Duix.Avatar 开源数字人本地部署：3步在自家电脑跑通AI口播视频-迪斯科星球

Duix.Avatar 开源数字人本地部署：3步在自家电脑跑通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

Duix.Avatar 是一个开源数字人项目，支持完全离线的本地部署。上传一段10秒的视频，它能克隆你的形象和声音；输入一段文字，就能自动生成口型对得上的口播视频。内容创作者用它做视频，不用逐帧拍摄，也不用把素材传给任何第三方。

一分钟认识它：数字人为什么值得你折腾

打个比方：以前找主播录口播视频，改一次文案就要重录一次。有了 Duix.Avatar，你的形象被"拍"下来存成模型，之后想说什么，打一段字就行，几分钟后出一条新视频。

它有三个值得用的理由：

全离线运行。视频和声音都在你机器上处理，素材不经过外网，适合对隐私有要求的团队。
克隆门槛低。一段10秒左右的说话视频就能同时克隆脸和声音，不用录几十分钟素材。
不限次数免费用。本地跑起来之后，生成多少条都是零成本，脚本还支持中、英、日、韩等8种语言。

三步跑起来：数字人本地部署完整流程

先说清一个前提：这个项目分服务端和客户端两部分。服务端是3个 Docker 服务（语音合成、语音识别、视频合成），客户端是操作界面。下面三步就是把它跑起来。

第1步：拿到项目代码

git clone https://gitcode.com/GitHub_Trending/he/HeyGem.ai

这条命令把项目代码拉到本地，进入目录后你会看到deploy/（服务端配置）和src/（客户端源码）等文件夹。

第2步：装好 Docker，备好硬盘

Windows 上先装 WSL（命令wsl --install），再装 Docker Desktop；Ubuntu 上直接装 docker 和 docker-compose 即可。

⚠️两个硬门槛：必须有 NVIDIA 显卡并装好驱动（跑nvidia-smi能看到显卡才算装好）；首次拉镜像约消耗70G流量，建议 C 盘（或系统盘）留100G、数据盘留30G，内存32G起步。

第3步：启动服务端并验证

cd deploy docker-compose up -d

在deploy/目录下执行这条命令，Docker 会自动拉取并启动3个服务。第一次执行请耐心等待，半小时左右。执行docker ps，看到duix-avatar-tts、duix-avatar-asr、duix-avatar-gen-video三个服务都是 Running 状态，服务端就成功了。

客户端方面，可以用官方构建的安装包直接双击运行；想自己编译的话，在项目根目录执行npm install装好依赖，再执行npm run build:win（Windows）或npm run build:linux（Linux）即可打包出客户端。

第一次使用：10秒视频克隆出数字人，再让它替你说

服务端跑通后，打开客户端，首页就两个大入口：Create Video（生成视频）和Create Avatar（创建形象）。跟着做两件事。

场景一：创建你的数字人形象

点Create Avatar，上传一段10秒左右的视频。
要求很具体：画面里是你本人在说话，声音清晰。因为声音克隆用的就是这段视频里的音频。
提交后服务端会自动做三件事：把视频拆成画面和音频、用音频训练你的专属音色、用画面训练你的专属形象。
几分钟后回到首页，My Avatars里就多了一个和你同脸同声的模特。

场景二：输入文字，生成口播视频

点Create Video，左侧选中刚创建的形象。
右侧输入你要播报的文案，也可以改成上传一段音频文件。
点生成。系统先用你的克隆音色把文字变成语音，再让画面里的"你"对口型，最后合成整段视频。
完成后视频出现在My Works里，点开就能播放、保存。

到这里你就走完了"形象克隆 → 文字驱动 → 视频产出"的完整链路。以后换文案、换语言，重复第二步即可，形象只需克隆一次。

更进一步：精简部署与开放 API

显存吃紧？换 lite 版。完整版要跑3个服务，如果机器资源紧张，可以只启动视频合成这一个核心服务：

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

注意 lite 版仍需 NVIDIA 显卡。另外如果你是50系新卡（如5090），deploy/目录里的docker-compose-5090.yml是针对它的专用配置。

想把能力接进自己的程序？Docker 起来后会在本地开放接口：语音合成在http://127.0.0.1:18180，视频合成在http://127.0.0.1:8383。接口参数和调用示例可以参考 src/main/service/ 下的video.js、voice.js、model.js，三个文件分别对应视频合成、音频合成和形象训练，照抄就行。

快速排错：3个高频报错

拉镜像超时（Client.Timeout / request canceled）：Docker Hub 连接不稳定。在 Docker 的 daemon.json 里配置国内镜像源后重启即可。

新增模特报错，提示视频需有人说话：上传的视频没有声音或画面里没人开口，声音克隆无从下手。换一段人在说话的清晰视频即可。
克隆时报 Connection refused：服务端刚启动时 ASR 服务还要几分钟才能就绪。等几分钟再试；如果16G内存的机器频繁出现，建议升内存。

更多问题可对照 doc/常见问题.md 自查，排查前先确认三个服务是否 Running、显卡驱动是否装好。

写在最后

至此，一套完全离线、不限次数的数字人生产线已经在你的电脑上跑起来了。先克隆一个属于自己的形象，再让一段文字变出第一条口播视频。

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