企业官网建设流程全解析

Duix.Avatar 如何实现离线数字人视频生成：本地部署与二次开发指南

【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

上传一段自己的出镜视频，再输入一段文本，就能在断网环境下得到口型同步的数字人视频，这是 Duix.Avatar 要解决的问题。作为一款开源的 AI 数字人离线视频生成与克隆工具，它把外观克隆、音色克隆和合成全部放在本机完成。

它到底解决什么问题

没有它时，数字人项目最常见的三个问题是这样：

• 数据出域：SaaS 平台要求把出镜视频和语音样本传到云端，法务、医疗等场景难以合规；Duix.Avatar 的计算全部跑在本机显卡上，三个服务只对 127.0.0.1 可达。
• 成本：传统 3D 数字人方案报价以十万美元计，官方团队用真人视频训练把成本压到 1000 美元量级，开源版本地使用不收费。
• 链路长：自建管线要自己串 ASR、TTS 和视频驱动三类模型，这里的三项能力已预打包成 Docker 镜像。

核心机制拆解

三个本地服务怎么分工

重计算全在 deploy/docker-compose.yml 里：语音合成走 18180 端口，语音识别走 10095，face2face 视频生成走 8383。三个容器都只暴露给本机，lite 版只启动视频生成一个服务，适合已有音频、只需要驱动嘴型的场景。

桌面端为什么只是个调度器

Electron 主进程内置 SQLite，记录模特、音色和视频任务，任务按 draft → waiting → pending → success/failed 状态机流转，主进程每 2 秒轮询一次合成接口推进状态，逻辑见 src/main/service/video.js。客户端本身不做训练和推理，只做调接口、管状态、ffmpeg 收尾。

一次上传如何同时克隆形象和声音

新建模特时，客户端先把视频转成 H264，用 ffmpeg 分离出音轨，把音频送 TTS 服务做音色克隆训练，再一次性把模特、视频、音色写入本地库，流程在 src/main/service/model.js。这就是"一段视频换一个数字人加一个音色"的由来。

落地路径

• 个人项目：执行git clone https://gitcode.com/GitHub_Trending/he/Duix-Avatar，确认 NVIDIA 驱动可用，在 deploy 目录执行docker-compose up -d（首次拉取约 70GB 镜像），再安装官方客户端安装包。C 盘空间不足 100GB 时先改 Docker 数据目录：

• 中小团队：绕过图形界面，直接调开放接口——向127.0.0.1:8383/easy/submit提交合成任务，用/easy/query查进度，嵌入自有内容生产流水线。
• 大型组织：50 系显卡使用 deploy 目录下对应的 5090 部署配置；注意许可边界，用户数超 10 万或年营收超 1000 万美元的企业商用前需签署商业授权协议。

生态位与趋势

Duix.Avatar 的位置是"SaaS 数字人的开源本地替身"：技术用户拿完整源码做定制，业务用户可改走商业 API。原生支持来自三模型栈——ASR 基于 fun-asr，TTS 基于 fish-speech，二者都可独立替换，换一个更强的语音模型等于换一个容器镜像。未来 6~12 个月值得看两点：GPU 适配已覆盖 50 系（5090 实测）并发布了 Ubuntu 22.04 桌面版；实时交互目前只在官网提供，不在开源版中，face2face 推理能否做到实时，决定它能从"视频生成"走到"数字人对话"。

【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