企业官网建设流程全解析

Duix.Avatar本地部署实操：10秒视频克隆AI数字人，三步跑出第一条口播视频

【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 是一个完全开源、支持本地部署的 AI 数字人工具：你上传一段 10 秒左右的真人视频，它克隆你的形象和声音；之后只要输入一段文案，就能自动生成口型对得上的口播视频，全程离线，素材不出你的机器。面向两类人：想在本地跑起来的开发者，和想做数字人口播的自媒体创作者。

本地部署AI数字人前的硬件环境检查清单

开跑之前，先花五分钟把环境过一遍，后面 90% 的坑都出在这一步。

• NVIDIA 显卡 + 正常驱动：三个服务全部依赖 GPU 本地算力，A 卡或核显直接跑不起来。用nvidia-smi能打印出显卡信息才算过关。
• 推荐配置：i5-13400F、32G 内存、RTX 4070。16G 内存可能起不来服务，32G 是底线。
• 磁盘：Windows 下 D 盘留 30G 以上放数据（duix_avatar_data），C 盘或 Docker 镜像目录留 100G 以上。
• 系统：Windows 10 19042 以上（需 WSL2），或已验证过的 Ubuntu 22.04。
• 软件：Docker + Docker Compose；如果从源码构建客户端，还要装 Nodejs 18。

Windows 下先确认 WSL2 就位：

wsl --list --verbose # 检查 WSL 是否已安装 wsl --update # 把 WSL 更新到最新

Linux 下确认 Docker 可用：docker --version、docker-compose --version。

AI数字人容器部署：克隆仓库到三个服务Running

环境没问题，一条命令流跑通服务端。

做什么：克隆仓库，进入deploy目录，用 docker-compose 起服务。

# 克隆项目 git clone https://gitcode.com/GitHub_Trending/he/Duix-Avatar cd Duix-Avatar/deploy # 标准版：三个服务 docker-compose up -d

成功标志：Docker 里出现三个容器，且全部是 Running 状态。

首次拉镜像要下载约 70GB，耐心等上半小时，建议连 WiFi 或挂网线。三个服务的分工：duix-avatar-tts（语音合成，鱼声）对外端口18180、duix-avatar-asr（语音识别，fun-asr）对外10095、duix-avatar-gen-video（视频合成，Duix.Avatar）对外8383。

两个变体记一下：显存紧张可以用docker-compose -f docker-compose-lite.yml up -d起精简版（只有一个 gen-video 服务）；RTX 50 系列显卡（5090 已验证，30/40 系 CUDA 12.8 也可）用docker-compose -f docker-compose-5090.yml up -d。

客户端不用编译：下载官方 release 里的安装包装上（Windows 是Duix.Avatar-x.x.x-setup.exe，Linux 是 AppImage 直接运行），首次启动同意协议，能看到"创建模特"和"生成视频"两个入口就算装好了。

服务端起来了，接下来就是喂素材了。

训练素材拍摄要求与模特创建流程

录一段 10 秒左右的视频，记住三条量化标准：

• 人物正面居中，占画面大半；
• 光线充足、背景干净；
• 全程在说话，人声清晰无环境噪音——这段视频会同时用来克隆形象和克隆声音，无声的视频训练必挂。

做什么：客户端里点"新增模特"，选视频、填名字，提交。

系统会自动把视频转成 H.264，并用 ffmpeg 抽出音频丢到D:\duix_avatar_data\voice\data（Linux 在用户主目录下的同名目录），再走语音克隆训练。

成功标志："我的模特"列表里出现新建的模特条目，点开能看到形象和声音。

输入文案生成口播视频：数字人视频产出流程

选一个模特，进入视频编辑页，输入文案（首次建议 50 字以内），点生成。底层发生两件事：文本先经 TTS 变成你克隆音色的语音，再和模特视频合成口型。文案支持中、英、日、韩、法、德、阿、西 8 种语言。

成功标志：几分钟后作品列表出现新视频，播放时口型和语音对得上、没有明显错位。

想跳过界面直接调接口？往下看。

API批量调用与常见问题避坑清单

开放API批量生成口播视频

Docker 起来后，全部接口都挂在http://127.0.0.1上。批量生产时，写个脚本循环调视频合成接口：

# 提交合成任务（pn、chaofen 等固定参数参考 src/main/service/video.js） 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":"模特视频路径","code":"任意唯一值","chaofen":0,"watermark_switch":0,"pn":1}' # 用同一个 code 轮询进度 curl "http://127.0.0.1:8383/easy/query?code=你的code"

语音合成接口是http://127.0.0.1:18180/v1/invoke，完整参数结构参考 src/main/service/video.js 和 src/main/service/voice.js，里面就是现成的调用实现。

现象一句话，解法一句话

• 拉镜像失败 / context canceled：Docker Hub 官方源不稳定，Docker 配置里加国内registry-mirrors就行，见 doc/常见问题.md。
• 三个容器起不来或反复重启：九成是 N 卡驱动没装好或显存不够，先跑一遍nvidia-smi。
• 新增模特报错：素材视频里没有说话声，重录一段有声的。
• 训练报 Connection refused：ASR 服务启动比别的慢，服务端刚起完等几分钟再操作；16G 内存机器可能直接起不来。
• 生成进度长时间不动：服务端、客户端都更新到最新再试——服务端回deploy目录重跑docker-compose up -d，客户端拉最新代码重新构建；再去项目 Issues 搜一下，更新很频繁，很多坑已经被修了。
• N 卡 50 系列：换docker-compose-5090.yml启动。
• Ubuntu root 用户跑 AppImage 没反应：命令行加--no-sandbox启动。

最后交代一下文件都落在哪：数据根目录是duix_avatar_data（Windows 默认 D 盘，Linux 在用户主目录），face2face存模特视频和合成产物，voice存声音样本；目录映射写在 docker-compose 的 volumes 里，想换盘直接改。

到这里整套链路就通了：体检、起容器、录视频、建模特、跑第一条口播。建议下一步就按这个顺序真跑一遍，卡在哪一步回来翻对应的 FAQ；跑通之后想批量出片或者接入自己的工作流，再去翻开放 API 那一节。

【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