企业官网建设流程全解析

Duix.Avatar 数字人本地部署教程：三步生成口播视频

【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

Duix.Avatar 是一个开源数字人工具包：你只需要一段 10 秒左右的说话视频，它就能在本地完成形象和声音克隆，之后输入文字或上传音频，即可驱动这个数字人产出口播视频。本文按"环境自查 → 部署 → 出片"的顺序，走通它的本地部署全流程。

它能做什么

• 全离线：训练、合成全部跑在你自己的显卡上，素材不出本机
• 外貌 + 声音一次克隆：约 10 秒视频同时产出人物模型和声音模型
• 文字/音频双驱动：文字会先转成语音再驱动口型，也可以直接用现成音频
• 脚本支持 8 种语言：中、英、日、韩、法、德、阿、西

前置条件自查：动手前 6 项

部署：从零到服务跑通的 4 步

第 1 步：安装 WSL 与 Docker

Windows 上：

• wsl --list --verbose查看 WSL 是否已装，没有就执行wsl --install，再执行wsl --update更新
• 安装 Docker Desktop（按 CPU 架构选安装包），首次运行接受协议、跳过登录

Ubuntu 上（已装 Docker 的跳过）：

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

另外 Ubuntu 还需要装好 NVIDIA 驱动（nvidia-smi验证），并安装 NVIDIA Container Toolkit、用sudo nvidia-ctk runtime configure --runtime=docker配置运行时后重启 Docker，这一步照着 NVIDIA 官方文档走即可。

⚠️ 注意：wsl --update更新后可能需要重启电脑，先保存手头工作。

判断成功：docker --version能输出版本号。

第 2 步：获取项目代码

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

服务端配置在 deploy/ 目录下，Windows、Ubuntu、lite 精简版、5090 版各有一份 compose 文件。如果你打算自己从源码构建客户端才需要 Node.js 18；直接装官方构建的安装包可以不管它。

第 3 步：用 docker-compose 启动三个服务

cd deploy docker-compose up -d

这条命令会拉取并启动三个容器（docker-compose 是"一条命令编排多个容器"的工具）：

• duix-avatar-asr：语音识别服务，端口 10095
• duix-avatar-tts：语音合成服务，端口 18180
• duix-avatar-gen-video：视频合成服务，端口 8383

首次拉镜像约 70GB，预计 Wi-Fi 下半小时左右。按情况换文件即可：显存/内存紧张用docker-compose -f docker-compose-lite.yml up -d（只起视频合成一个服务）；Ubuntu 用docker-compose -f docker-compose-linux.yml up -d；50 系显卡或 CUDA 12.8 的 30/40 系显卡用docker-compose -f docker-compose-5090.yml up -d。

判断成功：docker ps显示三个服务都是 Running。下载期间别关终端，也没必要守着，该干嘛干嘛去。

第 4 步：安装客户端

到项目 Releases 页面下载官方构建的安装包：

• Windows：双击Duix.Avatar-x.x.x-setup.exe安装
• Ubuntu：双击Duix.Avatar-x.x.x.AppImage直接启动，免安装；若以 root 用户登录桌面双击打不开，在终端加--no-sandbox参数启动

判断成功：客户端能打开，首页出现 Create Video / Create Avatar 两个入口。

验证首个结果：先看服务，再出第一条视频

docker ps应看到三个服务全部 Running（lite 版只有 gen-video 一个）：

docker ps # NAME STATUS PORTS # duix-avatar-asr Running 10095:10095/tcp # duix-avatar-tts Running 18180:8080/tcp # duix-avatar-gen-video Running 8383:8383/tcp

然后打开客户端走一遍最小流程：

1. 点 "Create Avatar"，上传一段 10 秒左右、人在说话的正面视频，等模型训练完成
2. 点 "Create Video"，输入一段文字，数字人就会用克隆的声音说出这段话

补充一句：创建模型用的视频必须带人声——程序要用这段声音做声音克隆，只传无声画面会直接报错。

调优：最值得动的 3 个配置点

移动数据存储位置

Windows 的 compose 默认把模型和视频数据挂在d:/duix_avatar_data（Ubuntu 是~/duix_avatar_data），默认值对大多数人不用动。如果 C 盘空闲不足 100GB，把 Docker 的磁盘镜像位置换到空间更大的盘：Docker Desktop 右上角齿轮 → Settings → Resources → Advanced → Disk image location，选一个剩余 100GB+ 的目录，Apply & restart。

资源紧张就退到 lite 版

默认三服务（ASR + TTS + 视频合成）内存开销大。如果你的目标是"拿现成的音频 + 视频合成口播视频"，或机器内存只有 16GB 左右，直接用 lite 版 compose，只保留视频合成服务，资源占用小很多。

50 系显卡用专用 compose

50 系显卡（5090 实测）以及 CUDA 12.8 的 30/40 系显卡，要用docker-compose-5090.yml这份基于 torch 预览版的配置。💡 这两类卡遇到 GPU 相关报错时，先换这份文件重启再排查其他问题。

两个能直接上手的场景

场景一：企业代言人口播视频

• 素材：代言人正面讲话视频 10–15 秒，收音干净、背景无噪音
• 设置：先克隆模型，再用文字模式贴入宣传文案
• 产出：形象与声音都属本人的口播视频，换文案可反复生成

场景二：一门课多语言版本

• 素材：讲师正面视频一次，声音模型一份
• 设置：脚本支持 8 种语言，按目标语言分别生成
• 产出：同一节课的中、英、日等多语言口播视频

快速排错：4 个高频问题

1.docker-compose up -d报 request canceled / Client.Timeout→ 最可能原因：Docker Hub 官方源连接不稳定。 → 一步修复：在 Docker Engine 的 daemon.json 里加registry-mirrors国内镜像源，Apply & restart 后重跑。

2. 三个容器始终不是 Running→ 最可能原因：没有 NVIDIA 显卡或驱动没装好——本项目全部算力在本地 GPU。 → 一步修复：跑nvidia-smi确认能列出显卡，装好驱动后再重启容器。

3. 新增模特报错 / 日志里刷 "file not exists"→ 最可能原因：上传的视频没有声音，或声音不是人说话。 → 一步修复：重新上传一段人在清晰讲话的视频。

4. 定制模特报 Connection refused→ 最可能原因：ASR 服务启动较慢，服务端刚起就来克隆；内存过小（16GB）也可能起不来。 → 一步修复：服务端启动后等几分钟再操作，内存不够就先升级。

📌 排查时先取日志：客户端右上角设置里点 "Open Log" 找到main.log；服务端点开对应 Docker 服务的 Logs 标签页复制报错段落，再对照 常见问题 搜。

写在最后

到这里，数字人本地部署已经闭环：三个服务跑起来，客户端上传 10 秒视频训出模型，文字进、口播视频出，全程离线。更多端口与接口细节可看 README_zh.md 和 常见问题。

【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