HeyGem.ai 教程：10秒视频克隆你的AI数字人，完全离线本地部署（完整部署指南）

HeyGem.ai 教程：10秒视频克隆你的AI数字人，完全离线本地部署（完整部署指南）

【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

HeyGem.ai 数字人是一款完全开源、可离线运行的数字人工具：拍一段约10秒的你讲话的视频，它就能克隆你的外貌和声音，做成一个数字人，之后输入文案或上传音频，即可在本地生成口型匹配的口播视频，全程不联网。本文带你从硬件确认到出片，不需要技术背景。

你的电脑够格吗？一张表确认硬件门槛

动手前先对照这张表自查：

真正的硬门槛只有两个：32GB 内存和装好驱动的 NVIDIA 显卡。所有算力都在本地跑，缺了这两样，服务根本起不来。

⚡ 30分钟搭好本地数字人工作室

第一步：准备 Docker 与 WSL

Docker 的作用是在你的机器上把多个服务装进"标准容器"里一键跑起来，不用操心环境冲突；WSL 是 Windows 自带的 Linux 子系统，是 Docker 运行的底座。先在终端执行这条命令更新子系统：

wsl --update

然后安装 Docker for Windows，首次启动时接受协议即可，登录可以跳过。

第二步：拉取镜像并一键启动三个服务

服务端由三个镜像组成：ASR（语音识别，把语音转成文字）、TTS（语音合成，把文字读成语音），以及视频生成服务。先把三个镜像拉下来：

docker pull guiji2025/fun-asr docker pull guiji2025/fish-speech-ziming docker pull guiji2025/duix.avatar

镜像就位后，进入 deploy 目录启动：

cd deploy docker-compose up -d

首次运行会自动下载依赖，耐心等待约 30 分钟。三个容器全部变成 Running 状态，服务端就算就绪了。

第三步：安装客户端

下载官方构建的安装包，双击Duix.Avatar-x.x.x-setup.exe完成安装（Ubuntu 用户直接双击Duix.Avatar-x.x.x.AppImage运行）。打开客户端能看到"Create Video"和"Create Avatar"两个入口，说明环境全部打通。

从10秒视频到你的第一个数字人：数字人克隆四步走

① 素材准备

拍一段你自己讲话的视频，10 秒左右就够。程序会把它拆成静音视频和音频，其中音频要放到约定目录D:\duix_avatar_data\voice\data（可在 docker-compose 中修改）。

② 训练数字人

在客户端点"Create Avatar"，选中你的视频。程序用你的外貌和声音特征训练模型，结果就是"My Avatars"里出现一个长着你脸、能发出你声音的数字人。

③ 合成语音

输入口播文案，客户端调用 TTS 服务把文字转成音频，音色就是你视频里克隆下来的那个声音，听起来像你自己说的。

④ 生成口型视频

客户端把音频和数字人模型配对，逐帧驱动口型，生成完成后，一条完整的本地口播视频就会出现在"My Works"作品列表里。

想接API？记住这3个端点

Docker 启动后会在本机开放端口，通过http://127.0.0.1就能调用，方便你二次开发：

调用参数和完整流程都写在客户端源码 model.js、voice.js、video.js 里，对着这三个文件就能照搬。

高频翻车现场：5个坑与快速解法

1. 三个服务没进入 Running→ 原因通常是 NVIDIA 驱动没装或装错，其次是内存不足起不来 → 解法：先验证显卡驱动，再确认内存达到 32GB。
2. docker-compose up -d连接超时→ 原因是 Docker Hub 官方源连接不稳定 → 解法：开启全局代理，或在 Docker 里配置国内镜像源。
3. 新增模特时报错→ 原因是素材视频没有声音、或画面里没有人讲话，声音克隆无从下手 → 解法：重拍一段口齿清晰的讲话视频。
4. 定制模特报 Connection refused→ 原因是 ASR 服务启动慢，16G 小内存甚至可能直接启动不了 → 解法：服务端启动后等几分钟再操作克隆。
5. 客户端与服务端版本不一致→ 原因是社区更新频繁，你停在旧版 → 解法：服务端到 deploy 目录重新执行docker-compose up -d，客户端升级到最新版，旧问题多半已在新版修复。

更多报错日志的查看位置，见仓库内的常见问题。

HeyGem.ai 其实适合这些人

选它理由有二：成本比传统 3D 数字人制作降低 99% 以上，且全流程离线、数据不出本机，没有隐私泄露风险。在线教育老师做课程视频、自媒体创作者做口播内容、企业宣传做介绍短片、想拥有个人数字形象的人，都能从一段 10 秒视频起步。

这段 10 秒视频是你唯一的投入，回报是一个 7×24 在本地为你工作的数字人。现在装好 Docker，按上面三步走，今天就能看到第一条口播视频。

【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