Duix-Avatar：用10秒视频克隆你的数字人，开源AI数字人本地部署全流程-二趣网

Duix-Avatar：用10秒视频克隆你的数字人，开源AI数字人本地部署全流程

【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

想给自己做一条口播视频，常规路线大概是这样的：把素材传到某个云平台，按次或按月付费，等它渲染。视频必须离开你的机器，用得多花得多，还总担心素材泄露。

Duix-Avatar 走的是另一条路：把数字人克隆、声音克隆、口播视频生成这套 AI 能力，全部装进你自己的电脑里。你只需要录一段 10 秒左右的讲话视频，它就能克隆你的形象和声音；之后输入一段文字，就能产出一条"用你的声音、你的嘴型"说话的视频，全程不联网。👇

这篇文章带你从零把它部署起来，并跑通第一个视频。

项目速写：Duix-Avatar 到底是什么

一句话：Duix-Avatar 是一款可本地部署、全离线运行的开源 AI 数字人工具包。

10 秒视频完成克隆：上传一段你本人出镜、对着镜头说话的视频，同时完成形象克隆和声音克隆，生成你的专属数字人模型
全本地、不联网：所有推理都在你机器上跑（依赖 NVIDIA 显卡），素材不出内网，隐私可控
开箱即用 + 开放 API：提供图形客户端，也暴露本地端口接口，方便接入自己的业务系统

适合谁：想批量产出口播内容但不想依赖云服务的自媒体人、做培训/宣讲内容的企业、以及想基于数字人做二次开发的开发者。

主界面很直白：上方两个入口——Create Video（用文字驱动数字人说话）和 Create Avatar（上传视频克隆数字人）；下方 My Works 是生成的视频列表，My Avatars 是你克隆出来的模型库。

部署前清单：先花 3 分钟确认环境

部署前把下面这份清单过一遍，能省掉后面 90% 的坑 ✅

系统：Windows 10 19042.1526 及以上，或 Ubuntu 22.04 Desktop
显卡：NVIDIA 独显，且驱动已正确安装（本项目所有算力都在本地，没有 N 卡跑不起来）
内存：32GB 及以上（官方推荐配置，16G 内存可能起不来服务）
磁盘：D 盘（或任意数据盘）空闲 30GB+，用于存数字人和作品
镜像空间：至少 100GB 空闲给 Docker 镜像
工具：Docker（Windows 需 WSL 支持），客户端源码二次开发还需 Node.js 18
网络：预留约 70GB 的镜像下载流量，建议连 Wi-Fi

如果 C 盘空间不够 100GB，Windows 上可以在 Docker Desktop 的 Settings → Resources → Advanced 里，把 Disk image location 指到别的磁盘，再 Apply & restart。

Windows 部署：一键拉起完整服务

第 1 步：装好 WSL 和 Docker

这步是打地基：Docker Desktop 在 Windows 上依赖 WSL 运行。

先看看 WSL 装没装：

wsl --list --verbose

没装就执行wsl --install（安装中会设置用户名密码，记一下），装完再执行wsl --update更新一次。然后到 Docker 官网下载 Windows 版 Docker Desktop 安装包，按 CPU 架构选对应版本，装完首次启动接受协议、跳过登录即可。

第 2 步：克隆仓库并启动服务端

这步是核心：三条命令，把三个 AI 服务全部拉起来。

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

三个服务各司其职：ASR（语音识别）、TTS（声音克隆合成）、gen-video（数字人视频合成）。首次拉镜像约 70GB，耐心等待半小时左右。

拉完后，Docker 容器列表里看到Duix.Avatar-asr、Duix.Avatar-tts、Duix.Avatar-gen-video 三个服务都是 Running，服务端就算成功了。

💡 如果你的机器只想做视频合成、不需要克隆功能，可以换成轻量版，只起一个服务：

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

第 3 步：安装客户端

到项目的 Release 页面下载官方构建的 Windows 安装包（Duix.Avatar-x.x.x-setup.exe），双击安装，启动后自动连接本地服务。

Ubuntu 22.04 部署：Linux 版流程

Ubuntu 路线多两个前置：装 Docker 和让 Docker 能调用 N 卡。

第 1 步：装 Docker

先用docker --version检查，没有的话：

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

第 2 步：让 Docker 用上 NVIDIA 显卡

先按官方流程装好显卡驱动，执行nvidia-smi能看到显卡信息即成功。接着安装 NVIDIA Container Toolkit（先添加 NVIDIA 包仓库，再执行安装），最后两步：

sudo nvidia-ctk runtime configure --runtime=docker sudo systemctl restart docker

第 3 步：启动服务端并运行客户端

cd /deploy docker-compose -f docker-compose-linux.yml up -d

客户端下载 Release 页的 Linux 版 AppImage，双击即可运行；root 用户桌面下直接双击起不来的话，终端执行./Duix.Avatar-x.x.x.AppImage --no-sandbox。

