10秒视频克隆AI数字人Duix.Avatar免费本地部署完整指南【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-AvatarDuix.Avatar 是一个完全开源、可免费商用的 AI数字人 工具包你只需提交一段 10 秒左右的真人视频它就能把你的形象和声音一起克隆下来之后输入文案或上传一段音频就能在本地离线生成口播视频全程不用联网。这篇文章带你从零搞清楚它适合谁、内部怎么运作再一步步跑通本地部署并附一份新手避坑清单。谁适合用它克隆自己的AI数字人先说清楚这个项目最打动人的几个地方你再判断自己是不是目标用户。不用花大钱请 3D 团队。传统那种高成本数字人方案做一套能吓退普通创作者Duix.Avatar 走的是 AI 生成路线把这套东西开源出来让一台电脑就能做自己的数字分身变成现实。数据不出你的机器。它的合成服务默认跑在本地 Docker 里你的脸、你的声音这些敏感信息不会往公网上传对在意隐私的人是实打实的加分项。一次录制反复用。形象克隆好之后写文案就能出视频录一段音频也能直接驱动口型做批量内容很省事。那它到底适合哪些人按经验分两类最直观技术向的你会点 Docker、想要深度定制、愿意参与开源社区直接上本地部署版代码开放、随改随用。业务向的你只想快速集成、不想自己管 GPU 和模型官方也提供 API 接口服务省掉硬件专注上层应用。一句话想掌握主动权、愿意折腾就本地部署想省事、要企业级稳定就走 API。本文重点讲前者也就是你大概率会走的路。它是怎么工作的3 个引擎看懂数字人克隆原理别被数字人三个字唬住拆开看其实就三条流水线在协作克隆长相用计算机视觉分析你视频里的帧捕捉五官、轮廓等面部特征构建出可复用的虚拟形象。克隆声音基于你视频里的声音做音色参考之后合成语音时能还原你的语调、语速这些细节。合成口播把数字人画面和语音精准对齐做到口型跟得上说的话。落到代码上客户端是 Electron 写的桌面程序真正吃算力的部分被拆成了3 个 Docker 服务跑在本地也就是你部署后要看到的那几个容器duix-avatar-tts语音合成负责把文字变成你的声音duix-avatar-asr语音识别负责听懂你录的话duix-avatar-gen-video视频合成负责把画面和声音对齐成口播对应到源码你可以顺着这几个模块看实现形象训练在 src/main/dao/f2f-model.js声音克隆在 src/main/service/voice.js视频合成在 src/main/service/video.js。它支持中英日法德韩西阿八种语言文案本地模型文件统一放在 D 盘约定目录里。 换句话说你在界面上点一次生成背后其实是这 3 个服务按顺序接力干活。理解了这点后面排查问题就不会蒙。部署前必查的 3 件事部署翻车绝大多数是环境没到位。开跑之前先把下面三件事确认清楚能帮你省掉后面大半的折腾。第一件事必须有英伟达 N 卡而且装好了驱动。这个项目的算力全在本地没有 N 卡或驱动没装好那 3 个服务根本起不来。装完跑一下nvidia-smi能显示出显卡信息才算数。第二件事磁盘空间要够。这是新手最容易低估的地方。第三件事内存建议 32G 起步。配置偏低时语音识别服务可能拉不起来后面克隆会卡。把要求汇总成一张表你照着核对就行检查项要求操作系统Windows 1019042.1526 及以上或 Ubuntu 22.04显卡英伟达 N 卡必需且正确安装驱动内存32G 及以上16G 可能起不全服务CPU推荐 i5-13400F 或同级磁盘WindowsD 盘 30G、C 盘 100GUbuntu空闲 100G5 分钟跑通本地部署环境没问题了下面分 Windows 和 Ubuntu 两条路走。核心思路都是同一套先装 Docker再在deploy目录里把服务拉起来。Windows 路线准备 WSL。用wsl --list --verbose看看有没有装过 WSL没有就执行wsl --install网络不好多试几次过程中会让你设用户名密码记好。装完用wsl --update更新一下。装 Docker Desktop按你的 CPU 架构选对应安装包装完看到运行界面就成了。首次启动时接受协议、跳过登录即可。拉取服务端。进到deploy目录执行docker-compose up -d想省显存就用轻量版只启动视频合成那一个服务docker-compose -f docker-compose-lite.yml up -d镜像下载大概要占70G 流量速度看你的网速建议连着 WiFi 慢慢等。