Duix.Avatar 本地部署：10秒视频克隆数字分身，离线生成口播视频

【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-Avatar

外包一条口播视频给工作室，3000元起步、交付要等一周；把员工的人脸和声音素材传到第三方云端服务，一旦泄露，处置成本远高于制作费。这是很多人不敢用数字人的两个原因。Duix.Avatar 是一款免费开源、全离线运行的数字人工具：上传10秒左右的视频就能克隆你的脸和声音，之后输入文案或上传音频，直接生成口型同步的播报视频。使用门槛是一台带 NVIDIA 显卡的电脑加 Docker，Windows 和 Ubuntu 都能完成部署。

它是什么：10秒视频克隆脸和声音

Duix.Avatar 是一个桌面客户端加本地 Docker 服务的组合：上传10秒左右的清晰视频，系统自动拆出人脸特征和声音特征，生成一个长你、声音也你的数字分身。之后你输入文案或上传音频文件，它就生成口型同步的口播视频，脚本支持中、英、日、韩、法、德、阿拉伯、西语共8种语言。它不做三件事：不替你拍摄和剪辑素材，不提供云端托管（全部算力在你本机），不支持非 NVIDIA 显卡。

4个理由选本地部署

素材不出机器。三个服务启动后，所有接口调用都走本机 127.0.0.1（声音服务18180端口，视频合成8383端口），人脸和声音素材全程不碰外网。

10秒素材就够。克隆只需要一段10秒左右的视频，不用长时间对着镜头录制，素材准备成本几乎可以忽略。

商用免费。开源协议支持全球免费商用，只有用户量超10万或年营收达1000万美元的企业需要另签商业许可。

部署路径短。服务端就是一条 docker-compose 命令，客户端装完即用，不需要自己配深度学习环境。

从零到跑通：5步装好服务端和客户端

硬件基准按官方推荐配置来：NVIDIA 显卡（推荐 RTX 4070）、32G 内存、Docker 存储盘100G空闲、Windows 用户另需 D 盘30G存放数据。

第1步：验证显卡驱动。终端执行nvidia-smi。看到显卡型号和驱动版本，这步通过；提示找不到命令或驱动，先去 NVIDIA 官网装好驱动再重新验证。

第2步：克隆项目。

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

验证点：进入目录后能看到src和deploy两个文件夹。

第3步：装好 Docker。Windows 用 Docker Desktop（WSL 2 后端），Ubuntu 22.04 用 apt 装 docker 和 docker-compose。执行docker --version能看到版本号即通过。

第4步：一条命令拉起三个服务。首次会拉取三个镜像，约70G流量，耗时半小时左右，取决于网速：

cd deploy docker-compose up -d

Ubuntu 换成 linux 编排文件执行docker-compose -f docker-compose-linux.yml up -d；RTX 50 系列显卡用docker-compose-5090.yml；显存紧张可用 lite 编排文件，它只跑一个视频合成服务。验证点：Docker 界面里 duix-avatar-tts、duix-avatar-asr、duix-avatar-gen-video 三个容器均为 Running 状态（lite 版只有一个 duix-avatar-gen-video）。

C 盘不足100G时，在 Docker Desktop 的 Settings → Resources → Advanced 里用 Browse 把磁盘镜像位置改到别的盘。

第5步：安装客户端。到项目的 Release 页下载对应系统的安装包，Windows 双击 exe 安装，Ubuntu 双击 AppImage 直接运行（root 桌面用户需在终端加--no-sandbox启动）。验证点：打开后看到"创建视频"和"创建数字分身"两张卡片，即可使用。

还能做什么：3个批量口播场景

自媒体口播批量生产

• 输入：3个选题文案
• 操作：选中同一个数字分身，依次粘贴文案生成
• 输出：3条口型同步的口播成片，直接排期发布

企业内部培训标准化

• 输入：讲师一段10秒自我介绍录像
• 操作：克隆讲师分身，输入课程讲稿
• 输出：讲师形象和声音讲解的系列课程视频

同一内容多语言出片

• 输入：同一篇讲稿的中文和英文版本
• 操作：用同一个分身分别驱动生成
• 输出：两个语言的口播视频文件，投不同渠道

3个最常见的坑及修复方法

坑1：镜像下载慢或失败（概率最高）。判断依据：docker-compose up -d长时间卡在拉取，docker images里缺镜像；首装约70G流量，国内直连 Docker Hub 不稳定。解决动作：在 Docker 的 Docker Engine 配置里加 registry-mirrors 国内镜像源，重启后重新拉取。

坑2：服务起不来或反复重启。判断依据：容器状态是 restarting 或 exited，日志报 GPU 相关错误；本项目全部算力在本地显卡，驱动没装好服务一定起不来。解决动作：更新 NVIDIA 驱动，nvidia-smi能显示显卡后重新执行docker-compose up -d。

坑3：克隆或生成时报"file not exists"。判断依据：客户端进度卡住或生成失败，容器日志出现 FileNotFoundError；多为服务端与客户端版本不一致。解决动作：客户端点右上角设置齿轮选 Open Log 看本地日志，服务端看对应容器日志定位报错，然后在 deploy 目录重新执行docker-compose up -d把服务更新到最新镜像再试。

关键代码在哪：4个值得先看的路径

想读代码或接入自己的系统，先看这四个地方：

• 模型训练服务：调用形象克隆训练接口，"创建数字分身"的入口逻辑
• 语音合成服务：声音素材上传与 TTS 合成调用
• 视频合成服务：提交视频生成任务并轮询进度
• Docker编排文件：三个服务的定义、端口映射和 GPU 挂载方式

服务端启动后在本地暴露 HTTP 接口，模特训练、音频合成、视频合成的参数都写在前三个文件里；想接到自己的工作流，直接调 127.0.0.1 的 18180 和 8383 端口即可。

一句话总结：适合谁，不适合谁

如果你需要高频产出口播视频、在意人脸和声音素材的隐私、手头正好有 NVIDIA 显卡，这个开源数字人工具值得花一个下午部署；如果你没有 GPU，或不打算碰服务端，可以先看它配套的 API 服务，不必自己装。

下一步动作：先在终端跑一遍nvidia-smi确认机器达标，达标就按第4步开始拉镜像。

【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