Duix.Avatar完全指南：4步本地克隆你的AI数字人，免费生成口播视频

Duix.Avatar完全指南：4步本地克隆你的AI数字人，免费生成口播视频

【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

Duix.Avatar是一款完全开源、免费的AI数字人（数字分身）工具：上传一段10秒的视频，就能克隆你的形象和声音，输入文案即可自动生成口播视频。整个过程离线运行在你自己的电脑上：不联网、视频素材不上传第三方服务器、软件费用为0（用户量或营收达到一定规模的企业需签署商业许可协议，详见仓库根目录的LICENSE）。

🎬 它适合谁？先看看是不是你

• 自媒体创作者：批量产出口播短视频，不同平台用不同形象，保持品牌一致
• 企业市场/行政：快速制作产品介绍、内部培训视频，不用约拍摄和后期
• 老师与培训师：统一课程讲师形象，课件一次制作反复使用
• 开发者：本地部署后通过开放API接入自己的业务系统
• 注重隐私的个人：视频和声音素材始终保存在本地硬盘，断网也能用

与商业数字人服务相比，这条路线的总成本是0：不付授权费、不按次收费，唯一的投入是你现有的电脑。

整套工具分两部分：服务端承担全部AI算力（面部识别、声音合成、口型渲染），客户端是纯图形化界面。不想碰代码的你，全程只需敲1条命令，其余都是鼠标点选。

🖥️ 环境准备与一键部署：核对4项配置，5步跑起来

配置要求一览表

注意区分lite精简版和完整版：精简版只启动1个视频合成服务，镜像小、占盘少，适合低配机器；完整版启动3个服务，覆盖"克隆形象+声音合成+口型驱动"的完整流程。

Ubuntu装Docker本身很简单，2条命令搞定：

sudo apt update && sudo apt install -y docker.io docker-compose

装完用 docker --version 确认版本号，再配置NVIDIA Container Toolkit让Docker能调用显卡（装好后执行 nvidia-smi 能看到显卡信息即成功）。

5步部署步骤

1. 更新WSL（Windows专属）：未安装过先执行 wsl --install（网络原因失败就多试几次），然后执行 wsl --update
2. 安装Docker Desktop：从Docker官网下载安装包，首次运行接受协议并跳过登录
3. 获取项目代码：

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

4. 一键启动服务（在deploy目录执行，下载镜像约70G、耗时约30分钟，建议连WiFi）：

docker-compose up -d

Ubuntu用户改用 docker-compose -f docker-compose-linux.yml up -d；精简版则用 docker-compose -f docker-compose-lite.yml up -d 5. 安装客户端：从项目发布页下载官方安装包，Windows双击 Duix.Avatar-x.x.x-setup.exe 安装，Ubuntu双击 Duix.Avatar-x.x.x.AppImage 直接运行（若打不开，在终端加 --no-sandbox 参数执行）

成功的标志：Docker Desktop中出现3个服务（Duix.Avatar-asr、fish-speech、Duix.Avatar-gen-video），状态全部显示Running。

部署完成后，这3个服务在后台各管一段流程，了解它们的分工，排错时能立刻定位卡在哪一环：

• Duix.Avatar-asr：转写你素材视频里的人说了什么，为声音克隆提供参考文本
• fish-speech：学习你的音色，之后用你的声音朗读任意文案
• Duix.Avatar-gen-video：让模型的口型对齐音频，渲染出最终视频

如果C盘空闲不足100G，可以在Docker Desktop的 Settings → Resources 里，点 Browse 把磁盘镜像的存放位置挪到空间更大的磁盘：

🎥 实战演练：4步做出你的第一个数字人口播视频

素材挑选要点（决定克隆效果）

• 时长：10-20秒最合适，太短特征不够，太长处理变慢
• 声音：视频中的人必须清晰说话，程序用这段声音克隆你的音色，无声视频会直接失败
• 画面：正面角度、光线均匀，不用手和道具挡脸
• 背景：纯色或简单背景，面部识别更稳定
• 格式：MP4、MOV等常见格式都可以

操作4步

1. 上传素材：首页点击 Create Avatar，选择准备好的视频，系统自动提取面部和声音特征，约3-5分钟
2. 确认形象：训练完成后，My Avatars 列表里会出现你的模型缩略图，可以命名管理
3. 写文案：选中模型，输入口播文本，支持中、英、日、韩、法、德、阿拉伯、西语8种语言
4. 查看作品：生成完成后到 My Works 列表预览，口型与音频已自动对齐，可直接导出

