企业官网建设流程全解析

HeyGem.ai本地部署快速上手：4个任务把文字和语音变成数字人视频

【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

HeyGem.ai 是一款可本地部署的 AI 数字人视频平台，部署完成后，它能把你的文本和语音，全离线地变成一段会说话的数字人视频。下面用 4 个任务带你走完：自检、起服务、造数字人、出视频。

部署前三查：先把这三样东西核对好

📌 动手之前，先花 2 分钟核对硬件、网络、环境三件事。任何一项不达标，后面命令跑得再快也会卡住。

两个补充点：

• 权限：Linux 下用管理员终端（带sudo）执行命令即可；Windows 装好 Docker Desktop 后正常操作就行，无需额外提权。
• 驱动先于一切：nvidia-smi都跑不起来的话，先去装显卡驱动，这一步不跳过。

最短路径启动本地服务：几条命令跑通全部

整个系统分两部分：AI 服务（Docker 三个容器）+ 客户端（Electron 桌面端）。

1. 拿到代码

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

2. 拉起 AI 服务

cd deploy docker-compose up -d

就这一条。它会拉取语音识别（ASR）、语音合成（TTS）、视频生成三个镜像，首次约 70G 流量，等半小时左右。

两种特殊情况才需要换文件：

# 50系显卡（如 RTX 5090） docker-compose -f docker-compose-5090.yml up -d # Linux（Ubuntu 22.04） docker-compose -f docker-compose-linux.yml up -d

3. 启动客户端

npm install npm run dev

✅ 怎么算跑通了：Docker 里duix-avatar-asr、duix-avatar-tts、duix-avatar-gen-video三个服务全部Running；客户端窗口弹出并看到首页。

首页就两个入口：左边"Create Video"用来生成视频，右边"Create Avatar"用来造数字人。接下来两个任务都用它们。

从零造一个数字人：一条 10 秒视频就够

很多人以为要准备一堆照片、再单独录音。实际上，一条 10 秒左右的视频就够了，形象和声音都从它里来。

1. 准备素材：人物正面、在说话的 10 秒左右视频。 ⚠️ 视频必须有声音，且说话的就是画面里的人——形象克隆取视频，声音克隆取音频，静音视频会直接失败。
2. 在客户端首页点"快速定制 / Create Avatar"。
3. 上传视频，等克隆完成。"My Avatars / 我的数字模特"列表里会出现这个数字人，供下一步直接调用。

需要多个角色就重复同样操作，每个数字人都拥有独立的形象和声音。

把文字和声音变成一段视频：两种输入方式

有了数字人，就可以出片了。输入方式只有两种，按需选：

• 纯文本：直接填文案。TTS 服务用刚克隆的声音把它念出来，数字人跟着对口型。
• 音频文件：上传现成语音，数字人跟着你的音频说话，节奏和情绪都保留原样。

操作很简单：

1. 首页点"Create Video / 短视频制作"；
2. 选中你要用的数字人；
3. 二选一填入文本或上传音频，确认生成；
4. 成片落在"My Works / 我的作品"，点开即可预览、导出。

脚本支持中、英、日、韩、法、德、阿拉伯、西八种语言，跨语种口播也能做。生成环节由视频合成服务完成口型对齐，全程本地，素材不经过外网。

让它跑得更稳：GPU 与资源分配

跑通之后，盯住三件事就能长期稳定运行。

CUDA 加速：把算力全交给显卡

compose 文件里三个服务都带runtime: nvidia，这就是 CUDA 加速开关：

• Linux 用户还要装 NVIDIA Container Toolkit，否则 Docker 用不了 GPU；
• 50 系显卡（5090 已验证）用前面的docker-compose-5090.yml，对应更新版本的 torch；
• 视频生成服务里的PYTORCH_CUDA_ALLOC_CONF=max_split_size_mb:512是抑制显存碎片用的，别删。

内存：32G 是安全线

• 内存低于 16G 时，ASR 服务可能起不来或反复重启；
• 视频生成服务已预置shm_size: 8g共享内存，不要调小。

存储：数据和镜像分开放

• 数据目录：Windows 是d:/duix_avatar_data（voice 与 face2face 两个子目录），Linux 是~/duix_avatar_data，数字人和成片都存在这里，留 30G 以上；
• Docker 镜像默认吃系统盘，C 盘不足 100G 时，去 Docker Desktop → Settings → Resources → Advanced，把 Disk image location 挪到别的盘。

避坑速查：高频报错对照表

第一类问题的设置位置如下图，把国内镜像源写进registry-mirrors，点 Apply & restart：

还不明就里时，先抓两组日志

1. 客户端日志：客户端右上角菜单选"打开日志 / Open Log"，文件是main.log（Windows 下位于%APPDATA%\heygem.ai\logs\）。
2. 服务端日志：Docker 里点开对应服务的 Logs 页，用复制按钮把报错段落带出来。

完整问题清单可以看仓库里的常见问题；想深入原理，直接读 src/main/service/ 下的model.js、video.js、voice.js，分别是模特训练、视频合成、语音合成的调用源码。

跑通之后

自检、起服务、造数字人、出视频——四个任务走完，你的第一条数字人视频已经在"我的作品"里躺着了。

想再往深走一步的话：服务端本地暴露了 18180、10095、8383 三个 API 端口，把这几个接口串起来，就能把数字人视频生成接进你自己的系统或站点。

【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