Duix.Avatar 部署教程用一段10秒视频克隆免费AI数字人本地生成口播视频【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-AvatarDuix.Avatar 是一款免费开源的 AI 数字人工具包面向内容创作者、教育工作者以及任何想拥有数字分身的普通用户提交一段约 10 秒的说话视频它克隆你的外貌与声音之后输入文案或上传音频即可自动驱动口型生成口播视频。全部计算在本地 Docker 中完成不依赖联网素材不出本机。核心能力一览能力说明适用情况外貌 声音双克隆从约 10 秒视频中提取面部特征同时学习你的声音产出可反复使用的数字人模型需要固定个人或品牌数字形象文案 / 音频驱动输入文案转成你的克隆音色驱动口型也可直接上传自己的录音口播短视频、课件朗读、产品讲解全离线运行ASR、TTS、视频合成三个服务全部跑在本地容器里无网也能用隐私敏感、内网或无网环境本地 HTTP API模型训练、音频合成、视频合成、进度查询均有127.0.0.1接口开发者对接自有业务、写批量生成脚本8 种文案语言文案支持中、英、日、韩、法、德、阿拉伯、西班牙语多语种内容分发适合哪些人用开源数字人工具解决什么问题自媒体与短视频创作者出镜拍口播成本高、周期长。用数字分身承接固定栏目的口播保持更新频率人不需要出现在镜头前。教师与教育机构把课程内容录成数字讲师视频标准化输出多门课程可以共用同一个数字形象保持风格统一。企业团队创建品牌数字人用于产品介绍、客户答疑、市场物料形象可复用不用反复约拍。个人与开发者普通人可以零成本给自己或家人做纪念、祝福类视频开发者则可以把整套能力封装进自己的产品做深度定制。部署环境要求与安装步骤硬件与系统配置清单项目Windows 10Ubuntu 22.04系统版本19042.1526 或更高22.04 Desktop内核 6.8.0-52 已验证显卡NVIDIA 显卡并装好驱动30/40/50 系列均可50 系列走专用 compose 文件同左另需 NVIDIA Container Toolkit内存建议 32GB 及以上32GB 及以上必需16GB 可能起不来硬盘C 盘 100GB 存镜像D 盘 30GB 存数字人与作品数据空闲空间 100GB参考配置i5-13400F / 32GB / RTX 4070同左获取项目git clone https://gitcode.com/GitHub_Trending/he/Duix-Avatar部署文件都在仓库的 deploy/ 目录下服务端与客户端都需要。安装 Docker 服务端Windows检查并更新 WSL执行wsl --list --verbose已安装则跳过再执行wsl --update从 Docker 官网下载 Docker Desktop 按 CPU 架构安装首次运行接受协议、跳过登录C 盘空间不足 100GB 时Settings → Resources → Advanced把 Disk image location 改到空间更大的磁盘把 Docker 镜像目录移到剩余空间大于 100GB 的磁盘避免拉取中途失败进入deploy目录按硬件选一条命令执行# 完整版ASR TTS 视频合成三个服务 docker-compose up -d # 精简版仅视频合成一个服务 docker-compose -f docker-compose-lite.yml up -d # RTX 50 系列5090显卡专用 docker-compose -f docker-compose-5090.yml up -d首次拉取镜像约 70GB 流量耐心等待约 30 分钟Docker 中出现三个运行中的服务精简版为一个即部署成功安装 Docker 服务端Ubuntu 22.04sudo apt update sudo apt install docker.io docker-compose安装 NVIDIA 驱动后用nvidia-smi验证再安装 NVIDIA Container Toolkit执行sudo nvidia-ctk runtime configure --runtimedocker并重启 Docker 服务镜像下载慢时在/etc/docker/daemon.json中配置registry-mirrors国内镜像源cd /deploy docker-compose -f docker-compose-linux.yml up -d安装客户端Windows从官方构建包下载后双击Duix.Avatar-x.x.x-setup.exe安装Ubuntu双击Duix.Avatar-x.x.x.AppImage即可运行若以 root 身份进入桌面无法启动在终端执行./Duix.Avatar-x.x.x.AppImage --no-sandbox从素材到成片三步生成第一条数字人视频第一步准备一段 10 秒素材视频人脸清晰、正面朝向、光线充足背景尽量简洁视频中必须有人清晰说话的声音——声音克隆完全依赖这段录音时长建议 10-20 秒太短会提取不到足够的特征第二步克隆形象与声音在客户端首页点击Create Avatar上传素材视频并给模型命名。