企业官网建设流程全解析

免费开源AI数字人Duix.Avatar：本地部署30分钟从零做出第一条口播视频

【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

Duix.Avatar 是一款免费开源的 AI 数字人工具：上传一段 10 秒左右的说话视频，克隆你的形象和声音，输入文字就能生成口播视频。全部在本地部署，不联网、不收费。这篇教程带你从装环境到出第一条成片。

🎬 先说场景：口播视频不用再亲自出镜

小林每周五要交三条新的口播视频。自己出镜很麻烦，买商业数字人服务每月好几千块。她的做法是：拍了 10 秒对着镜头说话的片段，之后每次写完文案，往 Duix.Avatar 里一贴，成片就出来了——视频里的“她”是她自己，但她不用再重新拍摄、不用重新配音。

📋 环境检查：本地部署前确认这几项

装之前先对照清单：

• 系统：Windows 10（19042.1526 或更高版本）或 Ubuntu 22.04 桌面版
• 显卡：NVIDIA 显卡并装好驱动（必要，所有算力都跑在本地显卡上）
• 内存：32GB及以上（推荐配置参考：i5-13400F + RTX 4070 + 32G 内存）
• 磁盘：Windows 需要 C 盘100GB以上空闲（放 Docker 镜像）、D 盘30GB以上（存数字人和作品）；Ubuntu 需要100GB以上空闲
• 要装的工具：Windows 装 Docker Desktop（依赖 WSL）；Ubuntu 装 docker.io、docker-compose 和 NVIDIA Container Toolkit；从源码构建客户端才需要 Node.js 18

确认环境是否就绪只要一行：终端执行nvidia-smi，能显示出显卡信息说明驱动正常；docker --version能输出版本号，就可以开始。

🛠️ 实操走一遍：从装 Docker 到出第一条口播视频

第 1 步：安装 Docker 并调整镜像存放路径

操作：Windows 先在终端执行wsl --install安装 WSL（首次会要求设置用户名和密码，网络不畅就多试几次），更新 WSL 后按 CPU 架构下载安装 Docker Desktop；Ubuntu 执行sudo apt install docker.io docker-compose即可。装好 Docker 后有一个关键动作：打开 Docker Desktop 的“设置 → Resources → Advanced”，把“Disk image location”改到一个剩余100GB以上空间的分区，应用设置后 Docker 会自动重启。

Docker Desktop“Resources → Advanced”：把镜像存储路径改到 100GB 以上的分区，避免系统盘被占满

预期结果：任务栏 Docker 图标显示引擎运行中，终端里docker --version能输出版本号。

易踩坑点：镜像默认存放在 C 盘，而本项目镜像总共约70GB，不改存放位置的话系统盘会很快告急。

第 2 步：启动数字人服务端

操作：先git clone https://gitcode.com/GitHub_Trending/he/Duix-Avatar获取代码，进入代码里的deploy目录（部署文件都在 deploy/ 下），执行：

docker-compose up -d

Ubuntu 用户给同一条命令加上文件参数：docker-compose -f docker-compose-linux.yml up -d。这一步会拉取约70GB镜像，耗时30 分钟左右，取决于网速，建议连 Wi-Fi。

预期结果：Docker 中出现Duix.Avatar-asr、Duix.Avatar-tts、Duix.Avatar-gen-video三个服务且均为Running；如果你走精简版，则只有一个Duix.Avatar-gen-video。

易踩坑点：拉镜像超时、报连接错误，基本是 Docker Hub 源的问题，见下文避坑速查第一条；用的是NVIDIA 50 系显卡（如 5090）的话，换用docker-compose -f docker-compose-5090.yml up -d。

第 3 步：安装客户端

操作：到项目发布页下载对应安装包，Windows 双击Duix.Avatar-x.x.x-setup.exe安装；Ubuntu 双击.AppImage文件即可运行，无需安装。

客户端主界面：上方“Create Video”“Create Avatar”两个入口，下方是 My Works 与 My Avatars 列表

预期结果：打开主界面，能看到“Create Video”和“Create Avatar”两个大按钮，下方是 My Works 和 My Avatars 两个列表。

