企业官网建设流程全解析

Duix.Avatar 免费开源数字人完整教程：10秒视频克隆形象，离线生成口播视频

【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

做一条数字人口播视频，传统方案要么按条收费，要么把真人素材上传到云端，成本和隐私都让人纠结。Duix.Avatar 是一个完全开源免费的 AI 数字人工具包，在本地离线完成形象与声音克隆：提交一段约 10 秒的真人视频即可得到数字分身，再输入文案或上传音频，就能自动生成口型同步的播报视频。

它适合谁，能替你做什么

• 内容创作者：一个人、一台电脑就能产出数字人口播内容，不用再出镜、补拍和剪后期。
• 企业用户：素材和成片都在内网机器上生成，全程不联网，降低数据外泄风险。
• 开发者：项目开放了模特训练与视频合成的本地接口，可以把数字人能力直接嵌进自己的业务系统。

部署实操：把三个服务跑起来

Windows 一键部署步骤

先确认硬件满足条件，再动手装环境。

系统要求

• Windows 10 19042.1526 或更高版本
• 必须有 D 盘：存放数字人、作品等数据，空闲空间大于 30G
• C 盘存放 Docker 镜像，空闲大于 100G；空间不够时，装好 Docker 后在设置里把磁盘位置改到别的分区

推荐配置：i5-13400F、32G 内存、RTX 4070。必须有 NVIDIA 显卡且驱动安装正常，这是硬性条件。

安装步骤

1. 拉取项目代码：

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

2. 检查并更新 WSL（未安装过就先用wsl --install装一下）：

wsl --list --verbose wsl --update

3. 安装 Docker for Windows，按 CPU 架构选择对应安装包。
4. 在仓库的deploy目录启动服务端，首次拉取约 70G 流量，建议连 WiFi 耐心等待：

cd deploy docker-compose up -d

看到 Docker 中出现 3 个服务且全部 Running 即部署成功。磁盘紧张可改用精简版，只启动一个Duix.Avatar-gen-video服务：

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

5. 50 系显卡（5090 已测试通过，30/40 系 CUDA 12.8 用户也可用）换用专用编排文件：

docker-compose -f docker-compose-5090.yml up -d

6. 客户端从官方构建的发布页下载安装包，双击Duix.Avatar-x.x.x-setup.exe完成安装。

Ubuntu 22.04 部署步骤

Ubuntu 版本已完成 22.04 Desktop（内核 6.8.0-52-generic）适配验证，客户端界面支持英文。推荐配置同 Windows（i5-13400F / 32G 内存 / RTX 4070 / NVIDIA 驱动），另需硬盘空闲大于 100G。

1. 检查 Docker，没装过就补装：

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

2. 按 NVIDIA 官方文档安装显卡驱动，执行nvidia-smi能显示显卡信息即成功；再安装让 Docker 调用 GPU 的 NVIDIA Container Toolkit：

sudo apt-get install -y nvidia-container-toolkit sudo nvidia-ctk runtime configure --runtime=docker sudo systemctl restart docker

3. 启动 Linux 版服务端：

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

4. 客户端下载 Linux 版 AppImage，双击即可运行；root 用户需加参数：

./Duix.Avatar-x.x.x.AppImage --no-sandbox

核心流程上手 🎬：从克隆形象到导出成片

整条链路分三步：训练模特 → 驱动形象 → 导出成片。

数字人模特训练入口在哪

入口在客户端首页的快速定制（Create Avatar）卡片。输入一段约 10 秒的真人说话视频，程序会自动分离出静音视频与音频，分别用于形象克隆和声音克隆。提交后得到一个可反复使用的数字模特，脚本支持中、英、日、韩、法、德、阿拉伯、西班牙语八种语言。

怎么驱动数字人开口说话

入口是首页的短视频制作（Create Video）卡片。左侧选择已训练好的模特，中间实时预览，右侧填写内容：可以直接输入文案，由系统转成语音驱动口型；也可以直接上传音频文件，数字人会按语音的节奏和语调做动作与表情变化。

成片在哪导出

合成完成后，视频自动进入我的作品列表，支持查看、保存和删除；多个模特可在客户端内统一管理，按场景随时切换。

接入与扩展 ⚡：开放 API 与选型建议

服务端启动后，接口通过http://127.0.0.1在本地暴露。完整调用逻辑可参考src/main/service/model.js、src/main/service/video.js、src/main/service/voice.js三个文件。

模型训练接口

先把视频分离为静音视频 + 音频，音频放入约定目录（与语音合成服务约定，可在 docker-compose 中修改）：

D:\duix_avatar_data\voice\data

再调用预处理接口，把音频转成克隆所需的参考信息：

http://127.0.0.1:18180/v1/preprocess_and_tran

返回中的asr_format_audio_url和reference_audio_text要保存下来，后续合成要用。

音频合成接口

http://127.0.0.1:18180/v1/invoke

传入上一步的参考音频、参考文本和要合成的文案，即可输出克隆音色的语音文件。

视频合成接口

提交合成任务：

http://127.0.0.1:8383/easy/submit

用任务 code 轮询进度（GET 请求，taskCode即提交时的code值）：

http://127.0.0.1:8383/easy/query?code=${taskCode}

本地部署还是 API 服务？怎么选

判断标准很简单：自己玩、想改代码选本地部署；要上线、要省心选 API 服务。

遇到问题，先按这份清单自查 🔧

1. 服务是否全部 Running：在 Docker 里确认 3 个服务的状态（精简版只需 1 个），任何一处在重启，后面都会卡住。
2. 显卡与驱动是否就位：执行nvidia-smi看能否输出显卡信息。本项目算力全部在本地，没有 NVIDIA 显卡或驱动，服务根本起不来。
3. 镜像拉取超时、连接失败：Docker Hub 官方源不稳定，在 Docker Engine 配置中加入国内镜像源（registry-mirrors）后重试。

4. 克隆形象报错：素材视频必须有人在说话，否则声音克隆无从下手；若报Connection refused，多为语音识别服务启动慢，等服务几分钟再试，内存只有 16G 的机器可能直接起不来。
5. 先更新、留好日志再提问：项目更新频繁，先确认服务端（重新docker-compose up -d）和客户端都是最新版。排查时保留两份日志：客户端在右上角设置菜单点打开日志，定位到main.log；服务端在对应容器日志页点击复制。

写在最后

Duix.Avatar 把原本昂贵的数字人生产线搬进了本地机器，开源社区的持续迭代还会不断降低它的门槛。建议先按本文完成一次完整部署，遇到问题查阅 常见问题，并阅读 LICENSE 了解商用授权边界。

【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