🔧 如果你是 NVIDIA 50 系显卡（如 5090），30/40 系用 CUDA 12.8 的也可以，服务端请改用专用编排文件：

docker-compose -f docker-compose-5090.yml up -d

跑通后的第一眼：怎么判断成功了

部署成功的样子非常具体，你对着核对一遍就行：

Docker 里三个容器状态都是 Running（lite 版则只有一个 gen-video 服务）
打开客户端，走一遍完整流程：点Create Avatar，上传你那段 10 秒视频，等模型训练完，My Avatars 里多出一个你的数字人
点Create Video，选中刚建好的模型，输入一段文案，生成完成后 My Works 里出现一条视频——点开播放，画面里的"你"在用它克隆的声音口播你写的文字

看到这条视频能正常播放，恭喜，全套链路（声音克隆 → 语音合成 → 口型驱动 → 视频合成）已经全部跑通了 🎉

玩法进阶：API、多语言与二次开发

跑通基础流程后，还有几个值得知道的入口，点到为止：

开放 API：服务启动后会在本地暴露端口——模型训练http://127.0.0.1:18180/v1/preprocess_and_tran、音频合成http://127.0.0.1:18180/v1/invoke、视频合成http://127.0.0.1:8383/easy/submit加进度查询/easy/query。三步串起来就是一个可编程的数字人流水线，现成的调用示例可以参考客户端的 src/main/service/
多语言脚本：口播文案支持英、日、韩、中、法、德、阿拉伯、西八种语言
多模型管理：支持克隆多个数字人（不同学科的老师、不同风格的主播），在 My Avatars 里统一管理，按场景切换
客户端源码可改：客户端是基于 Electron + Vue 的桌面应用，源码就在 src/ 下，想换皮、加功能都可以从npm run dev起步

避坑手册：三个高频报错的解法

坑一：docker-compose up -d 拉镜像失败，提示 request canceled / context canceled

现象：三个服务全部 Error，日志里是Get "https://registry-1.docker.io/v2/": net/http: request canceled...，本质是 Docker Hub 官方源连不上。

解法：给 Docker 配一个可用的镜像加速源。Windows 上在 Docker Desktop 的 Settings → Docker Engine 的 JSON 里加registry-mirrors字段：

Ubuntu 上则改/etc/docker/daemon.json，同样加registry-mirrors，保存后sudo systemctl restart docker。镜像源会失效更替，配之前搜一下当前可用的地址。

坑二：新增模特失败，服务端日志报 "file not exists"

现象：上传视频创建数字人时失败，TTS 容器日志里反复出现File not exists。

解法：先点开对应容器的 Logs 标签页确认报错位置：

最常见的原因其实不在文件，而在你的素材：用于克隆的视频必须带声音，且是人在正常说话——程序要从中提取人声做声音克隆，静音视频或纯 BGM 视频都会失败。换一段你对着镜头讲话的 10 秒视频重试即可。

坑三：定制模特报 Connection refused

现象：刚部署完就急着克隆形象，TTS 日志里出现建立funasr连接异常：Connection refused。

解法：这是 ASR 服务启动比其它服务慢导致的，服务端全部 Running 后等几分钟再操作克隆。另外若内存只有 16G，ASR 服务可能根本起不来，建议按 32G 配置准备机器。

🔍 排查任何问题时，两份日志是标配：客户端日志通过右上角设置菜单的 Open Log 打开：

对应的main.log文件就在系统用户目录的 logs 文件夹里；服务端日志则直接看三个容器的 Logs 标签页。更多问题可以参考项目内的常见问题文档。

落地思路：三个真实场景

个人 IP / 自媒体口播：录一次 10 秒视频，之后每期内容只改文案。批量出稿时数字人永远在线，你只需要写字；全本地处理也意味着选题素材、未发布内容都不必上传给任何第三方
企业内训与课程制作：给培训讲师克隆一个数字人，课程讲稿换成文本就能重制视频，课件更新后重新生成一版即可，省去反复进录影棚的成本
业务系统集成：如果数字人要嵌进你自己的产品（比如智能客服的话术播报、内部系统播报），用开放 API 串起"文本 → 克隆语音 → 口播视频"三步，把结果回传给业务系统

结语

Duix-Avatar 把过去要买服务、要上云的数字人能力，变成了一套跑在自己电脑上的开源工具——隐私、成本、可控性，一次说清楚。

下一步很简单：对照"部署前清单"准备好一台带 N 卡的机器，然后从docker-compose up -d开始，今天就能拥有第一条你自己克隆的口播视频。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

企业官网建设流程全解析