企业官网建设流程全解析

Duix-Avatar 本地部署教程：30 分钟离线部署免费的 AI 数字人克隆工具

【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

公司拍条口播宣传片，找外包数字人平台按分钟收费，还要把人脸视频传到对方服务器，心里总不踏实。Duix-Avatar 是一款免费开源的本地 AI 数字人工具包：一段 10 秒视频就能克隆你的形象和声音，输入文字或音频就自动生成口播视频，全程离线，数据不出你的电脑。跟着本文走，半小时左右就能在自己电脑上跑起这套离线数字人服务。

Duix-Avatar 到底是什么

云端的商业数字人 SaaS，脸和声音要先传到别人的服务器，生成还按次计费。传统 3D 建模做数字人更贵，一套流程下来成本以十万美元计。Duix-Avatar 走的是另一条路：完全离线的架构，三个本地 Docker 服务（语音识别、语音合成、视频合成）包办全部计算，不联网也能出片。

几个最实际的优点：

• 10 秒视频克隆：上传一段你说话的视频，形象和声音同时克隆下来，不用分两步。
• 全离线运行：视频、声音、模型全部存在本机 D 盘，适合在意隐私的个人和团队。
• 脚本支持 8 种语言：中、英、日、韩、法、德、阿拉伯、西语，一个模型多国复用。

项目采用开源协议，支持全球免费商用（超大企业规模需签商业许可），背后团队已用这套技术帮上万家企业做出过 50 万个数字分身。

快速上手：最短路径把服务跑起来

先确认你的机器够格。Windows 用户最低要求如下（Ubuntu 22.04 也可以，配置要求类似）：

• 系统：Windows 10 19042.1526 或更高
• 内存：32GB（16GB 勉强，后面会讲到坑）
• 硬盘：C 盘 ≥100GB 存镜像，D 盘 ≥30GB 存数字人数据
• 显卡：必须有 NVIDIA 显卡且装好驱动，推荐 RTX 4070 起步

nvidia-smi # 能打出显卡信息，说明驱动没问题

第 1 步：装好 Docker

所有服务都跑在 Docker 容器里，这一步就是把容器环境搭起来。Windows 上先检查 WSL 并在终端更新它，然后去 Docker 官网下载安装 Docker Desktop：

wsl --update # 更新 WSL，没装的话先执行 wsl --install

第 2 步：给 Docker 腾出足够空间

镜像总共约 70GB，默认存在 C 盘。如果 C 盘不够，在 Docker Desktop 的 设置 → Resources → Advanced 里点 Browse，把镜像位置挪到空间充足的磁盘：

💡小贴士：镜像位置选错盘是最常见的翻车点，挪完记得点 Apply & restart 再退出。

第 3 步：克隆仓库，一条命令起服务

git clone https://gitcode.com/GitHub_Trending/he/Duix-Avatar cd Duix-Avatar/deploy docker-compose up -d # 后台拉起全部服务，首次拉镜像约 70GB

⚠️注意：首次下载耗时半小时以上，务必连 Wi-Fi 或有线网络，别用公司限速的公网。

第 4 步：确认服务跑起来了

打开 Docker Desktop，看到三个服务全部 Running 即成功。然后从项目官方发布页下载客户端安装包，双击Duix.Avatar-x.x.x-setup.exe装好，打开客户端能连上本地服务，就算部署完成：

核心能力：它到底能干什么

能力一：10 秒视频克隆"你自己"

用户视角：客户端点"Create Avatar"，上传一段 10 秒左右的说话视频，稍等片刻，你的数字分身就建好了。背后原理：系统先把视频拆成"静音视频 + 音频"，视频拿去建形象模型，音频拿去克隆声音，两套模型各管一半。如果你只想调一个参数：视频一定要带清晰人声，这是克隆声音的唯一素材。

能力二：文字或音频驱动口型播报

用户视角：在"Create Video"里贴上文案，点生成，几分钟后就是一段你本人在口播的视频。也可以直接上传录好的音频，让数字人跟着你的语调念。背后是三个服务接力：TTS 把文字变成你的声音（本地端口18180），ASR 处理你上传的音频（端口10095），合成服务把音画对齐（端口8383）。建议：追求自然度就直接上传真人录音，比 TTS 转换更有情绪起伏。

能力三：开放本地 API，方便接进自己的业务

三个服务在本地各开一个端口，全是http://127.0.0.1的 HTTP 接口，想批量出片或嵌进自己的系统，直接发请求就行：

具体请求格式可以看仓库里src/main/service/下的model.js、video.js、voice.js三个文件，客户端本身就是这样调的。

实战调优：让体验再上一档

• 口播号批量产片：建好模型后每天只改文案，同一分身可轮流出中、日、英多语言版本，脚本语言在生成时切换即可。
• 宣传片替身配音：现场只拍你的画面，声音用克隆 TTS 后期合成，省掉重录一遍台词的时间。

两条调优建议：

• 内存只有 16GB 的机器：ASR 服务启动很慢，服务端起来后等几分钟再建模型；能升级到 32GB 最省心。
• 5090 等新显卡用户：别用默认配置，改跑docker-compose -f docker-compose-5090.yml up -d，这是官方给 50 系显卡准备的专用方案（30/40 系用 CUDA 12.8 也可用）。
• 端口8383被占用时：把docker-compose.yml里的'8383:8383'改成'8384:8383'再重启。

避坑手册：新手最常撞的 3 个墙

症状：docker-compose up -d拉镜像失败，报registry-1.docker.io ... request canceled。

原因：Docker Hub 官方源连接不稳定。解法：Docker Desktop 打开 Docker Engine 设置页，加上国内镜像加速器（registry-mirrors配置），Apply & restart 后重新拉取。

症状：新建模特时报错，克隆形象失败。

原因：你上传的视频没有声音，或者画面里的人没在说话——声音克隆全靠这段音频。解法：重拍一段 10 秒左右、人声清晰的说话视频再传。

症状：定制模特时报Connection refused。

原因：ASR 服务启动比别的慢，你操作太快了；内存小于 32GB 时也可能起不来。解法：服务端启动后等几分钟再克隆；内存不够就加内存。查看具体报错可以去 Docker Desktop 点开对应容器看 Logs：

现在就动手

拍一段 10 秒的说话视频，把第一个数字人口播片生成出来。卡住了先翻仓库里的doc/常见问题.md和 README 的"提问前自查"一节，再看客户端 设置 → Open Log 的日志，最后去项目 GitHub 的 Issues 里搜，很多坑别人已经踩过并写好了答案。

【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