企业官网建设流程全解析

HeyGem.ai 本地部署实战：3 步跑通离线 AI 视频生成

【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 是一个纯离线的数字人视频生成工具：上传一段 10 秒的说话视频即可克隆形象和声音，输入文案自动生成口播视频。这份 HeyGem.ai 本地部署指南覆盖从拉代码、起服务到排查卡点的全部过程。

一、最短路径跑通 HeyGem.ai 环境

前置条件只有一句话：英伟达显卡 + 装好驱动的机器（nvidia-smi能认出显卡），另有 Node.js 18、Docker，⚠️ 内存 32G 起、磁盘留 100G 空闲。

拉代码并进入部署目录：

git clone https://gitcode.com/GitHub_Trending/he/HeyGem.ai cd HeyGem.ai/deploy

一条命令启动服务端，会拉取 ASR、TTS、视频合成三个镜像，约 70G 流量，耐心等它下完：

docker-compose up -d

客户端有两种拿法：下官方安装包直接双击，或从源码跑开发版（cd .. && npm install && npm run dev）。

验证只有一条命令：

docker ps

预期输出是 duix-avatar-tts、duix-avatar-asr、duix-avatar-gen-video 三个容器全部Running；此时打开客户端首页能看到作品和模特列表，说明客户端已连上服务端。

二、核心能力，逐个拆给你看

形象克隆：10 秒视频定制数字模特

解决"每次出镜都要真人拍"的问题。在客户端点"快速定制"上传一段本人清晰说话的视频，系统训练出面型模型，之后这张脸可以无限复用。适合个人 IP、企业播报、培训内容这类反复出镜的场景。

声音克隆：和形象同一次训练完成

解决"克隆的脸配机器音"的违和问题。训练形象时视频里的音频会同步用于声音克隆（ASR 转写 + TTS 参考生成），不用单独录干声。适合要求"脸是自己的、声音也是自己的"的成片。

口型驱动：文案直接变视频

解决"写稿快、拍口播慢"的矛盾。输入文案或上传音频文件，点"创建视频"，TTS 合成语音后驱动模特口型输出成片。适合短视频日更、资讯播报、多语言翻译视频。

开放 API：把整条流水线接进自己的系统

解决"批量和自动化"的问题。Docker 起好后本地暴露18180（ASR/TTS）和8383（视频合成）端口，模特训练、音频合成、视频合成各是一个 HTTP 接口。适合接自己的后端做批量生成或产品集成。

三、部署方式怎么选

用 50 系显卡（或 30/40 系 CUDA 12.8）就把命令换成docker-compose -f docker-compose-5090.yml up -d，它基于 torch 官方预览版，配置见 deploy/docker-compose.yml。

性能调优：显卡、内存、存储各留余量

• GPU：本项目算力全在本地，nvidia-smi认不出显卡时三个服务起不来，先重装驱动。
• 内存：32G 是硬门槛，16G 下 ASR 服务可能启动不了，克隆时表现为 Connection refused。
• 存储：Windows 下 C 盘镜像区留 100G、D 盘数据区留 30G；Linux 整机留 100G 空闲即可。

四、卡住了，按这个顺序排查

• ⚠️ 拉镜像超时（request canceled / context canceled）→ Docker Hub 官方源连接不稳 → Docker Desktop 的 Docker Engine 里给 daemon.json 加registry-mirrors配国内镜像源，Apply & restart 后重跑docker-compose up -d。

• 新增模特报错"视频必须有声音"→ 上传的视频静音或不是人在说话 → 换一段 10 秒左右、人声清晰的视频重传。
• 定制模特报 Connection refused → ASR 服务冷启动慢，WebSocket 还没建好 → 服务端起来后等几分钟再操作，别急着点。
• 客户端连不上服务端或页面异常 → 容器没全部 Running →docker ps逐个看状态，重启挂掉的容器，细节翻客户端 logs 目录下的main.log。
• 服务反复起不来 → GPU 没识别或驱动缺失 →nvidia-smi验证驱动，认不出就先装驱动再谈别的。

服务日志的读法：点开对应容器的 Logs 页，找最近的 Traceback 和返回码，多数问题在这一屏就能定位。

五、跑通之后还能玩什么

• 批量与集成：直接调 8383 / 18180 端口做无人值守的批量合成，接口调用示例参考 src/main/service/ 里的 model.js、video.js、voice.js。
• 多语言文案：脚本支持中、英、日、韩、法、德、阿、西八种语言，同一模特一键切换语言版本。
• 多模特管理：导入多个数字模特按业务场景切换，首页的 My Avatars 里统一维护。

更多细节和报错对照，翻仓库里的 doc/常见问题.md。

三个镜像加一个客户端，HeyGem.ai 本地部署就这么简单。clone 下来跑一遍，比看三篇教程都快。

【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