企业官网建设流程全解析

Duix.Avatar 完全教程：10秒视频免费克隆数字人，本地离线生成口播视频

【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 是一个可以完全在本地离线运行的开源数字人工具：上传一段 10 秒左右的视频，就能克隆你的形象和声音，之后只要输入文案或上传一段音频，它就能自动生成你这个"数字分身"的口播视频。全程不联网，素材和成片都只留在你自己的电脑上。

每次改一版脚本就要重新拍，是不是特别崩溃

假设你要给公司内部培训录一批讲解视频。第一版录到一半，市场那边说改两句口播词——对不起，重新拍；再录完，说换个结尾——继续重拍。更扎心的是，如果出镜的是真人，片约、档期、妆造都是成本；如果你本身不爱出镜，这个需求基本就卡死了。

Duix.Avatar 想解决的正是这件事：先花 10 秒"拍一次"，把形象+声音克隆成数字人，后面不管改多少版脚本，都是文字驱动自动生成视频，一次克隆反复使用。

为什么选它：三个理由够说服你

过渡一句：市面上数字人工具不少，为什么偏偏是它？

• 全离线，隐私放心：所有算力都在你的本地显卡上跑，形象和音频不上传到任何服务器，商用场景里这一点非常关键。
• 10 秒视频同时克隆脸和声音：传统方案往往要分别录形象、录音色，它一段说话的视频就够用，口型同步也是自动完成的。
• 免费且可商用：开源协议下全球免费商用（用户量超 10 万或年营收超 1000 万美元的企业需签商业许可，见 LICENSE），个人和小团队基本零成本。
• 显存要求也不苛刻，8G 显存的卡有对应的 lite 轻量版本可以跑。

从零到第一次成功运行：最短路径

过渡一句：说回正事，先把它跑起来，看到画面再谈别的。

先做一件事：确认你的电脑有 NVIDIA 显卡并且装好了驱动。打开命令行执行下面的命令，能看到显卡信息就说明硬件没问题（本项目所有计算都依赖 NVIDIA 显卡，这是硬性条件，驱动请到 NVIDIA 官网按你的显卡型号下载最新版）：

nvidia-smi

这一步确认显卡正常后，把源码拉下来：

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

💡 小贴士：它由"服务端 + 客户端"两部分组成。服务端是 Docker 里的 AI 模型（首次拉取约 70G 镜像，务必连 WiFi），客户端是一个桌面软件。下面分开装。

启动服务端：在仓库的deploy/目录执行（Windows 用默认文件，Linux/Ubuntu 换-f docker-compose-linux.yml；8G 显存换成-f docker-compose-lite.yml）：

cd deploy docker-compose up -d

然后耐心等半小时左右（下载镜像的时间）。打开 Docker 看到三个服务都是 Running 状态，服务端就算成功了；lite 版本只有一个服务duix-avatar-gen-video。

启动客户端：回到仓库根目录，装依赖再启动（需要 Node.js 18）：

npm install npm run dev

看到弹出一个写着 "Create Video / Create Avatar" 的桌面窗口，就代表你完整跑通了一遍！

把核心功能玩明白：先造分身，再产视频

过渡一句：软件跑起来了，两个入口分别负责"造人"和"拍片"，搞懂这两步，剩下的都是重复劳动。

第一步：创建数字人（Create Avatar）。上传一段 10 秒左右你正脸说话的视频，程序会自动拆出画面和声音：画面用来建你的数字形象，声音用来克隆你的音色。

⚠️ 提醒：这段视频必须带人声，且是人在说话——声音克隆全靠它。上传纯背景音乐或者静默视频，创建必失败。

第二步：创建视频（Create Video）。选好刚建好的形象，然后二选一：直接输入文案（系统自动配音），或上传一段现成的音频。提交后系统自动对齐口型、合成视频，几分钟到十几分钟（取决于显卡和时长）即可在 "My Works" 列表里看到成片。

想让效果更好：视频用 1080p、光线均匀、正对镜头、说话时别大幅度转头，这些"老演员"经验在数字人身上同样适用。

一个完整场景走一遍：60 秒产品介绍口播

过渡一句：把前面的步骤串起来，按这个流程走完，你就有第一条成片了。

1. 手机架稳，正对镜头录 10 秒自我介绍，语气就是希望数字人说话时的语气（克隆的是你的声音，语调也会一起被学走）。
2. 客户端点Create Avatar上传，等待训练完成，"My Avatars" 里出现你的数字分身。
3. 打开Create Video，选中这个形象，粘贴 60 秒左右的产品介绍文案。
4. 点生成，去倒杯水回来——任务完成后列表里多了一条作品，点开即可播放或保存到本地。
5. 想改文案？复制这条任务改文字重新生成就行，形象和声音不用动，这就是"一次克隆反复用"的含义。

踩坑记录与提速技巧

过渡一句：第一次部署基本都会遇到一两个坑，我把社区里出现频率最高的几个整理好了，对号入座。

坑一：Docker 拉镜像超时、转圈半天。这是 Docker Hub 官方源连接不稳定的锅。解决方式是给 Docker 配置国内镜像源：Docker Desktop 右上角齿轮进 Settings，在 Docker Engine 的 JSON 里加上registry-mirrors数组（具体可用的镜像源地址可参考 常见问题 中的配置示例），保存后重启 Docker 再执行docker-compose up -d。

坑二：C 盘空间不够 100G。Docker 的虚拟磁盘默认放在 C 盘，可以把它挪到空间更大的盘：Settings → Resources → Advanced，点 "Disk image location" 旁的 Browse 换个位置即可。

坑三：服务起不来 / 功能报错。先查两个地方——客户端日志：右上角 Setting 菜单里点 "Open Log"；

服务端日志：在 Docker 里点开对应容器的 Logs 页签，看到红色报错就右键复制到社区求助。经验上，90% 的"服务起不来"都是显卡驱动没装好（nvidia-smi先验一遍）；"创建模特报错"基本都是上传的视频没有人声。

提速技巧：显存 8G 左右的卡用 lite 版（docker-compose-lite.yml）；生成进度卡在 20% 附近不动，通常是显存吃紧，降低输出分辨率或分批处理就能过；另外服务端更新很频繁，遇到问题先在deploy/目录重新docker-compose up -d拉一次新版，说不定已经修好了。

接下来可以玩什么

过渡一句：能出片之后，这条路还能延伸出不少玩法。

• 接进自己的系统：服务端启动后会在本地开放 API（模特训练、音频合成、视频合成三个接口），参考 src/main/service/ 下的调用代码，就能把自己的后台、小程序接上，实现批量自动生成口播视频。
• 做多语言口播：文案支持中、英、日、韩、法、德、阿、西八种语言，换个语言版本的产品介绍只需要重新生成一次。
• 保持更新：服务端在deploy/目录重新执行docker-compose up -d即可，客户端拉取最新代码重新构建；遇到新坑先看 doc/常见问题.md，那里有完整的自查步骤和报错对照。

现在，先录那 10 秒的视频吧——你的数字分身，离上线只差一次docker-compose up -d。

【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