企业官网建设流程全解析

10秒视频克隆数字人：Duix.Avatar 免费本地 AI 数字人克隆完整指南

【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

做口播视频要布景、打光、录制、再剪辑，文案一改就得重来。Duix.Avatar 解决的就是这个问题。它是一款完全免费开源的 AI 数字人克隆工具，用一段 10 秒的视频就能克隆出你的形象和声音。之后你只需输入文案，或上传一段音频，就能生成一条口型对齐的口播视频。

整个过程都在你自己的电脑上离线运行。视频素材和声音数据不会离开这台机器。代码完全开放，你可以自由修改、扩展，也可以参与社区共建。硬件要求是一张 NVIDIA 显卡加 32GB 内存，部署和首次上手大约 30 分钟。

它适合内容创作者、教师、企业市场团队，也适合想折腾数字人的个人用户。下文按"自检 → 部署 → 生成 → 排错"的顺序写，你可以直接跟着做。

先自检：你电脑要满足的 4 项硬件条件

这 4 项里缺任何一项，都别急着部署，三个核心服务起不来。

• 显卡：必须是 NVIDIA 显卡，30、40、50 系列都可以，驱动要装好。这个项目的算力全在本地，没有 N 卡服务直接跑不了。
• 内存：官方推荐 32GB 起步，参考配置是 i5-13400F 加 RTX 4070。
• 硬盘：服务镜像要 100GB 以上空间，数据目录再留 30GB 存放数字人文件。
• 系统：Windows 10（19042.1526 及以上）或 Ubuntu 22.04。

磁盘空间不够时改镜像位置

C 盘空闲不足 100GB 不必重装系统。装完 Docker 后，在 Settings → Resources → Advanced 里点 Browse，把磁盘镜像位置挪到空间够的盘。

部署前先验证显卡驱动

终端输入nvidia-smi，能看到显卡型号和驱动版本就没问题。命令报错或找不到，先装驱动。驱动没装好是"服务起不来"的头号原因。

30 分钟完成部署：3 个 Docker 服务加 1 个客户端

服务端是 3 个 Docker 镜像，客户端是 1 个安装包，全程约 30 分钟，一半时间在下载镜像。

先装 Docker

• Ubuntu：终端执行docker --version，有版本号就跳过。没有的话按顺序装 3 个包，命令见下方代码块。
• Windows：用wsl --list --verbose检查 WSL，用wsl --update更新，再装 Docker Desktop，首次启动接受协议。

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

一条命令拉起 3 个服务

三个服务分工明确。一个做语音识别（ASR，基于 fun-asr），一个做语音合成（TTS，基于 fish-speech），一个做视频合成，也就是数字人视频生成引擎。后面讲 API 时，这三块能力会原样开放出来。

1. 克隆仓库（地址https://gitcode.com/GitHub_Trending/he/Duix-Avatar），找到 部署配置 所在的deploy目录。
2. 在该目录执行docker-compose up -d。下载约 70GB，建议连 WiFi，耐心等约 30 分钟。
3. Docker 里看到 3 个服务运行中即成功。精简版换docker-compose-lite.yml，只有 1 个视频生成服务。

安装客户端

• Windows：下载官方构建的安装包，双击Duix.Avatar-x.x.x-setup.exe安装。
• Ubuntu：AppImage 直接双击运行。root 用户下打不开时，在终端加--no-sandbox参数启动。

10 秒视频的克隆流程：建数字人并生成第一条口播视频

两步完成：先上传 10 秒视频克隆形象和声音，再输入文案生成口播视频。

上传 10 秒视频，同时克隆形象和声音

• 素材要求：人脸清晰、说话声音清楚，10 到 20 秒最合适，太短提取不到足够特征。
• 在主界面点"Create Avatar"上传后，系统自动提取面部特征和声音特征，耗时几分钟，取决于显卡。
• 训练完成后，模型出现在"My Avatars"列表里。

输入文案或上传音频，生成口播视频

• 选中数字人模型，输入文案或上传音频文件，点生成即可。
• 文案支持 8 种语言：中、英、日、韩、法、德、阿拉伯、西班牙。客户端界面本身也可以切换语言。
• 几分钟后口播视频出现在"My Works"里，口型自动对齐。

排查 4 类高频问题：从镜像到进度卡住

你遇到的问题大概率是这 4 类，FAQ 里都有对应解法。

问题一：服务起不来，查驱动和端口

• 用nvidia-smi确认显卡被识别，三个服务都依赖 N 卡。
• 确认 8383、18180 端口没被其他程序占用，被占就关掉占用程序或改端口映射。
• 确认服务端和客户端都是最新版本。社区更新频繁，你的问题可能已经被修掉。

问题二：镜像拉取失败，配置镜像源

部署阶段最常见的失败是 Docker Hub 连接不稳定，镜像下载中断。解决办法是在 Docker 设置里加镜像源：打开 Docker Engine 配置，在registry-mirrors字段填入可用的镜像地址，然后应用并重启。

问题三：生成进度卡住，先看 tts 日志

进度卡在 20% 通常是音频处理环节出问题。在 Docker 里打开 3 个容器的日志，重点看语音合成（tts）服务。最高频的报错是File not exists，指向音频文件路径问题。一般重启该服务，或检查音频文件的路径和权限就能恢复。

客户端侧的日志也不难找：客户端右上角设置菜单里有"Open Log"，或者直接在 logs 目录里找main.log文件。

图形界面之外：3 个本地 API 与批量生成

当界面点不过来时，3 个本地 API 就是答案，全部通过 127.0.0.1 访问。

• 模型训练 API：上传 10 秒视频，拆出无声视频和音频，返回后续合成要用的参考参数。
• 音频合成 API：监听 18180 端口，传入文案和训练返回的参考音频，输出数字人语音。
• 视频合成 API：监听 8383 端口，传入音频与视频路径提交任务，再按任务码查询进度。

具体请求参数写在 API 实现代码 里。model.js、video.js、voice.js 三个文件分别对应一项能力，照着写请求就行。

批量生成：把 API 排进队列

一次要出几十条口播视频时，别逐条点界面。写个脚本循环调用这 3 个 API：先克隆模型，再逐条合成语音，最后提交视频任务。系统会自动管理任务队列，这就是本地数字人视频生成的批量做法。

这类工具最适合谁用

四类人，按使用频率排序。

• 内容创作者：不露脸也能产出口播视频，保住更新频率。8 种语言支持让你用同一份文案出多语言版本。
• 教育：做数字人讲师，把讲义转成课程视频，形象统一，重复课程不用反复出镜。
• 企业：品牌代言、产品介绍、客服口播，数字人 7x24 小时在岗。
• 个人用户：纪念视频、祝福视频，门槛就是一条 10 秒的录像。

想动手的话，克隆仓库https://gitcode.com/GitHub_Trending/he/Duix-Avatar，照部署章节一步步做，或直接下载客户端安装包。遇到问题先查项目里的 FAQ 文档，还卡住就去项目 Issues 区提问，社区更新很快。

【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