企业官网建设流程全解析

一段10秒视频克隆数字人：Duix.Avatar 开源数字人本地部署教程

【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

把手机架好，对着镜头说上 10 秒话，你的形象和声音就能被完整复刻——之后输入任意一段文字，"你"就会对着镜头把它念出来。Duix.Avatar 是一款开源数字人克隆项目，代码完全开源免费：只需提交一段 10 秒左右的视频，就能在本地完成形象克隆与声音克隆，再用文字或音频驱动数字人，自动合成口播视频。它适合想在个人电脑上跑数字人、又不想把素材传到云端的创作者和开发者；最大的特点是全离线运行——视频、声音、模型都留在本机硬盘里，部署完成后断网也能生成。

先确认显卡够不够：NVIDIA 显卡是硬门槛

判断这台机器值不值得投入，先看这一节。Duix.Avatar 的全部算力都跑在本地 GPU 上，项目文档写得很直白：没有英伟达显卡、或没装好驱动，三个服务根本起不来。纯核显的电脑和 Mac 可以先放弃。

Windows 用户如果 C 盘腾不出 100G，装完 Docker Desktop 后可以在设置里把镜像存储位置挪到别的磁盘：

机器达标了，下一条命令就能把服务拉起来。

一条命令拉起本地数字人服务

先装容器环境。Windows 用户先执行wsl --install装好 WSL（已有则跳过），再执行wsl --update更新，然后安装 Docker Desktop，首次运行接受协议、跳过登录即可。Ubuntu 用户执行下面两条命令装 Docker，另外还要装好 NVIDIA 显卡驱动和 NVIDIA Container Toolkit（README 里有完整步骤），装完执行nvidia-smi能看到显卡信息才算成功：

sudo apt update sudo apt install docker.io docker-compose

接着把仓库拉到本地，deploy 目录 里就是全部部署脚本：

git clone https://gitcode.com/GitHub_Trending/he/Duix-Avatar cd Duix-Avatar/deploy docker-compose up -d

Ubuntu 用户执行：

cd Duix-Avatar/deploy docker-compose -f docker-compose-linux.yml up -d

首次运行会下载约 70G 的镜像，README 建议预留半小时左右。当 Docker 里出现 duix-avatar-asr、duix-avatar-tts、duix-avatar-gen-video 三个服务且都是 Running，服务端就算部署完成了。硬件吃紧可以改用 lite 单镜像版本（把配置文件换成 docker-compose-lite.yml）；RTX 50 系列显卡（5090 已测试通过）则用 docker-compose-5090.yml。

如果拉镜像时一直报 request canceled 或 Connection refused，多半是连不上 Docker Hub，这个问题放到后面的坑位一节处理。服务就绪后打开客户端，剩下的都在界面上点。

从上传视频到生成第一条数字人口播视频

客户端是独立安装包，不用跑源码：到项目 Releases 页面下载对应系统的版本，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 用户桌面需要在终端加--no-sandbox参数运行）。启动后它会连接本机那三个服务。

创建数字人只有一步：在主界面点 Create Avatar，上传一段 10-20 秒的视频。系统会自动转码、分离音频，用视频里的人声训练你的声音克隆模型，同时保存形象。素材上有一个硬性要求：视频里必须有人清晰地说话，因为声音克隆完全靠这段人声，无声或只有 BGM 的视频会直接报错。

生成口播视频同样简单：在 My Avatars 里选中刚创建的数字人，输入文案——脚本支持中、英、日、韩、法、德、阿拉伯、西班牙 8 种语言——点击生成，稍等片刻，成片会出现在 My Works 列表里。

有一个时间差要留意：ASR 服务启动偏慢，服务端刚拉起来时别马上克隆形象，等几分钟再操作，否则会报连接被拒。

第一条视频出来之后，可以回头看一眼它和别的数字人方案最不一样的地方。

全离线运行：数字人素材和模型不出本机

这一点不是宣传话，而是部署方式决定的：

• 三个服务都是本地 Docker 容器，推理全部发生在你自己的显卡上，部署完成后断网不影响生成。
• 你的源视频、提取的音频、克隆出的模型全部写在本地目录：Windows 是D:\duix_avatar_data，Ubuntu 是~/duix_avatar_data。
• 商用免费：README 写明支持全球免费商用，但用户量超 10 万或年营收超 1000 万美元的企业需要签署商业许可协议。

商业数字人 SaaS 的普遍做法是把视频上传到云端渲染，而这里的素材从头到尾没有离开过机器。同时 README 也如实标注了差距：开源本地版的口型效果定位是"效果可用"，官方付费 API 标注"更高清"，对口型要求很高的场景要心里有数。

本地方案也有自己的脾气，下面两个坑踩的人最多。

本地部署数字人最常踩的两个坑

坑一是拉镜像失败。docker-compose up -d报 request canceled 或 Error response from daemon，几乎都是 Docker Hub 连接不稳定。解决方式是配置国内镜像源：Windows 在 Docker Desktop 设置 → Docker Engine 里加 registry-mirrors，Ubuntu 改/etc/docker/daemon.json，重启 Docker 生效，常见问题 里附了可用的镜像源列表。

坑二是克隆形象报错或生成卡住，常见三种情况：

• 新增模特直接失败：回去检查素材，视频里必须有人清晰说话。
• 克隆时日志出现 Connection refused：ASR 服务还没起完，等服务几分钟再试；16G 内存的机器可能根本拉不起这个服务。
• 视频生成卡在某个进度不动：在 Docker 里打开 duix-avatar-tts 容器的 Logs 看具体报错。

客户端右上角 Setting 菜单里的 Open Log 可以直接打开客户端日志，排查"点了没反应"这类问题。

往哪深入：开放 API 与批量生成

不想停留在图形界面，服务端暴露的本地接口可以直接调用，拼出自己的批量生成流水线：

• 声音合成：http://127.0.0.1:18180/v1/invoke
• 视频合成：http://127.0.0.1:8383/easy/submit，提交后用http://127.0.0.1:8383/easy/query轮询进度
• 模特训练与合成的完整请求参数，客户端自己的代码 src/main/service 里都有现成写法

README 的"开放 API"一节给出了每个接口的入参和返回示例，照抄即可。

现在就可以做的三件事

1. 先跑一次nvidia-smi（Windows 用 PowerShell，Ubuntu 用终端），确认显卡和驱动正常——这一步过了，后面一半的坑可以提前排除。
2. 用手机录一段 10 秒测试视频：正面、光线均匀、说话清晰、背景简单，作为第一个数字人的唯一素材。
3. 把服务拉起来后，先完整走一遍"建一个数字人 + 生成一条短口播"，链路通了再回头换更好的素材，别一上来就追求完美。

【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