企业官网建设流程全解析

Duix.Avatar 免费开源数字人克隆教程：10 秒视频快速生成 AI 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

假设你想给自己拍一条口播视频：录 10 秒左右自己说话的视频，喂给 Duix.Avatar，它就能把你的形象和声音克隆下来，之后你只需输入一段文案，它就能生成一支由"你"对着镜头说话的口播视频——全程在本地跑，不联网、不上传素材。

Duix.Avatar 是一款支持本地部署 / API 调用的开源数字人工具（Electron 客户端 + Docker 服务端），核心链路就三步：上传 10 秒视频完成形象 + 声音克隆 → 输入文案或上传音频 → 自动生成口型同步的口播视频。

它能帮你干什么：三个真实场景

1. 自媒体口播：不想露脸也能"露脸"录一次 10 秒素材，后面所有口播视频都用你的数字分身出镜。文案改十遍，视频重出十遍，不用反复进棚、补光、录到嗓子哑。

2. 企业内部的内容量产培训课件、产品更新播报、每周例会纪要视频……用数字人主播统一出镜，制作流程从"约人 + 拍摄 + 剪辑"压缩到"贴一段文案"。

3. 个人 IP 的批量分发同一段内容剪成不同时长、不同文案版本，批量生成后分发到多个平台，风格还保持一致，因为是同一张脸、同一个声音。

跑起来之前，先核对这张清单

所有算力都在本地（NVIDIA 显卡 + 驱动是硬性前提），所以硬件不达标的话，后面所有步骤都白搭。对照检查：

参考配置：i5-13400F / 32GB / RTX 4070。

从零到第一支视频：部署 → 装客户端 → 训练 → 出片

第 1 步：部署服务端（Docker）

Windows 上先确认 WSL 状态（wsl --list --verbose），没装就wsl --install，再wsl --update更新，然后安装 Docker Desktop 并首次运行、接受协议、跳过登录。

然后在仓库的deploy/目录下启动服务端。完整版三个核心服务（ASR 识别、TTS 语音、视频生成）：

cd /deploy docker-compose up -d

只想要视频生成服务的话，用轻量版（只起一个Duix.Avatar-gen-video容器）：

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

50 系显卡（以及 30/40 系使用 CUDA 12.8 的机器）可以改用docker-compose-5090.yml；Ubuntu 用docker-compose-linux.yml。

耐心等它下完约 70GB 镜像。在 Docker 里看到三个服务全部 Running就算服务端就绪。

第 2 步：装客户端

• Windows：下载官方构建包，双击Duix.Avatar-x.x.x-setup.exe安装
• Ubuntu：下载 Linux 版，双击Duix.Avatar-x.x.x.AppImage启动；如果是 root 用户进桌面，需要在终端执行./Duix.Avatar-x.x.x.AppImage --no-sandbox

第 3 步：训练数字人（克隆形象和声音）

在"创建数字人"入口上传素材视频，注意两点：

• 时长10 秒左右，人正脸对镜头
• 视频必须有声音，且是你本人在说话——声音克隆就靠这段音频

系统会自动把视频拆成静音视频 + 音频，分别完成形象建模和声音克隆。训练完成后，新数字人出现在"我的数字人"列表里。

第 4 步：出片

两种驱动方式，二选一：

• 文案驱动：输入文字，系统转成你的声音再驱动口型
• 音频驱动：上传音频文件，数字人按音频内容对口型

合成任务支持水印开关、超分等参数，具体可看 视频合成服务；生成完的视频进入"我的作品"，直接播放或导出。

出片之后还能怎么玩（进阶 / 可选）

API 调用（可选）Docker 启动后会在本地http://127.0.0.1暴露端口，可以不走界面直接调接口，适合做自动化流水线：

• 模型训练：src/main/service/model.js——视频分离、声音预处理
• 音频合成：src/main/service/voice.js——文本转你的克隆声音
• 视频合成：src/main/service/video.js——音频 + 视频合成口播成片，带进度查询接口

多语言与国际化客户端界面提供中英文切换；脚本/语音支持的语言数量会随版本变化，以仓库最新文档为准，别按旧版本的说法去卡参数。

轻量版与 50 系显卡（可选）显存吃紧、只关心出片，就用 lite 部署；RTX 50 系显卡（已用 5090 验证）走docker-compose-5090.yml。

卡住了？先查这几条

1. 服务起不来 / 容器反复重启

• 现象：docker-compose up -d后服务起不来，或直接崩掉
• 原因：绝大多数是 NVIDIA 驱动没装对，或内存不足（16GB 基本没戏）
• 解法：nvidia-smi确认驱动；确认三个服务目标状态是 Running；内存不够只能升级硬件

2. 拉镜像慢到怀疑人生

• 现象：docker-compose up -d报错registry-1.docker.io ... request canceled，或长时间卡在下载
• 原因：Docker Hub 官方源连不稳
• 解法：给 Docker 配国内镜像加速器（镜像源经常失效，自行搜最新可用地址），在daemon.json里加：

{ "registry-mirrors": [ "https://docker.m.daocloud.io", "https://docker.1ms.run" ] }

3. 客户端连不上服务端

• 现象：界面操作没反应、报连接失败
• 原因：三个服务没全在 Running；或端口被防火墙拦了
• 解法：先确认服务状态，再看客户端日志定位具体报错——日志位置在设置页里：

4. 视频生成卡在 20%

• 现象：进度条走到 20% 不动了，任务最终失败
• 原因：最常见坑，显存/内存不足，视频合成阶段资源吃满
• 解法：显存确认 8GB 起步；加系统虚拟内存；降低输出分辨率；改用轻量版部署

5. 克隆形象时报错

• 现象：新增模特直接失败，或服务端日志出现Connection refused
• 原因：素材视频没有声音、或不是本人在说话；另外 ASR 服务冷启动较慢
• 解法：换一段有清晰人声的 10 秒视频；服务端刚拉起时等几分钟再操作

更完整的排查记录在 常见问题。

收尾：它适合你吗

一句话定位：Duix.Avatar 是一个在本地免费跑的 AI 数字人口播视频工具——10 秒视频换一张分身脸 + 一个克隆声音，之后文案进、视频出。

适合谁

• 有 NVIDIA 显卡（显存 8GB+）、32GB 内存、Windows 10 或 Ubuntu 22.04 的机器
• 需要批量出口播内容的自媒体、企业培训、内容团队
• 想通过 API 把数字人嵌进自己系统的开发者

不适合谁

• 没有 NVIDIA 显卡的机器（含纯 Apple 芯片 Mac）——本地跑不动
• 只想要"开箱即用云服务"、不想碰 Docker 的用户（项目也提供了 API 服务方案，见仓库说明）

授权提醒：全球免费商用；用户量超 10 万或年营收 1000 万美元以上的企业需签署商业许可协议（仓库内附协议 PDF）。

入口

• 仓库（需要 clone 时用）：git clone https://link.gitcode.com/i/9225b5c2e8fb05091e37d8c1fe189794
• 文档：常见问题、README_zh.md（含部署、API、授权全文）
• 社区：仓库内提供技术交流群二维码，版本更新频繁，遇到问题先看最新文档和 issue

【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