Duix.Avatar 完整指南：离线克隆数字人形象与声音，零成本生成口播视频-开发者社区

Duix.Avatar 完整指南：离线克隆数字人形象与声音，零成本生成口播视频

【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

录一条 1 分钟的口播视频，要化妆、布光、录音、剪辑半天？Duix.Avatar 是一个完全开源、可离线运行的 AI 数字人工具箱，用一段真人视频就能克隆你的形象和声音，之后只需输入文字就能产出说话视频，全程不联网，三个服务跑在一块 NVIDIA 显卡上即可。

一分钟读懂：Duix.Avatar 能做什么

它解决的是一件事：把你的形象和声音变成一台 7x24 小时在线的"数字分身"，你用文字或语音驱动它说话，它自动生成口型对齐的视频。

适合谁：

内容创作者：不想反复出镜，用文字批量产出口播视频；
企业团队：需要内部培训、课程录制，数据不能上云；
开发者：想拿一套开源 API 做自己的数字人产品。

关键数据：官方把数字人制作成本从传统 3D 方案的高额投入压到约 1000 美元级别，并已支撑 1 万+ 企业、50 万个个性化形象；脚本支持中、英、日、韩、法、德、阿、西 8 种语言。

核心机制拆解：一段视频如何变成你的数字人

整个仓库是"桌面客户端 + 三个本地 AI 服务"的结构，代码入口在 src/main/。

声音克隆：让 TTS 服务"学会"你的嗓音

打个比方：就像给配音演员做嗓音采样。你上传的视频里有人声，客户端先用 ffmpeg 把音轨抽出来（见 src/main/util/ffmpeg.js），再通过127.0.0.1:18180/v1/invoke交给 fish-speech 语音克隆服务，生成一个专属说话人。之后任何文字，都能用"你的声音"念出来。相关调用封装在 src/main/service/voice.js 和 src/main/api/tts.js。

形象克隆：从一条视频拆出"脸 + 声"

打个比方：像把一枚硬币扫成 3D 存档。你在客户端新建 Avatar 时，src/main/service/model.js 会先把原视频统一转成 H.264，再用 ffmpeg 分离出无声视频和 wav 音频，前者交给 face2face 视频服务做人脸建模，后者走上一条的语音克隆流程，最后把两条产物的 ID 一起写进本地 SQLite 数据库（src/main/dao/）。

视频合成：文字怎么变成口型对齐的视频

打个比方：文字先变成"你的声音"，声音再驱动"你的脸"张嘴。src/main/service/video.js 负责编排整个流水线：文字 → 本地 TTS 生成音频 → 调127.0.0.1:8383/easy/submit提交视频合成任务 → 轮询进度直到完成。任务状态存在本地数据库，即使中途重启，src/main/interval/interval.js 的定时轮询也会把没跑完的任务续上。

横向对比：本地部署 vs 在线 API 数字人

维度	在线 API 数字人	Duix.Avatar 本地部署
网络依赖	必须联网，数据出内网	完全离线，素材不离开本机
硬件要求	无，买算力即可	需 NVIDIA 显卡，推荐 RTX 4070 / 32G 内存
定制化	只能用对方接口，改不了算法	源码全开放，可改模型、换 TTS、扩展 API
成本结构	按调用量付费，长期成本高	一次部署长期使用，零调用费用
商业授权	随服务付费	支持全球免费商用（超大规模企业需签商业授权）

结论很直接：数据敏感或长期高频使用，本地部署的总成本优势明显；只是临时尝鲜，在线 API 更快。

从 0 到 1：5 步生成第一条数字人视频

以 Windows 为例，Ubuntu 22.04 流程类似，配置见 deploy/ 目录下的多个 docker-compose 文件。

装好 Node.js 18 和 Docker Desktop（WSL2），确认nvidia-smi能显示显卡信息；
拉取三个镜像：guiji2025/fun-asr、guiji2025/fish-speech-ziming、guiji2025/duix.avatar；
进入deploy目录执行docker-compose up -d，首次下载约 70GB 流量，耐心等待约半小时；
看到 3 个服务全部 Running 即部署成功，安装 Electron 桌面客户端并登录本机服务；
上传 1 段正面真人视频"新建 Avatar"训练形象与声音，再进"Create Video"输入文字，等待合成即可导出视频。

想自己改代码跑客户端，先克隆仓库：git clone https://gitcode.com/GitHub_Trending/he/Duix-Avatar，然后npm install && npm run dev。

本地部署的 5 个常见坑与正确做法

**误区：没有 NVIDIA 显卡也硬装，服务起不来。**｜正确做法：三个服务全部依赖 GPU 计算，部署前先跑nvidia-smi确认驱动正常，这是官方 FAQ 的第一自检项。
**误区：把服务跑在 C 盘，空间不足。**｜正确做法：Windows 下 D 盘预留 30GB+ 存数字人数据、C 盘预留 100GB+ 存镜像；Docker 数据目录可手动改到其他盘。
**误区：客户端报错就重装。**｜正确做法：先按 doc/常见问题.md 的模板取日志——客户端日志在设置面板可导出，服务端日志看对应容器的 Logs 页，再对照 Issues 提问。

**误区：客户端和服务器版本不一致。**｜正确做法：项目更新频繁，遇到先升再查——服务端在deploy目录重跑docker-compose up -d，客户端拉最新代码重新 build。
**误区：50 系显卡直接用旧版 compose 文件。**｜正确做法：5090 等 50 系 GPU 要用官方 PyTorch 预览版方案，对应deploy/docker-compose-5090.yml，30/40 系搭配 CUDA 12.8 也可用。