR）：把语音转成文字，负责"听懂"克隆视频里你说了什么。
2. duix-avatar-tts（基于 fish-speech）：文本转语音，用你克隆的音色朗读新文案。
3. duix-avatar-gen-video：核心合成引擎，把你原始视频的画面和新生成的语音对齐，逐帧驱动口型，输出最终成片。

对应到本地 API（仅http://127.0.0.1可调，全程不经过外网）：克隆阶段调18180端口的preprocess_and_tran接口（视频拆成静音视频 + 音频、建立声音参考），音频合成调18180的invoke接口，视频合成调8383的easy/submit提交、easy/query查进度。客户端里这些调用都替你封装好了，源码逻辑集中在 src/main/service/ 下的voice.js、model.js、video.js，想二次开发可以从这里读起。

排障时点开任意服务的 Logs 标签页，点右侧复制按钮即可导出完整日志。

📺 开源数字人工具对普通用户最实用的 2 个场景

自媒体口播：不想露脸、又需要持续日更的创作者，用数字人分身代替出镜，文案交给 TTS，一天批量产出多条口播视频；8 种脚本语言意味着同一形象可以直接产出多语种内容，铺海外平台不再依赖翻译口播。

培训与教学：讲师克隆一次形象后，课程更新只需改文案，无需反复进棚录制，形象、音色、节奏全程保持一致。批量、重复、需要"同一张脸"说新内容的工作，都是这套离线数字人方案最省时间的地方。

顺带提醒一句授权：本项目支持全球免费商用，但用户量超 10 万或年营收达 1000 万美元以上的企业需签署商业许可协议，商用前看一眼 LICENSE 总没错。

部署完成、跑通第一条视频后，建议你把 doc/常见问题.md 收藏起来——之后 90% 的报错答案都在里面；遇到新问题，先按第 4 节的三步自查法收集日志，再去找社区，效率最高。

【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