企业官网建设流程全解析

HeyGem.ai 数字人本地部署完整指南：3 步生成你的第一条 AI 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

HeyGem.ai（开源项目 Duix.Avatar）是一个能在你自己电脑上跑的数字人视频生成工具：上传一段 10 秒左右的视频，它会学会你的长相和声音，做出属于你的数字分身。之后你只需要输入一句话，或上传一段录音，它就能自动生成口型对得上的口播视频，全程离线，视频和声音都不用出你的机器。这篇文章带你走通 HeyGem.ai 本地部署的完整流程，从确认配置到排出最常见的坑。

开始本地数字人部署前，先对照硬件和磁盘空间

这个项目所有计算都在本地完成，所以硬件是硬门槛，装之前先对一遍：

• 显卡：必须是 NVIDIA 显卡，并且装好了最新的显卡驱动。没有独显的话，服务起不来，这是最常见的"白忙活"。
• 内存：32G 起步，低于这个数容易在生成视频时卡死。
• 磁盘：Windows 上需要 D 盘空余 30G 以上（存数字人和作品），C 盘空余 100G 以上（存 Docker 镜像）。C 盘不够也没关系，装完 Docker 后可以在设置里把镜像目录改到别的盘，如下图位置：

Ubuntu 22.04 用户同样需要 32G 内存、NVIDIA 显卡加驱动、100G 以上硬盘。配置不够也没关系，下文会讲一个更轻量的 lite 版本。

HeyGem.ai 三步快速启动：部署服务端、拉起客户端

整个部署就三个动作：把代码拿到手、把服务端容器跑起来、把客户端打开。

第 1 步：获取项目代码

git clone https://gitcode.com/GitHub_Trending/he/HeyGem.ai cd HeyGem.ai

第一条命令把项目克隆到本地，第二条进入项目目录。这个项目本身就是客户端源码，服务端由 Docker 提供。

第 2 步：启动服务端

进入项目里的deploy/目录，执行：

docker-compose up -d

这一条命令会拉取并启动三个服务：语音识别（ASR）、语音合成（TTS）、视频生成。首次运行要下载约 70G 的镜像，官方建议预留半小时以上，建议连 WiFi。Docker Desktop 里看到三个服务都变成 Running，就说明服务端就绪了。

第 3 步：启动客户端

回到项目根目录，先装依赖再启动：

npm install

安装客户端运行所需的全部依赖包。装完执行：

npm run dev

启动开发模式的客户端窗口。如果你不想自己跑源码，也可以直接去项目发布页下载打包好的安装程序（Windows 是 exe，Ubuntu 是 AppImage），双击就能用，效果一样。

先创建数字人，再产出口播视频：客户端完整用法

客户端首页就两个入口："Create Avatar"（创建数字人）和 "Create Video"（生成视频），使用顺序固定——先有人，再有片。

创建数字人（约 1 分钟上传，稍等训练）

1. 点右侧蓝色区域的 "Create Avatar"，上传一段你出镜说话的视频，10 秒左右即可。注意两点：画面里的人必须在说话，声音要清晰——程序要从这段声音里克隆你的音色，无声视频会直接报错。
2. 给数字人起个名字，提交后等待训练完成。成功后它出现在 "My Avatars" 标签页里，以后随时可以复用。

生成口播视频（输入一句话就能出片）

1. 点紫色区域的 "Create Video"，选择刚创建好的数字人。
2. 输入方式两种任选：直接打字，或上传一段现成音频。
3. 提交后系统自动合成语音（打字模式）并驱动数字人口型，完成后视频进入 "My Works" 列表，点开即可播放、下载。

脚本支持 8 种语言：中、英、日、韩、法、德、阿拉伯、西班牙语。客户端界面本身也支持中英文切换，在右上角设置里点 "Language switch" 即可：

进阶调优：更省的部署、新显卡适配和 API 批量调用

跑通之后，有三种方式可以让 HeyGem.ai 部署更贴你的场景。

配置不够？用 lite 版本

lite 版只跑一个视频生成容器，资源占用小很多，8G 显存也能用。在deploy/目录执行：

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

功能相同，适合显存和内存吃紧的机器。

用 50 系显卡？换专用配置

RTX 50 系（官方按 5090 测试通过）需要新版 CUDA 环境，deploy/目录里专门放了一份配置文件：

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

30、40 系显卡如果也升级到了 CUDA 12.8，同样可以用这份配置。所有配置文件都在 deploy 目录 下，打开就是能看懂的 YAML。

想做批量或集成？直接调开放 API

服务端启动后会在本机开放几个端口，你不需要经过界面就能调用，适合做批量生成或嵌进自己的系统：

• 视频合成：向http://127.0.0.1:8383/easy/submit提交音频加视频路径，拿回一个任务码，再用http://127.0.0.1:8383/easy/query?code=任务码轮询进度。
• 声音克隆与合成：http://127.0.0.1:18180上的接口，先对参考音频做预处理，再把文本合成成指定音色的语音。

请求参数和返回格式不用猜，客户端调用这些接口的代码就是现成示例，在 src/main/service/ 目录下按 model.js、video.js、voice.js 三个文件对着看即可。

本地部署最常见的 3 个坑，以及自诊办法

坑一：docker-compose 拉镜像失败，报 request canceled / connection refused

这是新手遇到最多的问题，根因是 Docker Hub 官方源连不上。解决办法是给 Docker 配国内镜像加速。Linux 用户在/etc/docker/daemon.json里加一段registry-mirrors配置即可：

Windows 用户同样在 Docker Desktop 的设置面板里编辑对应的 JSON 配置文件，改完重启 Docker 再重新执行docker-compose up -d。镜像源会随时间失效，配之前搜一下当前可用的地址。

坑二：创建数字人报错，其实是上传的视频不对

如果提交模特视频后失败，先检查素材：视频必须带声音、且画面里的人在说话。声音是克隆音色的原料，视频无声或只有背景音乐，训练必然失败。重录一段口播视频再传即可。

坑三：训练时报 Connection refused（连接被拒绝）

这个错的意思是某个后端服务没跑起来，去 Docker 里确认三个服务的状态，把挂掉的那个重启。如果反复重启仍失败，多半是显卡驱动问题——用nvidia-smi验证驱动是否正常输出显卡信息。真实的服务日志长这样，看到红色报错行基本就能定位到是哪个环节：

问题查不出来的自诊顺序

1. 看三个服务是否全部 Running，任何一个异常先修它。
2. 确认有 NVIDIA 显卡且nvidia-smi能正常显示，驱动不是一切的前提。
3. 把服务端和客户端都更新到最新版本，社区更新频繁，你的问题可能已经修了。
4. 翻一遍 常见问题文档，里面按现象整理了报错和对应解法。

提问前顺手把两边的日志各留一份：客户端在右上角设置点 "Open Log"，日志文件在用户目录的 heygem.ai/logs 里：

服务端日志直接在 Docker Desktop 里点开对应容器，右侧复制按钮一键导出：

收尾：部署完成，下一步做什么

到这里，你已经有了一个完全离线、可反复使用的数字人产线：一段 10 秒视频换一个人，一句话换一条口播视频。建议下一步这样做——先用 lite 配置验证全流程，再录一段 30 秒、语速平稳、光线均匀的素材练手，最后按需接入 API 做批量生成。硬件、配置、API 与排错的细节，随时回看 deploy 目录 和 常见问题文档。

【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