企业官网建设流程全解析

10秒视频克隆数字人：免费完整本地部署Duix.Avatar数字人视频生成

【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

你想让自己的脸和声音出镜讲视频，但外包 3D 建模又贵又慢，网上服务又担心素材隐私。Duix.Avatar 是免费开源、全离线运行的 AI 数字人工具包：上传约 10 秒视频即可克隆外貌与声音，输入文案自动生成口型同步的口播视频。全程只需 3 个 Docker 服务，镜像下载约 70GB，支持 8 种语言。

它凭什么值得用

先看传统 3D 数字人制作与本项目本地部署的差距，表中数字全部来自项目官方文档：

对个人和中小团队，最实在的变化是：不用采购 GPU 服务器，不用养 3D 团队，一台装了英伟达显卡的 Docker 机器就能跑。

原理速览

Duix.Avatar 本质是三个模块串联，看明白数据怎么流转，你就看懂了这个项目。

1. 声音克隆：从 10 秒音频到无限同音色输入：你 10 秒视频里提取的人声（客户端自动把视频分离成静音视频+音频，音频放入D:\duix_avatar_data\voice\data）。 处理：fun-asr 服务（ASR，自动语音识别，把语音转成文字）先把这段音频转写成文本，fish-speech 服务再基于"音频+文本"训练出参考音频 reference_audio 与参考文本 reference_text。 输出：之后任意文案送进合成接口http://127.0.0.1:18180/v1/invoke，就得到同音色的 wav 音频。调用细节见 src/main/service/voice.js。

2. 口型视频合成：从音频到口播视频输入：上一步的 wav + 你的数字人视频。 处理：duix.avatar 容器（本地 8383 端口）根据音频的节奏与语调驱动口型与表情。 输出：http://127.0.0.1:8383/easy/submit提交任务，/easy/query?code=...轮询进度，最终拿到口型对齐的视频。实现参考 src/main/service/video.js。

3. 全本地编排deploy/docker-compose.yml 定义三个容器：duix-avatar-tts（18180）、duix-avatar-asr（10095）、duix-avatar-gen-video（8383），全部跑在本地英伟达显卡上。客户端是 Electron + Vue 应用（依赖 Node.js 18），模特与作品数据全部落在D:\duix_avatar_data，没有任何数据外发。

上手实测

以下流程以 Windows 为例，Ubuntu 22.04 用户只需替换服务端启动命令。

第 1 步：拉取代码并检查硬件

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

你会看到：当前目录多出一个Duix-Avatar文件夹，内含deploy/、src/子目录。动手前确认：Windows 10 19042.1526+ 或 Ubuntu 22.04（官方已验证内核 6.8.0-52-generic）；装好 Node.js 18；执行nvidia-smi能看到显卡（没有英伟达显卡和驱动，三个服务起不来）；C 盘留 100GB 给镜像、D 盘留 30GB。

看到request canceled while waiting for connection报错 → 通常是 Docker Hub 官方源连接不稳 → 按 doc/常见问题.md 的指引，在 Docker 的 daemon.json 里加 registry-mirrors 镜像源并重启。

图：在 Docker Desktop 的 Settings → Docker Engine 中配置国内镜像源，解决拉镜像超时

第 2 步：启动三个服务端

cd deploy docker-compose up -d

Ubuntu 用户改为执行docker-compose -f docker-compose-linux.yml up -d；50 系显卡用docker-compose -f docker-compose-5090.yml up -d（官方 5090 测试通过，30/40 系 CUDA 12.8 也可用）。

你会看到：约半小时后（70GB 下载，建议连 WiFi），Docker 中出现 duix-avatar-tts / duix-avatar-asr / duix-avatar-gen-video 三个服务且全部 Running。只需要视频合成服务时可用 lite 版，只起一个 duix-avatar-gen-video。

定制模特时看到[Errno 111] Connection refused→ 通常是 ASR 服务启动慢 → 服务端起来后等几分钟再试；若机器内存偏小（16G），可能根本起不来（来源：doc/常见问题.md）。

第 3 步：安装客户端，进入主界面

双击Duix.Avatar-x.x.x-setup.exe安装（到项目 release 页下载对应系统安装包）；Ubuntu 直接双击 AppImage 运行，无需安装，root 用户需加--no-sandbox参数启动。

你会看到：主界面顶部是 "Create Video" 与 "Create Avatar" 两个大入口，下方是 "My Works / My Avatars" 列表。

图：客户端主界面，左侧管理作品与数字人模特，顶部进入视频创建与形象克隆

客户端一直报连不上服务端 → 通常是三个服务未全部 Running 或 18180/8383 端口未放行 → 回到/deploy目录重新执行docker-compose up -d。

第 4 步：克隆数字人，产出第一条视频

点击 "Create Avatar" 上传 10 秒视频，等训练完成；再点 "Create Video"，选形象、输入文案（或上传自己的音频），点击生成。

你会看到："My Avatars" 出现形象卡片，合成完成后 "My Works" 里可以下载口播视频。

新增模特时报错 → 通常是视频没有声音或不是人在说话（程序要用这段声音做声音克隆）→ 重新录一段有人声、单人出镜的清晰视频（来源：doc/常见问题.md）。

真实场景

场景一：企业内训 / 合规宣导视频需求：批量产出标准化口播视频，且培训素材与内部口径不能流到任何云服务。 关键配置：按 deploy/docker-compose.yml 完整部署三个容器，模特与作品数据统一放D:\duix_avatar_data，官方推荐配置为 i5-13400F + 32G 内存 + RTX 4070。 效果数据：每个模特只需 10 秒视频素材，文案支持 8 种语言，全程离线、无按次收费。

场景二：自媒体口播量产需求：用数字人替身批量产出口播内容，声音稳定不翻车。 关键配置：小量用客户端点选即可；要搭流水线就直连两个 API——http://127.0.0.1:18180/v1/invoke合成音频、http://127.0.0.1:8383/easy/submit合成视频，参数示例都在 README 的"开放 API"一节。 效果数据：商用免费（用户量超 10 万或年营收超 1,000 万美元需签商业许可），不限量次、不收月费。

进阶与求助

二次开发入口：

• 模特训练逻辑：src/main/service/model.js
• 视频合成逻辑：src/main/service/video.js
• 界面组件（Vue）：src/renderer/src/views

性能调优参数：deploy/docker-compose.yml中视频合成服务的shm_size: '8g'控制共享内存大小，环境变量PYTORCH_CUDA_ALLOC_CONF=max_split_size_mb:512控制显存分配策略，按你的内存与显存余量调整。

排查顺序：① 确认三个服务是否全部 Running；②nvidia-smi检查显卡驱动；③ 客户端右上角设置菜单 → Open Log 取客户端日志；④ 点开对应 Docker 容器复制关键报错堆栈，对照 doc/常见问题.md，或直接提交到项目 issue 页面。

图：客户端右上角设置菜单里点 Open Log，即可拿到客户端日志

图：Docker Desktop 中点开容器查看 TTS 服务日志，把关键报错堆栈复制到 issue

Duix.Avatar 目前能基于 10 秒视频，全离线克隆外貌与声音，并生成 8 种语言、口型同步的口播视频。下一步：在deploy目录跑一次docker-compose up -d，然后上传你第一段 10 秒视频。

【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