Duix.Avatar 如何把一段10秒视频变成成片口播：数字人专家完整指南-港品优选

Duix.Avatar 如何把一段10秒视频变成成片口播：数字人专家完整指南

【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

"做一条数字人视频"听着简单，真正卡在门槛上的从来不是算法，而是工程：租 GPU 服务器、把真人形象和声音传到云上（隐私问题）、按分钟计费；想在本地自己搭，又得把 ASR、语音合成、口型驱动三段服务手动串起来，漏一环整条链路就断。Duix.Avatar 解决的就是这个痛点——一个完全开源、完全离线的数字人工具箱：提交一段 10 秒左右的视频即可完成形象与声音克隆，输入文案后自动产出口播视频，全部算力跑在自己机器上。

🎯 为什么需要它

项目结构分两层：/deploy下的三个 Docker 容器是引擎房——ASR、语音合成、face2face 口型驱动各管一段算力；src/main/service/主进程服务层是"数字人专家"——它自己不跑模型，但决定每个请求去哪个服务、什么时候轮询、失败时怎么办。你只和客户端打交道，它负责把编排做完。

🔗 跟一条完整链路走一遍

拿最能代表它能力的任务来说：

你只需要对它说："把这段 10 秒视频克隆成数字人，让他念一段文案。"

输入只有三样：一段 10 秒视频、一个名字、一段文案。整条链路如下：

toH264() → extractAudio() → preprocess_and_tran() → makeAudio4Video() → makeVideoByF2F() → loopPending()

处理分两段。第一段是克隆：专家先用 ffmpeg 把视频统一转成 H.264，再抽出音轨转成 wav，调语音服务的训练接口拿到两个声音参考参数，供之后所有语音合成复用；形象与声音写入本地数据库，才算克隆完成。第二段是合成：文案先经 TTS 变成语音（用户若上传了自己的录音则直接采用），再为任务生成唯一编号，把语音和形象视频提交给 face2face 服务，状态置为 pending。

输出端：客户端每 2 秒轮询一次查询接口，成功后用 ffmpeg 读出成片时长并回填作品列表，可直接预览、导出。

边界处理同样明确：整条链路走单一队列，一次只合成一个任务；任何一步报错，状态直接标 failed 并把服务端原始报错写进记录，不会挂死；TTS 请求参数全部固定默认值，不允许手调。

✅ 让它不出错的几条内置规则

一套状态机 + 一个队列：每个视频任务固定走 draft → waiting → pending → success / failed，轮询器每轮只取队首的 pending 任务，GPU 不会被两个任务同时抢占，作品列表里的顺序就是真实执行顺序。
凭证据判成功：查询接口返回成功码且状态为"生成完成"才判成功，再回读时长入库；其余一切码值一律标 failed 并保留服务端原始报错——没有证据不下结论。
参数固定不漂移：TTS 的合成参数（temperature、topP 等）全部写死默认值，用户只提供文案与声音，传参由专家兜底，结果可复现。

🚫 它不碰什么、交给谁

专家只编排，不跑模型：face2face 口型驱动算法在 duix.avatar 服务端镜像里，ASR 与语音合成分别在 fun-asr、fish-speech-ziming 服务里，涉及算法改动的需求不接手 → 转交给对应的服务端镜像。例如"我想换一种口型效果"，它给出的只有交接规格——把语音和形象视频路径传到位，合成本身由 face2face 服务负责。

📁 相关路径

deploy/：三套服务端启动配置（标准 / lite / 5090）
src/main/service/video.js：合成队列与轮询的完整逻辑
doc/常见问题.md：服务状态、显卡与日志的自查清单

🚀 怎么用起来

git clone https://gitcode.com/GitHub_Trending/he/Duix-Avatar
在/deploy目录执行docker-compose up -d，等三个服务全部 Running（镜像下载约 70G 流量；NVIDIA 50 系显卡改用docker-compose-5090.yml，Ubuntu 22.04 用docker-compose-linux.yml）
启动客户端，上传 10 秒视频完成形象克隆，再填一段文案点击生成，成片会出现在作品列表里

数字人真正的门槛从来不在模型，而在模型背后的编排——这位专家把三个服务收拢成一条可信任的流水线：输入永远是一段视频，输出永远是一句成片，中间每一步状态可查。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

企业官网建设流程全解析