完整版会在 Docker 里看到 3 个服务轻量版只有 1 个Duix.Avatar-gen-video。⚠️ 如果你用的是RTX 50 系列5090 等新卡走单独的 50 系列方案它用了 torch 官方预览版在deploy目录下执行docker-compose -f docker-compose-5090.yml up -d即可30/40 系列配 CUDA 12.8 也能用这套。装客户端下载官方构建的 Windows 安装包双击Duix.Avatar-x.x.x-setup.exe装完就能用。Ubuntu 22.04 路线装 Docker先docker --version看看有没有没有就执行sudo apt install docker.io docker-compose。装显卡驱动 NVIDIA Container Toolkit。先按官方流程装好 N 卡驱动nvidia-smi能出信息即可再安装 NVIDIA Container Toolkit添加 NVIDIA 包仓库、sudo apt-get install -y nvidia-container-toolkit、执行sudo nvidia-ctk runtime configure --runtimedocker把 Docker 配置成 NVIDIA 运行时最后sudo systemctl restart docker重启服务。拉取服务端Linux 用的是专门的编排文件cd deploy docker-compose -f docker-compose-linux.yml up -d装客户端下载 Linux 版的Duix.Avatar-x.x.x.AppImage双击就能启动无需安装。一个坑如果你是用root 用户进桌面双击可能打不开得在终端里加参数启动./Duix.Avatar-x.x.x.AppImage --no-sandbox。如果镜像下得太慢去 Docker 的 Docker Engine 设置里加国内镜像加速源改完点 Apply restart 生效。服务起不来新手避坑清单就算前面都照做也可能卡在最后一哆嗦。下面这几个是出现频率最高的坑先自查再动手能省很多事。先做 4 个通用自查那 3 个服务是不是都变成 Running 状态了有一个不绿先解决它。确认机器有 N 卡、驱动装对了没有的话服务根本起不来别怀疑代码。服务端和客户端都更新到最新版——社区很活跃说不定你的问题新版已经修了。多看看官方 issue 列表很多坑别人踩过也写了解法。高频问题速查拉镜像报request canceled / context canceledDocker Hub 官方源不稳要么开全局代理要么按上一节加国内镜像源。新增模特时提示报错你上传的建模视频必须有声音、且是人在说话程序要靠这段声音做声音克隆静音视频或纯 BGM 视频都会失败。克隆报Connection refused多半是语音识别服务启动慢服务端刚起来等几分钟再操作内存太小比如 16G也可能直接拉不起来。端口冲突去 deploy/ 目录下的 compose 文件里改端口映射。排错时记得抓日志分两边服务端日志点开对应的 Docker 容器在日志面板里把关键片段复制出来。客户端日志程序设置里能打开日志目录找到main.log提交。遇到问题时描述清楚复现步骤 报错截图/日志再去求助比自己干等高效得多。更多细节可以翻官方整理的常见问题常见问题。你的数字分身还能干什么部署跑通只是起点真正值钱的是它能落地的场景自媒体批量产粮一次克隆好形象之后写文案就能出片一个人也能维持稳定的更新频率。企业培训内容复用把标准化的课程做成数字人讲解讲师不用一遍遍重复录制。全天候虚拟客服构建随时在线的虚拟客服响应快、不掉线。至于下一步会走向哪几个方向值得关注实时互动分身能上会、能实时对答、多模态生成描述一句需求就自动配齐形象和文案、跨平台数字身份一个分身同时活跃在多个虚拟场景。这些属于技术演进的自然延伸你可以把它们当成这个项目的想象空间而不是当下承诺的功能。最后小结Duix.Avatar 把做自己的 AI 数字人这件原本很贵、很麻烦的事压缩成了一段 10 秒视频 一次本地部署。只要你有一台带 N 卡的电脑现在就可以跑起来先克隆一个属于你自己的数字分身试试。完整部署细节、Ubuntu 适配说明与常见问题可继续参考官方文档doc/常见问题.md 与仓库根目录的 README_zh.md。【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
