企业官网建设流程全解析

10秒视频克隆你的开源数字人：Duix-Avatar 本地部署从零到出片

【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

你有没有过这种经历：把人脸视频传到某个在线服务，排队等二十分钟，还不知道素材最后去了哪？Duix-Avatar 换了个思路：全程本地部署，一段 10 秒的视频就能克隆你的形象和声音，整个流程不依赖联网。

它到底能干什么：三个场景

先说结论：这是一个"写完文案就出片"的工具，价值集中在三类用法上。

• 口播视频：输入文案（或直接上传音频），数字人开口念，口型自动对齐，适合课程录制、商品讲解、短视频口播。
• 多语种复用：脚本支持中、英、日、韩等 8 种语言，同一个模型可以产出不同语言的口播内容。
• 个人 IP 沉淀：形象和声音克隆一次之后，后续新视频都用同一个"你"来出镜，不用反复拍摄。

所谓离线数字人生成，本质就是把全部算力放在你自己的电脑上：素材不出机器、不用排队、生成量不限。

快速上手：在 Windows 上 30 分钟拉起来

读完这节能拿到一套完整的 Windows 部署路径：从硬件核对到三个服务跑起来；Ubuntu 方案最后两三句话带过。

硬件与磁盘空间

先说结论：官方推荐配置是 i5-13400F、32GB 内存、RTX 4070，且必须有已装驱动的英伟达显卡。磁盘有两个硬性要求：

• C 盘空闲大于 100GB：存服务镜像文件
• D 盘空闲大于 30GB：存数字人模型和作品数据

C 盘不够的话，装好 Docker 后可以在 Docker Desktop 的"Resources"设置里，把镜像存储位置改到空闲足够的盘。

一条命令部署服务

先确认 WSL 可用（wsl --list --verbose查看，没有就用wsl --update更新），装好 Docker Desktop 并启动，然后只需要这一组核心命令：

git clone https://gitcode.com/GitHub_Trending/he/Duix-Avatar cd Duix-Avatar/deploy docker-compose up -d

首次运行要下载约 70GB 镜像，大概半小时，建议连 WiFi。Docker 里看到三个服务在运行就成功了。两个常见变体：lite 版执行docker-compose -f docker-compose-lite.yml up -d，只起一个视频生成服务；RTX 50 系列显卡则改用docker-compose-5090.yml。

服务端就绪后，下载官方构建的Duix.Avatar-x.x.x-setup.exe双击安装，启动客户端会自动检测本地服务状态，能直接开始创作。

Ubuntu 三句话：已适配 Ubuntu 22.04 Desktop，装好 docker.io 与 docker-compose、NVIDIA 驱动和 NVIDIA Container Toolkit 后，在 deploy 目录执行docker-compose -f docker-compose-linux.yml up -d；客户端用 AppImage 版，双击即用。

界面初体验：三块区域

界面就分三块，三分钟能熟悉。

• Create Video（左上）：视频生成主入口。选一个模型，输入文案或上传音频，生成带口型的口播视频。
• Create Avatar（右上）：创建模型的入口。10秒视频克隆的核心就在这一步：上传一段约 10 秒、声音清晰的正面视频，程序提取形象和声音后生成新模型。
• My Works / My Avatars（中部列表）：前者是已生成的视频，后者是模型库，支持按名字搜索和删除。右上角设置菜单可以查看用户协议、打开客户端日志、切换界面语言。

进阶：用开放 API 接进自己的应用

如果你不想局限于客户端界面，Docker 启动后会本地暴露几个端口，通过http://127.0.0.1就能调用。流程分三步：

1. 模型训练：把视频分离出的音频提交给 18180 端口的预处理接口（/v1/preprocess_and_tran），返回的音频参考地址和参考文本留好，供下一步用。
2. 音频合成：调同端口的/v1/invoke，传入要合成的文本和上一步的参考信息，返回那个人声音的 WAV。
3. 视频合成：向 8383 端口的/easy/submit提交任务，再用GET /easy/query?code=xxx轮询进度。

最短示例——提交一次视频合成任务（请求体包含音频路径、静音视频路径、唯一任务编号和几个固定值字段）：

curl -X POST http://127.0.0.1:8383/easy/submit -H "Content-Type: application/json" -d '{"audio_url":"a.wav","video_url":"v.mp4","code":"t-01","chaofen":0,"watermark_switch":0,"pn":1}'

客户端本身就是靠这些接口完成请求的，调用逻辑见 src/main/service/，可以直接抄作业。

避坑指南：最常见的三个问题

读完这节，卡住时能按号入座，三十秒定位。

GPU 没被识别

现象：三个服务起不来，或客户端提示服务不可用。原因：项目所有算力都在本地，没有英伟达显卡或驱动没装好，服务就是起不来。解法：nvidia-smi能打印显卡信息才算驱动装好；Linux 上再装 NVIDIA Container Toolkit 并让 Docker 使用 NVIDIA 运行时。

镜像拉取慢或超时

现象：docker-compose up -d报request canceled或超时。原因：Docker Hub 官方源从国内网络访问不稳定。解法：在 Docker Engine 设置（或/etc/docker/daemon.json）里加一组registry-mirrors国内镜像源，再重新拉取。

音频素材不对

现象：创建模型时报错，服务日志里常见file not exists。原因：素材视频里没有声音，或音频文件没放在服务约定的目录。解法：提交的 10 秒视频里必须有人在说话；分离出的音频要放到与服务约定的目录（默认D:\duix_avatar_data\voice\data，可在 docker-compose 里改），路径避免特殊字符。

更多细节和自查步骤在 doc/常见问题.md。

三步开始

1. 先核硬件：英伟达显卡加驱动、C 盘 100GB、D 盘 30GB，缺一项就先补齐。
2. 跑通服务出第一片：按快速上手把三个服务拉起来，录一段 10 秒视频完成建模，产出你的第一条口播视频。
3. 接入自己的工作流：熟悉界面后，用开放 API 接进自己的应用，或对照源码做修改。

遇到问题想参与共建，最直接的途径是给项目提交 Issue，也可以加入官方的技术交流群一起讨论。

【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