易踩坑点：Ubuntu 下如果以 root 用户进入桌面，直接双击 AppImage 可能起不来，需要在终端执行./Duix.Avatar-x.x.x.AppImage --no-sandbox，靠--no-sandbox参数启动。

第 4 步：创建你的第一个数字人

操作：准备一段10-20 秒的视频：人正对镜头、说话清楚、光线均匀、背景干净。客户端点“Create Avatar”，上传视频，然后等训练跑完。

预期结果：训练完成（耗时随显卡性能变化，期间别关客户端）后，“My Avatars”列表里多出一个你的数字人形象。

易踩坑点：视频里必须有人物清晰的说话声，系统要拿这段音频做声音克隆，纯画面或配乐视频会在建模型时报错。

第 5 步：生成第一条口播视频

操作：在 My Avatars 选中刚建好的形象，进入 Create Video，输入文案（或上传自己的音频），提交生成。

预期结果：生成完成后，成片出现在 My Works 列表里，可直接下载保存。

易踩坑点：首次启动时 ASR 服务需要一段时间初始化，服务端刚拉起来就克隆可能报错，等几分钟再试；生成卡住时，先打开 Docker 查看三个服务的日志定位原因。

Docker Desktop 里可以逐个打开服务日志，定位生成卡住或报错的原因

还能做什么

• 八种语言口播：脚本支持中文、英文、日文、韩文、德文、法文、阿拉伯文、西班牙文，同一篇文案换个语言就能出一版本地化视频。
• 本地开放 API：服务端启动后，模特训练、音频合成、视频合成三组接口都在本地暴露，调用流程可参考 src/main/service/，方便把数字人接进自己的业务流程。
• 多模型管理：客户端可导入多个数字人并一键切换；机器配置紧张时，可改用精简版部署，只保留视频合成一个服务。

🧭 避坑速查：常见问题与解决办法

1. 现象：docker-compose up -d拉镜像失败，报超时或连接被取消。判断：连 Docker Hub 官方源不稳定。解决：在 Docker 设置中打开daemon.json，添加registry-mirrors配置国内镜像源，重启 Docker 再拉。

Docker 配置 registry-mirrors 镜像源，解决镜像拉取超时

2. 现象：新增模特（形象）时报错。判断：视频里没有说话声音，或人声不清晰。解决：重拍一段10-20 秒、人物说话清晰的片段，保证音轨干净后重新上传。
3. 现象：服务端启动几分钟后克隆报 Connection refused。判断：ASR 服务启动慢，或内存不足。解决：等服务起来几分钟后再操作；内存只有 16G 的机器可能根本起不动服务，建议升到 32G。
4. 现象：服务完全起不来。判断：没有 NVIDIA 显卡，或驱动没装好。解决：用nvidia-smi确认能显示显卡信息，安装或更新驱动后再启动服务。

适合谁

• 自媒体创作者：不用出镜、不用重新配音，文案进去视频出来，口播内容可以持续高频产出。
• 老师和企业培训：做一个统一的数字人讲师，批量产出课程、宣讲类口播视频，风格始终一致。
• 想接入业务的团队：源码可自由修改，本地 API 可直接调用，免费商用（用户量超 10 万或年营收超 1000 万美元的企业需签署商业许可协议）。

原理一句话

底层是三个本地服务：语音识别（把你视频里的话转成文字）、语音合成（把新文案变成你的声音）、视频合成（让你的面部跟着音频动）。训练就是从那段 10 秒视频里提取面部与声音特征存成模型，之后“文字 → 你的声音 → 对口型视频”，全部在本地算完，数据不出你的机器。

到这里，一段 10 秒视频、一套 Docker 环境、30 分钟左右的等待，就能让你拥有一个免费、完全本地的 AI 数字人。遇到问题先翻 doc/常见问题.md，再在项目 Issue 列表里搜一搜，大多已有答案。

【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