Duix.Avatar 本地部署教程免费开源 AI 数字人 10 秒克隆口播视频【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-AvatarDuix.Avatar 是一款免费开源的数字人视频生成工具上传一段 10 秒左右的视频即可完成形象和声音克隆之后输入文案就能离线生成口型匹配的播报视频。全文带你完成 Duix.Avatar 的本地部署、功能上手与常见故障排查全程数据不出本机。一、先算账本地部署数字人替你省下什么三类被贵、慢、不敢用卡住的团队内容团队商业数字人制作动辄数万元起在线平台按次计费一条口播视频的成本会随产量线性上涨对隐私敏感的机构律所、医院、企业内部传统方案要先把人脸视频传到云端处理敏感素材出网本身就是风险点想深度定制的开发者闭源服务只开放参数调节算法与流程黑盒无法按业务改造。Duix.Avatar 把「外貌建模 声音克隆 视频合成」三个环节全部搬进本地 Docker 容器可理解为把三个 AI 工具分别装进独立房间各管一段流水线数据不经过公网传输成本只剩一次性的硬件投入。维度Duix.Avatar 本地部署在线数字人平台传统 3D 建模方案费用软件免费商用授权宽松按次/按席位收费数万元起步数据流向完全离线文件不出本机素材需上传云端依赖外包方定制深度开源代码可改开放训练/合成 API仅限参数调节高但周期以月计硬件门槛NVIDIA 显卡 32GB 内存无要求无要求但需建模人力三个核心能力各解决什么问题声音克隆从视频音轨里提取你的声纹之后任何文案都能用你的声音念出来。好比把声音做成一张可反复使用的语音名片念什么都是你的音色。外貌建模从视频中学习五官与口型变化规律合成新播报画面时人脸保持一致。类似老式翻模工艺——翻一次模之后批量复制都基于同一个底样。口型驱动把生成的语音逐帧对齐到面部动作上画面嘴型跟着文字节奏走相当于给数字人配了一位专职对口型师。二、Windows 与 Ubuntu 环境五步跑通 Duix.Avatar 服务端硬件与系统要求先过一遍项目要求CPU第 13 代 Intel Core i5-13400F 或同级内存32GB 及以上硬性要求显卡NVIDIA 显卡官方测试配置 RTX 4070并装好驱动磁盘WindowsC 盘 ≥100GB、D 盘 ≥30GBUbuntu空闲 ≥100GB系统Windows 10 19042.1526 以上Ubuntu 22.04 Desktop内核 6.8.0-52-generic 已验证⚠️ 硬性前提必须配备 NVIDIA 显卡并正确安装驱动。项目全部算力在本地 GPU 上运行没有英伟达显卡三个容器服务无法启动。五步部署步骤含必要命令拉取项目代码git clone https://gitcode.com/GitHub_Trending/he/Duix-Avatar装好 Docker。Windows 上先执行wsl --install安装 WSL再安装 Docker DesktopC 盘不足 100GB 时在 Docker Desktop 的 Resources 设置里把镜像存储改到空间充足的磁盘。Ubuntu 上执行sudo apt install docker.io docker-compose随后安装 NVIDIA 驱动与 NVIDIA Container Toolkit并用sudo nvidia-ctk runtime configure --runtimedocker让 Docker 识别 GPU。启动服务端容器进入项目的 deploy/ 目录按系统选择对应编排文件Windows 完整版docker-compose up -dWindows 轻量版只含视频合成服务docker-compose -f docker-compose-lite.yml up -dUbuntudocker-compose -f docker-compose-linux.yml up -dNVIDIA 50 系显卡docker-compose -f docker-compose-5090.yml up -d耐心等待镜像下载首次启动约需半小时会拉取 70GB 左右的 Docker 镜像建议连接 WiFi。安装客户端使用官方构建的安装包Windows 双击Duix.Avatar-x.x.x-setup.exe安装Ubuntu 直接运行Duix.Avatar-x.x.x.AppImageroot 用户需追加--no-sandbox参数。