Duix.Avatar 数字人本地部署指南：10 秒视频克隆形象，一条命令跑通离线视频生成

Duix.Avatar 数字人本地部署指南：10 秒视频克隆形象，一条命令跑通离线视频生成

【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

想要做一个会说话的数字人口播视频，又不想把素材交给任何云端？Duix.Avatar 是一个真正开源的 AI 数字人工具包，主打全离线视频生成与数字人克隆：提交一段 10 秒左右的视频，形象和声音就能一起克隆；之后输入文案或上传音频，它会自动产出唇形同步的口播视频。整个过程跑在你自己的机器上，素材不经过任何服务器。

先说清楚：隐私和成本，是它存在的理由

大多数数字人平台的玩法是：上传素材到对方服务器，按生成时长付费，效果好不好看运气。如果你的场景涉及敏感素材（内部培训、客户内容、医疗法律话术），或者想长期批量产出视频，这套"交素材+付月租"的模式迟早会卡住你。

Duix.Avatar 的取向相反：克隆和合成全部在本地完成，不联网也能跑。你会问，代价是什么？代价就是你的机器得扛得住——所有算力压在本地，这意味着显卡、内存、磁盘都有门槛。下面两节先把"它是什么"和"机器要什么配置"讲透，再动手也不迟。

拆开看它是什么：客户端 + 三个 Docker 服务

整个系统分两层。一层是桌面客户端（Electron 写的图形界面），负责建模型、写文案、看进度；另一层是三个 Docker 服务，各管一段流水线：

流水线串起来就是：10 秒样例视频先拆成静音视频 + 音频，ASR 把音频转成文本，TTS 拿它当声音样本，最后视频合成服务对着语音驱动口型，输出口播视频。所谓"数字人克隆"，本质上是这三段接力。

动手前三道门槛：显卡、内存、磁盘

先别急着敲命令，这三条不满足，装得再快也起不来：

1. NVIDIA 显卡 + 正确驱动，硬性要求。项目全部算力在本地，没有 N 卡或驱动没装好，三个服务一个都起不了。参考配置是 i5-13400F + 32G 内存 + RTX 4070；社区里有 16G 内存机器起不来 ASR 服务的反馈，内存别卡着下限买。
2. Windows 磁盘分两块看：D 盘（存数字人和作品）留 30G 以上；C 盘（存服务镜像）留 100G 以上。
3. 首次部署下载约 70G 镜像，按网速大概半小时，建议连 WiFi 等。

如果你确认 C 盘不够 100G，不用换电脑——装完 Docker 后可以在资源设置里把磁盘镜像文件挪到别的盘：

用 Docker 部署数字人的正确顺序

Windows 上推荐路径是：先装 WSL（wsl --install，装完用wsl --update更新），再装 Docker Desktop，最后到仓库的 deploy/ 目录起服务。compose 文件按场景选，别用错：

起完在 Docker 里看到三个 Running 状态的服务就算成功；精简版只有一个Duix.Avatar-gen-video。客户端直接下官方构建的安装包即可：Windows 是 exe 安装包，Ubuntu 是 AppImage，双击就能跑。

三个最常卡住的点，提前给你答案

社区反馈里重复率最高的问题基本就这三个，对号入座：

1. docker-compose up -d拉镜像超时、报 connection 错误：不是你的网络断了，是 Docker Hub 官方源不稳。在 Docker 的引擎配置里加上registry-mirrors换镜像源（Linux 改/etc/docker/daemon.json），然后重启 Docker。

2. 新增模特报错：绝大多数情况是样例视频不合格——视频里必须有声音，且是人在说话。程序要靠这段声音做克隆，静音视频或纯音乐视频都会在这一步挂掉。

3. 定制模特报 Connection refused：ASR 服务冷启动比较慢，服务端刚起来时别急着操作，等几分钟再克隆；内存偏小的机器还可能干脆起不来 ASR，先回到上一节核对配置。

排查时盯住服务日志就行，点开对应容器看 Logs 页签，报错关键行都会写在里面：

更完整的自查步骤（服务状态、驱动、版本）和提问模板，仓库里都整理好了：doc/常见问题.md。

跑起来之后：图形界面用，或 API 用

两条路线按需选。

走界面：打开客户端 → 创建模特（传 10 秒视频）→ 写文案或传音频 → 生成视频。文案支持八种语言：中、英、日、韩、法、德、阿拉伯语、西班牙语。作品和形象都列表化管理，右上角可以打开客户端日志：

走 API：Docker 起完会在本机http://127.0.0.1上暴露端口，模特训练、音频合成、视频合成三段各有一套接口（视频合成是提交任务 + 按 code 轮询进度两步）。想集成到自己的业务里，直接参考仓库里现成的调用代码：src/main/service/model.js、src/main/service/video.js、src/main/service/voice.js。

能力边界：它接什么，不接什么

把边界划清楚，才能判断这个工具适不适合你：

• 它接：离线形象/声音克隆、文本或语音驱动的唇形同步视频生成、多模型管理与批量产出。
• 它不接：实时交互式对话、移动端运行、非 NVIDIA 环境。
• 另一条路：不想自己维护 GPU 服务器的话，官方还提供数字人 API 服务——开源本地部署适合追求完全掌控、有深度学习经验的技术型用户（可改代码、全球免费商用，超大规模企业需签协议）；API 服务适合专注上层应用、要企业级保障的业务型用户，免硬件但无法改源码，口型效果更高清。两条路线的完整对比见 README_zh.md。

下一步：按这个顺序做，少走弯路

1. 先自查再提问：服务是否 Running、驱动是否装好、客户端和服务端是不是最新版，三步都过一遍再去翻 doc/常见问题.md。
2. 需要源码时克隆仓库（git clone https://gitcode.com/GitHub_Trending/he/Duix-Avatar），通读 README_zh.md 了解部署流程与 API 细节。
3. 硬件吃紧就先跑 lite 版验证链路通了，再上完整三服务。
4. 遇到问题按模板反馈：复现步骤 + 截图 + 客户端和服务端日志，能省掉一半来回沟通的时间。

一句话收尾：硬件达标、顺序正确，Duix.Avatar 从克隆到成片就是"装 Docker → 起服务 → 传视频 → 等成片"四件事。离线、可控、免费商用，这套组合目前在同类型开源项目里相当能打。

【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