企业官网建设流程全解析

Duix.Avatar本地部署指南：10秒视频克隆你的数字人，在自己电脑上批量生成口播视频

【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

Duix.Avatar是一套可在本地、全离线运行的开源数字人工具：上传一段10秒左右的说话视频，即可克隆你的形象和声音，再输入文案或音频，自动生成口播视频。本文带你走完环境准备、Docker服务启动到出片验证的完整流程，一个晚上就能跑通。

为什么值得在自己电脑上跑

• 全离线：模型训练与视频合成全部发生在本地GPU上，视频和声音样本不出机器，适合素材敏感、要求数据私密的场景。
• 成本：官方对比商用方案，制作成本降低99%以上，周期从数周缩到小时级；一次搭好之后生成不限次数，不再按条付费。
• 可扩展：仓库 deploy/ 目录里的编排文件拿来即用，服务启动后会在本机暴露语音（端口18180）和合成（端口8383）接口，方便接入自己的业务系统。

过来人提醒：只是想出几条片子，8GB显存能跑的lite版就够了；声音克隆和形象合成都想保留，就上完整三服务。

它能干什么：三个能力各看三行

形象与面部克隆

• 原理：face2face模型分析短视频中的五官、轮廓与表情变化，重建一张可用的虚拟脸。
• 价值：10秒视频即可得到一个数字人形象，支持多模型导入与随时切换。
• 门槛：只需录视频时正面、光线均匀、人声清晰，不需要算法背景。

声音克隆与语音合成

• 原理：合成模型以声音样本加参考文本为条件重建音色，保留原声的语调和习惯。
• 价值：输入文案就能得到原声口吻的语音；脚本支持中、英、日、韩、法、德、阿、西共8种语言。
• 门槛：零门槛，一段10秒带人声的素材即可；想调语音参数可参考 src/main/service/voice.js。

文案转视频合成

• 原理：口型与音频节奏对齐，音视频自动同步后输出成片。
• 价值：形象训练完即可“文案→语音→视频”一条龙，进度还能通过8383接口轮询。
• 门槛：客户端界面操作即可；用API集成的话，参考 src/main/service/video.js。

过来人提醒：第一次先挑最短的10秒素材，目标先出一条完整片子，再谈质感。

🖥️ 硬件怎么选：三档配置表

注意：

• NVIDIA显卡加驱动是硬门槛，缺了它三个服务一个都起不来。
• 验证方式：执行下面的命令，能看到显卡型号、显存和驱动版本才算通过。

nvidia-smi

过来人提醒：内存32GB才是分水岭，16GB机器上ASR服务经常起不来。

📦 怎么跑起来：准备、执行、验证

第一步 准备：系统、磁盘、Docker、仓库

1. 确认系统版本。Windows需10 19042.1526及以上，用winver查看；Ubuntu用22.04 Desktop，用lsb_release -a查看。
2. 确认磁盘空间。Windows下镜像盘（通常C盘）需100GB以上空闲、数据盘30GB以上空闲；Ubuntu需100GB以上空闲。C盘不够时，在Docker Desktop的 Settings → Resources → Advanced 里点 Browse，把镜像存放位置挪到大盘。
3. 安装Docker。Windows先装WSL（wsl --install后wsl --update），再装Docker Desktop并首次启动（接受协议、跳过登录）；Ubuntu执行：

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

   验证方式：docker --version能输出版本号。

4. 克隆代码。

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

   验证方式：ls能看到deploy和src两个目录。

5. 确认NVIDIA驱动已装好，执行nvidia-smi复核（见上一节）。

第二步 执行：一条命令拉起服务

1. 进入部署目录启动：

   cd deploy docker-compose up -d

   lite版（8GB显存）把文件换成docker-compose-lite.yml；Ubuntu用docker-compose-linux.yml；RTX 50系显卡用同目录下的5090配置文件。

2. 首次会自动拉镜像，约70GB流量，耗时30分钟到2小时。 注意：如果拉取超时并出现 "request canceled" 报错，打开Docker Desktop → Docker Engine，在JSON里加入 registry-mirrors 加速源，点 Apply & restart，再重跑上一步命令。
3. 启动后先别急着开客户端。ASR服务就绪较慢，等服务完全起来后至少留5分钟再操作。

第三步 验证：成功的三条标准

1. docker ps里三个容器均为 Up/Running：Duix.Avatar-asr、Duix.Avatar-tts、Duix.Avatar-gen-video（lite版只有一个 duix-avatar-gen-video）。
2. 本机端口18180与8383处于监听状态。
3. 客户端连得上：装官方客户端（Windows装.exe，Ubuntu直接用.AppImage），主界面出现“My Works”和“My Avatars”且没有离线提示。

过来人提醒：三个服务全部Running再去点克隆，否则大概率报Connection refused。

落地到谁手里：两个真实用法

教育：批量做课前3分钟预告片

• 素材：8秒正面口播片段，1080p，人声单一、无背景音乐。
• 流程：训练一次形象模型，课程文案按每段不超300字切分，逐段生成，再用自己的剪辑工具拼接。
• 建议参数：语速约200字/分钟，一位老师一个模型，模型可长期复用并随形象更新替换。

自媒体：虚拟主播口播切片

• 素材：12秒vlog开场片段（带一次微笑），不低于720p。
• 流程：客户端里输入当日选题得到语音，一键合成视频，成片直接导出发平台。
• 建议参数：单条控制在60秒以内，方便控制合成时长；8GB显存下批量出片约5–8分钟/分钟视频。

过来人提醒：一个定位一个模型，同一张脸跨栏目乱用，观众很快会腻。

文档、配置和帮助去哪找

• 常见问题的现成解法：仓库里的 doc/常见问题.md 收录了拉镜像失败、建形象报错等案例，提问前照自查清单过一遍。
• 启动配置：deploy/ 目录四个编排文件分别对应Windows完整、lite、Ubuntu与5090场景。
• API示例：语音与合成接口启动后在本机即可调用，示例代码见 src/main/service/video.js，可直接抄走做集成。
• 社区：仓库的Issues区每天更新，先查再问，很多坑已经有人替你踩过。

过来人提醒：项目更新比较频繁，先确认客户端和服务端都是最新版，再谈排障。

🔍 四个高频卡点：症状→原因→解法

1. 拉镜像失败，提示 request canceled / context canceled

• 症状：docker-compose up -d执行后出现 ✘，连接 registry-1.docker.io 超时。
• 可能原因：Docker Hub官方源不稳定。
• 解决方案：在Docker Engine的JSON里加 registry-mirrors 加速源，重启Docker后重新拉取。

2. 新建形象报错：视频必须带声音

• 症状：上传视频创建形象后立刻失败。
• 可能原因：素材无声音，或声音不是人在说话；程序要靠这段人声做声音克隆。
• 解决方案：重录一段10秒连续说话的片段再上传。

3. 克隆时出现 Connection refused

• 症状：日志里ASR websocket连接失败，报'NoneType' object has no attribute 'send'。
• 可能原因：ASR服务就绪慢，或内存太小（16GB可能直接起不来）。
• 解决方案：服务就绪后等5–10分钟再操作；仍失败就把内存升到32GB。

4. 镜像存放位置突然爆满

• 症状：拉取中途卡死，Docker Desktop提示磁盘空间不足。
• 可能原因：约100GB镜像全部落在默认盘位置。
• 解决方案：Settings → Resources 里把镜像位置改到大盘，再重启Docker。

全离线、不限次、一次投入长期复用，这是自己跑数字人的全部价值。打开deploy目录，今晚把服务拉起来，产出第一条口播视频。

【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