客户端会自动完成三件事用 ffmpeg 把视频转码并分离出音频把音频提交给 TTS 服务做预处理训练得到声音参考文件与参考文本模型信息写入本地数据库出现在 My Avatars 列表主界面左侧两个核心区域我的作品与我的数字人右上角是克隆与生成视频入口第三步输入文案生成视频选中模型输入口播文案或直接上传自己的音频点击生成客户端先调用 TTS 接口把文案合成语音若上传了音频则跳过再提交到视频合成服务客户端每 2 秒轮询一次进度完成后成片出现在My Works列表可播放和导出进阶用法本地 API 调用与批量生成四组本地 HTTP 接口Docker 启动后服务在本地暴露以下端口均可通过http://127.0.0.1调用接口地址用途模型训练ASR 预处理http://127.0.0.1:18180/v1/preprocess_and_tran提交参考音频返回asr_format_audio_url与reference_audio_text音频合成TTShttp://127.0.0.1:18180/v1/invoke文案 声音参考合成 WAV 语音视频合成http://127.0.0.1:8383/easy/submit提交音频 静音视频返回任务 code进度查询http://127.0.0.1:8383/easy/query?codetaskCodeGET 请求返回进度与结果文件注意训练接口返回的asr_format_audio_url、reference_audio_text要记录下来它们是下一步音频合成的参考参数。完整请求与返回结构见客户端源码 src/main/service/model.js、src/main/service/video.js、src/main/service/voice.js。批量生成与任务队列客户端内置任务队列提交的任务写入本地 SQLite 数据库按 waiting / pending 状态自动排队前一个合成完自动提交下一个你只管连续添加任务即可。若自己调 API也可以用同样思路循环提交、轮询查询接口实现批量生产。商用说明项目开源并支持全球免费商用用户量超过 10 万或年营收超过 1000 万美元的企业需签署商业许可协议细节见 LICENSE。故障排查现象、原因与解决办法docker-compose up -d失败报registry-1.docker.io ... request canceled可能原因Docker Hub 官方源连接不稳定处理办法配置国内镜像源——Docker Desktop 进 Settings → Docker Engine在 JSON 中加registry-mirrors后 Apply restartUbuntu 写入/etc/docker/daemon.json在 registry-mirrors 中填入可用的镜像源地址解决拉取镜像超时三个服务起不来、没有 Running 状态可能原因没有 NVIDIA 显卡或驱动未装好本项目全部算力在本地内存不足16GB 可能启动失败处理办法安装/更新 NVIDIA 驱动nvidia-smi能显示显卡信息为准Ubuntu 额外确认 NVIDIA Container Toolkit 已安装且 Docker 已重启新增模特时报错声音克隆失败可能原因上传的视频没有声音或没有人在说话处理办法换一段有清晰人声说话的素材时长 10-20 秒训练报Connection refusedASR 连接异常可能原因fun-asr服务启动较慢内存太小导致服务起不来处理办法服务端启动后等几分钟再执行克隆确认内存 32GB 及以上视频生成卡在 20%可能原因TTSheygen-tts服务在音频处理环节失败多为音频文件路径或权限问题处理办法打开 TTS 容器日志查file not exists类报错重启相关服务或检查音频文件权限TTS 服务日志中可直接看到 file not exists 一类的音频处理错误端口被占用可能原因8383、18180 等端口被其他程序占用处理办法找到占用进程释放端口或在deploy目录的 compose 文件中修改端口映射日志获取方式排障必备客户端日志点右上角设置齿轮 → Open Log打开日志文件夹主日志为main.log客户端通过 Open Log 菜单直接打开日志目录main.log 记录本地操作服务端日志在 Docker 中点开对应容器的 Logs 页查看或复制架构与原理速览整体是一个桌面客户端 三个 Docker 服务的结构组件镜像本地端口职责客户端Electron Vue 桌面应用-界面操作、本地 SQLite 存模型/声音/视频任务ASRguiji2025/fun-asr10095语音识别把素材中的语音转成参考文本TTSguiji2025/fish-speech-ziming18180声音克隆与文本转语音视频合成guiji2025/duix.avatar8383数字人视频合成口型与语音对齐数据流向一句话概括素材视频 → ffmpeg 拆出音频与静音视频 → ASR 产出参考文本 → TTS 学习声音并按文案合成语音 → 视频合成服务让数字人对着语音对口型输出成片。实用清单素材、效率与排障习惯素材质量正面、光线充足、人脸清晰背景简洁说话清晰、无背景音乐和噪音干扰没有说话声音的素材直接放弃克隆阶段必然失败生成效率按发布渠道选择输出分辨率不必追求 4K多任务交给内置队列跑不要同时手动压很多任务定期清理生成的中间文件与临时音频释放磁盘空间排障习惯先确认三个服务是否全部 Runningnvidia-smi确认显卡与驱动正常服务端重新执行docker-compose up -d、客户端重新构建后再复测提问时附上客户端main.log与服务端容器日志先看 常见问题文档现在开始本地免费素材不出机器Duix.Avatar 把过去造价数十万的数字人生产变成一套任何一台带 NVIDIA 显卡的电脑都能本地跑起来的开源方案克隆、生成全程免费且不上传素材。项目入口就是本文开头的仓库地址部署配置都在 deploy/ 目录遇到问题先查 常见问题文档仍有疑问就到项目 Issues 页面提问社区每天都在处理新的问题单。【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考