点击生成后，后台其实走的是三段流水线：TTS服务先用你的克隆音色把文案读成音频，视频渲染服务再让模型口型逐帧对齐音频，最后合成输出。你在客户端看到的进度条，就是按这个顺序往前走的。

客户端首页就是工作区：上方是 Create Avatar（克隆形象）和 Create Video（生成视频）两个入口，下方是模型列表：

My Works 页面汇总你生成的所有口播视频；右上角 Settings 菜单里的 Open Log 可以随时打开客户端日志，排查问题用得上：

🩺 常见问题与排查：5个高频问题一次讲清

1. 启动服务时镜像下载超时

• 现象：执行 docker-compose up -d 报 request canceled、context canceled 等错误。
• 原因：Docker Hub官方镜像源连接不稳定。
• 解决：打开Docker Desktop → Settings → Docker Engine，在JSON配置里加上 registry-mirrors 国内镜像源列表，点 Apply & restart 后重新执行启动命令。Ubuntu则在 /etc/docker/daemon.json 里加同样的配置并重启Docker服务。

2. 创建模特失败，提示视频不可用

• 现象：上传视频、训练环节报错，模型生成不出来。
• 原因：视频没有声音，或声音不是本人在说话。
• 解决：重新录一段10-20秒、本人清晰说话的素材再上传。

3. 定制模特报 Connection refused

• 现象：克隆形象时日志出现 Connection refused。
• 原因：Duix.Avatar-asr服务启动较慢，还没就绪就被调用；内存只有16G的机器可能直接起不来。
• 解决：等3个服务Running后再等2-3分钟开始克隆；仍失败就升级内存到32G。

4. 视频生成进度卡住，或fish-speech容器反复重启

• 现象：进度停在某个百分比（比如20%）长时间不完成，或音频容器一直在重启。
• 原因：音频合成服务内部报错，常见于文件路径或权限问题。
• 解决：打开Docker Desktop，找到对应容器点 Logs 页查看具体报错；客户端侧也可通过 Settings → Open Log 查看日志，两边对照定位。

5. 服务起不来，或Ubuntu上双击客户端没反应

• 现象：3个服务迟迟到不了Running；或Ubuntu上AppImage双击后无响应。
• 原因：前者多半是显卡驱动没装好或磁盘空间不足，本项目全部算力依赖本地NVIDIA显卡；后者以root身份进桌面时，沙箱机制会阻止运行。
• 解决：先执行 nvidia-smi 验证驱动，再检查磁盘剩余空间；Ubuntu改用终端执行 ./Duix.Avatar-x.x.x.AppImage --no-sandbox 启动。

提问前先做3项自查：① 3个服务是否全部Running；② 终端执行 nvidia-smi 能否正常显示显卡信息；③ 客户端和服务端是否都更新到最新版（服务端在deploy目录重跑一次 docker-compose up -d 即可）。

⚙️ 进阶与性能：API批量调用和提速优化

用开放API接入你的业务

Docker启动后，服务端会在本地 127.0.0.1 暴露接口，4个接口串起完整链路，参考实现可直接看对应源码：

所有接口只监听本地回环地址，局域网内其他设备无法调用，这部分安全性天然有保障。

批量处理的思路很简单：把模型训练接口返回的参考信息存好，之后每条文案都按"音频合成 → 视频合成 → 轮询到完成 → 保存成品"的固定套路走。写个小脚本或挂个定时任务，就能让数字人夜间自动产出几十条口播视频。

硬件与速度参考

显存只有8G的机器，建议先用lite版跑通完整流程，确认效果后再决定是否升级硬件。

让生成更顺手的3个习惯

• 模型和作品放在SSD上，加载和写入速度明显更快
• 保持NVIDIA驱动更新；50系列显卡可直接使用deploy目录里的 docker-compose-5090.yml 专属部署配置
• 生成前关闭占用GPU的后台程序

关于容量：模型和作品都存在本地硬盘（Windows为D盘），30G足够放几十个模型；空间紧张时，删掉不用的模型即可立刻释放空间。

✅ 现在就开始

今天就能做的一件事：用手机录一段10秒的正面说话视频，部署完服务后拿它当第一个模特素材，半小时后你就能拥有第一段数字人口播视频。中途卡住时，优先查官方文档 doc/常见问题.md 和 deploy/ 目录，再到项目Issues列表搜索——社区每天在处理问题单，大概率已有现成答案。

【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