企业官网建设流程全解析

30分钟本地部署Duix-Avatar：一段8秒视频克隆你的数字人，生成口播视频

【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

想做一个数字人口播视频，传统路子要么请真人出镜重录，要么按条买商业数字人服务——钱花出去了，脸和声音的数据也传到了别人云上。Duix-Avatar 本地部署走的是另一条路：这个开源数字人克隆工具跑在你自己的电脑上，一段 8 秒以上的视频就能克隆你的形象和声音，之后输入文本就出成片，全程离线。

值不值得折腾：一张表说清

说白了：你缺的不是一张 NVIDIA 显卡，只是一台符合下面清单的电脑。

动手前先自查：硬件与系统清单

逐项打勾，全部通过再开始。

• 显卡：最低——任意 NVIDIA 显卡；推荐——RTX 4070（官方推荐配置）。AMD 或核显不行，本项目全部算力依赖本地 CUDA。
• 显卡驱动：最低——已安装且在显卡管理软件里能看到驱动正常；推荐——NVIDIA 官网查到的最新版。
• 内存：最低——32GB（README 明确标注"必要"，16GB 机器可能起不来服务）；推荐——32GB 以上。
• 磁盘（Windows）：最低——D 盘空闲 30GB（存数字人和作品数据），C 盘空闲 100GB（存 Docker 镜像，不足时可在 Docker 里另选磁盘）；推荐——两盘各留 20% 余量。
• 磁盘（Ubuntu）：最低——空闲 100GB；推荐——同左。
• 系统：最低——Windows 10 19042.1526 或 Ubuntu 22.04 Desktop（仅验证过 22.04，其他 Linux 未做兼容测试）；推荐——Windows 10/11 64 位。

跟做五步：跑通第一条数字人口播视频

1. 获取代码

git clone https://gitcode.com/GitHub_Trending/he/Duix-Avatar

跑通信号：当前目录出现README.md、package.json，以及deploy、src等文件夹。顺便装好 Node.js 18。

2. 装 Docker（或 WSL）

Windows：

wsl --list --verbose wsl --update

再安装 Docker Desktop，首次启动接受协议、跳过登录。看到 Docker 的鲸鱼图标在托盘里跑起来就算装好。Ubuntu 先执行docker --version，没装则用sudo apt install docker.io docker-compose补上。

3. 启动本地服务

Windows 进入deploy目录执行：

docker-compose up -d

然后等。镜像约 70GB，README 给的参考时间是半小时左右，全程注意挂着 WiFi。跑通信号：Docker Desktop 里出现三个容器duix-avatar-asr、duix-avatar-tts、duix-avatar-gen-video，STATUS 都是 Running，且不再反复重启。想省事可用精简版：docker-compose -f docker-compose-lite.yml up -d，此时只有一个Duix.Avatar-gen-video容器。

Ubuntu 用户执行docker-compose -f docker-compose-linux.yml up -d，跑通信号同样是三容器 Running；装显卡驱动后记得跑一次nvidia-smi，能打出显卡信息才算驱动 OK，并额外安装 NVIDIA Container Toolkit 让 Docker 调 GPU。

4. 安装并打开客户端

从项目的发行版（Releases）下载客户端安装包：Windows 双击Duix.Avatar-x.x.x-setup.exe安装；Ubuntu 双击Duix.Avatar-x.x.x.AppImage直接启动，root 用户跑不起来时在终端加参数--no-sandbox。首次启动会弹用户协议，同意进入首页。跑通信号：首页左侧有"首页"入口，中间两张大卡片分别是"创建视频"和"快速定制"。

5. 准备素材，生成第一条视频

先录一段素材，按应用内"标准示例"的要求来：

• 时长至少 8 秒，推荐 10-15 秒；
• 分辨率 720P 以上，格式 MP4/MOV；
• 全程有且只有同一个人，五官清晰不遮挡，头不侧倾，手别伸到脸、嘴、脖子前；
• 视频里必须有人说话的声音——系统会从视频里提取声音做克隆，没声音或多人出框都过不了。

在首页点"快速定制"，按"上传视频"放入素材，填模特名称，点"提交定制"。跑通信号：模特状态从"训练中"变为可"预览"，说明形象和声音克隆完成。

再点"创建视频"：选刚做的模特，在文本框输入文案（支持中英文，第一次建议 50 字以内），点右上角"合成视频"。跑通信号：弹窗提示"您的视频已提交"，随后在"我的作品"里看到成片，能播放、口型对得上。

让成片更稳的 4 个实战技巧

素材拍摄：对着固定镜头说一段完整的文字，别中途停，也别换场景；录完回放一遍，确认吐字清楚、背景安静。

音频合成：不想用克隆音色时，可选"音频合成"上传自己的录音，支持 mp3、wav、flac、m4a，单条不超过 30 分钟，但务必传纯干音——背景噪音会直接带进成片。

参数与启动时序：服务端刚拉起时 ASR 服务预热较慢，README 建议等几分钟再开始定制模特，否则可能报 Connection refused；16GB 内存机器大概率起不来三个服务，32GB 是实际下限；Windows 拉镜像超时多为网络问题，在 Docker 设置里配国内镜像源，具体见 常见问题。

开放 API 批量生成：Docker 启动后本地暴露了端口，视频合成接口是http://127.0.0.1:8383/easy/submit：

curl -X POST http://127.0.0.1:8383/easy/submit \ -H "Content-Type: application/json" \ -d '{"audio_url": "音频路径", "video_url": "视频路径", "code": "唯一key", "chaofen": 0, "watermark_switch": 0, "pn": 1}'

提交后用http://127.0.0.1:8383/easy/query?code=任务key轮询进度；文本先合成音频由 18180 端口的 TTS 服务负责，参数细节可参考 API 说明。循环调用这两组接口，就能批量产出一天份的口播视频。

卡住了看这里

Q：docker-compose up -d 之后，三个容器没全 Running 怎么办？A：先确认 Docker Desktop 正在运行；再点进容器看日志，若出现registry-1.docker.io ... request canceled这类拉取超时，配一个国内镜像源后重新执行docker-compose up -d。

Q：服务起不来，nvidia-smi查不到显卡？A：驱动没装或没装好。本项目所有算力都在本地，没有可用的 NVIDIA 显卡加驱动，三个服务根本起不了。装完驱动能打出显卡信息再重试。

Q：提示端口被占用？A：本项目占用 8383（视频合成）、18180（TTS）、10095（ASR）三个本地端口，查清占用进程后停掉它，或改deploy/docker-compose.yml里主机侧的端口映射。

Q：定制模特时报错？A：九成是素材问题——视频没声音、多人出镜、脸被遮挡都会失败。按第 5 步的标准重录一段。

Q：客户端日志和服务端日志去哪看？A：客户端在右上角"设置"里点"打开日志"；服务端在 Docker Desktop 中点进对应容器，切到 Logs 页签直接复制。

接下来可以探索

• 用 8383 开放 API 接进自己的定时任务，每天自动推一批口播视频。
• 试试"音频合成"：上传自己录的干音，比 TTS 音色更像你本人。
• 疑难杂症翻 常见问题，那里沉淀了镜像源、素材、ASR 预热等高频故障的解法。

把第一台能跑起来的机器搭好后，你手里就多了一条"文本进、视频出"的本地流水线——剩下的事，就是往里灌选题了。

【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