⚠️ 国内网络拉取镜像容易超时请在 Docker 设置Docker Engine中配置国内镜像源后再执行启动命令。两个验证手段Docker 界面应显示三个容器均为 Running 状态lite 版只有一个Duix.Avatar-gen-video启动客户端确认首页我的作品 / 我的数字人列表能正常加载说明客户端与本地服务握手成功。三、架构拆解三容器加一个客户端的分工服务端一条家庭录音棚流水线docker-compose.yml 定义了三个容器端口与职责如下容器镜像本地端口职责duix-avatar-asrguiji2025/fun-asr10095语音识别ASR把你上传视频里的话转成文字duix-avatar-ttsguiji2025/fish-speech-ziming18180声音克隆与语音合成duix-avatar-gen-videoguiji2025/duix.avatar8383视频合成让口型跟语音逐帧对齐类比一条小型录音棚流水线ASR 负责听写先搞清楚原视频说了什么TTS 负责录音用你的声音新录任意文案视频合成服务负责后期把声音与画面拼成成片。三个环节串行缺哪一环都出不了片。客户端Electron 桌面应用客户端基于 Electron Vue 3见 electron.vite.config.mjs源码结构src/main/service/对接本地服务端的训练、视频、声音三类 API是客户端与容器的接线板src/db/用 SQLite 在本地维护模特与作品记录src/util/ffmpeg.js调用 FFmpeg 完成音视频预处理src/renderer/src/i18n/中英双语文案。合成接口暴露在http://127.0.0.1:8383/easy/submit语音合成在http://127.0.0.1:18180/v1/invoke全部走本地回环地址——这也是全离线三个字的工程含义网络请求的终点仍是这台机器自己。四、功能上手从 10 秒视频到第一条口播10 秒视频创建你的数字人模特准备素材约 10 秒正面出镜视频要求光线充足、背景简单、面部无遮挡且全程有人声在客户端首页点击「创建数字人」Create Avatar上传该视频等待服务端自动完成声音特征提取与外貌建模新模特随即出现在我的数字人列表。生成第一条口播视频在首页选择刚建好的数字人进入「短视频制作」输入播报文案或直接上传音频确认合成参数后提交服务端依次调用 TTS 与视频合成服务完成后成片进入我的作品可播放与导出。⚠️ 新手最常踩的两个坑其一创建模特的视频必须带人声无声素材会直接报错声音克隆全靠它其二戴帽子、墨镜或侧脸角度过大会削弱面部特征捕捉成片相似度下降。五、适用人群个人、团队、行业各能拿它做什么个人创作者自媒体博主做一人多角同一个形象分饰采访者与被访者省去找演员多语言复用同一份文案批量输出中、英、日等 8 种语言的播报版本文案层支持 8 种语言一次拍摄多份产出。内容团队系列化栏目批量生产更换文案即可换片口播、教程、回顾视频共用一个数字人形象对外交付物培训资料、产品介绍不出公司内网规避素材外传合规问题。行业应用教育虚拟讲师为不同知识点批量生成讲解视频录制一次声音即可长期迭代医疗健康科普数字人替代真人出镜降低反复拍摄的院感与时间成本文旅虚拟导游视频可按季节、路线快速翻新更新内容不用重新拍摄。六、排障清单与社区参与现象 → 检查项 对照清单三个容器起不来 / 反复重启执行nvidia-smi确认驱动正常确认磁盘空间Windows 的 C 盘 ≥100GB、D 盘 ≥30GB到 deploy/ 重新执行docker-compose up -d拉到最新服务端。拉取镜像超时request canceled / context canceled在 Docker Engine 配置中追加国内registry-mirrors镜像源后重启 Docker。新建模特报错检查视频是否带人声、是否有人说话——声音克隆依赖这段音频。生成任务卡住确认三个容器均为 Running再分别取两端日志客户端日志在AppData\Roaming下项目目录的logs/main.log服务端日志在 Docker Desktop 对应容器的 Logs 页复制。完整问题库见 doc/常见问题.md。参与社区提问前先按 常见问题 自查并按模板附问题描述与双端日志社区处理更快直接提交 bug 修复或功能改进的 PR撰写部署教程、实战案例参与官方开源共创计划反馈真实使用场景中的需求帮助优先级排序。【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
