企业官网建设流程全解析

HeyGem.ai 本地部署：从 10 秒素材到数字人口播视频

【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

HeyGem.ai 是一款能完全离线跑的 AI 视频生成平台：上传一段 10 秒左右人说话的视频，它克隆形象和声音，再用文字或音频驱动数字人合出口型、生成数字人视频。本地部署后全程不需要联网，素材和成片都留在你自己的机器上。下面把它能做什么、怎么跑起来、怎么把效果做顺，一次讲清楚。

🎬 它到底解决了什么问题

商用链路贵，素材还要出门

商用的数字人服务按条计费，素材和成片都得过一遍云端。HeyGem.ai 把全部算力压到你自己的 NVIDIA 显卡上：模型在本地、素材在本地、成片在本地，隐私自己掌握。开源协议也支持全球免费商用，商用场景用不卡壳。

装好之后能干三件事

• 克隆形象与声音：上传一段约 10 秒的人说话视频，程序自动分离音画，完成声音克隆；
• 文字或音频驱动口型：输入文案由 TTS 转成语音，或直接上传自己的音频，数字人跟着说话，这条"文字 → 语音 → 视频"链路就是完整的多模态视频生成；
• 多语言脚本：中、英、日、韩、法、德、阿、西 8 种语言都支持。

界面很直白：首页两个大入口，"创建视频"和"创建形象"，下面挂着作品库和数字模特列表。

跑起来之前你需要什么

装完依赖就能直接跑？差得远。HeyGem.ai 是 Electron 桌面客户端 + 三个 Docker 服务（语音识别、语音合成、视频合成）的组合，动手前先看硬件和磁盘。

先对一遍机器

C 盘紧张的话，在 Docker Settings → Resources 里把 Disk image location 改到大容量的盘。70G 镜像下载完 C 盘爆满，是最容易先踩到的坑。

提前拉好三个镜像

三个镜像分别是guiji2025/fun-asr（语音识别）、guiji2025/fish-speech-ziming（语音合成）、guiji2025/duix.avatar（视频合成），总下载量约 70GB，看网速要等半小时以上。连 Docker Hub 慢的话，先在 Docker Engine 设置里配国内镜像源再动手：

从零到出片的完整路径

第一步：克隆仓库、启动客户端

先把代码拉下来，以开发模式跑客户端（需要 Node.js 18；嫌折腾的话也可以直接用官方构建好的安装包）：

git clone https://gitcode.com/GitHub_Trending/he/HeyGem.ai cd HeyGem.ai npm install npm run dev

第二步：拉起三个服务端

服务端用的 docker-compose 文件在deploy/目录里，到那个目录执行，一条命令把三个服务全拉起来：

cd deploy docker-compose up -d

Docker 里看到 asr / tts / gen-video 三个容器、状态都是 Running，服务端就齐了。

第三步：创建数字人，出第一条片

点"创建形象"，上传那段 10 秒的人说话视频。注意素材必须有清晰人声——程序要拿这段声音去克隆，静音的片子会直接失败。上传后别急着点下一步：ASR 服务是启动最慢的一个，Docker 起来后等几分钟再操作。虚拟角色建好后输入文案或上传音频，数字人视频生成流程就走完了，几分钟后得到一条口型对齐的口播视频。

让效果更好的几个关键点

素材质量决定上限

后面的参数都是在克隆质量基础上做加法。源素材越长越好吗？不一定，10 秒左右就够，正面、脸部无遮挡、声音干净没有背景音乐，素材越好口型上限越高。

显存不够就换 lite 版

完整版一次拉三个服务，其中视频合成最吃显存。显存紧张、只需要口型合成这一步的话，用 lite 的 compose 文件：

cd deploy docker-compose -f docker-compose-lite.yml up -d

它只起Duix.Avatar-gen-video一个服务（端口 8383）。如果是 5090 这类 50 系显卡，改用docker-compose -f docker-compose-5090.yml up -d，官方已实测可用。

开放 API 接进自己的程序

服务端起来后，核心能力以本地 API 暴露：语音合成走 18180 端口，视频合成走 8383，http://127.0.0.1直接调。客户端自己的调用代码就是最好的参照，src/main/service/ 里三个文件分别是模型训练、语音合成、视频合成的实际实现，比看文档直接。

翻车了怎么办

服务起不来

按概率排序：三个容器没全部 Running（打开 Docker 逐个看）；NVIDIA 驱动挂了（nvidia-smi查不到显卡就起不了服务，这是本项目最硬的约束——所有算力都在本地）；版本旧了（项目更新频繁，到deploy/重新执行docker-compose up -d把服务端刷一遍）。

建形象报 Connection refused

基本是 ASR 服务还没启动完，再等几分钟重试。如果机器内存只有 16G，服务可能直接起不来，32G 是硬门槛，别抱侥幸。

先查日志的这两个位置

• 客户端：右上角设置菜单里"打开日志目录"，重点看里面的main.log；
• 服务端：点开各个 Docker 服务，进容器日志，把报错段直接复制出来。

更典型的报错和解法，直接翻项目里的官方 FAQ doc/常见问题.md。

下一步就三件事：把仓库 clone 下来、拉好三个镜像、花一个下午让第一条数字人口播片跑出来。先用完整版把流程走通，再按自己的显存切 lite 或用 API 接进你自己的工具链。

【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