10 秒视频克隆你的脸和声音本地部署数字人 Duix.Avatar 完整教程【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 是一款完全开源、可以本地部署数字人的离线视频合成工具你上传一段 10 秒左右的真人视频它就能克隆出你的形象和声音之后输入文案或上传音频就能自动产出口型对得上的播报视频。适合想批量做口播内容、录课、拍产品介绍的普通电脑用户全程不联网素材不用上传到任何云端。本文带你从硬件清单、环境准备一路搭到生成第一条数字人视频并附上排错表和 API 用法。动手前准备硬件与环境前置清单部署前先把下面这张清单核对一遍任何一项不满足都会在后面卡住项目要求显卡必须有 NVIDIA 显卡本项目所有算力走本地 CUDA没有它服务起不来显存建议 12GB 及以上内存32GB 及以上16GB 勉强可用但启动偏慢CPU第 13 代 i5 级别如 i5-13400F或同级磁盘镜像和数据约 100GB数字人与作品存储另留 30GB 以上Windows 下建议数据放 D 盘系统Windows 10 19042 及以上或 Ubuntu 22.04软件Windows 需装好 WSL2 与 Docker DesktopUbuntu 需 Docker 与 NVIDIA Container Toolkit网速首次拉取镜像约 70GB 流量、半小时左右建议连 WiFi注意客户端是桌面程序服务端是三个 Docker 容器两者缺一不可后面会分别装。第一次跑通从零到生成第一条视频 以下按顺序执行每步都告诉你执行后会看到什么。第 1 步检查 WSLwsl --list --verbose列出子系统说明已装好如果提示不存在执行wsl --install安装并设置用户名密码装完用wsl --update更新一次内核。第 2 步装好 Docker Desktop首次启动时接受用户协议、跳过登录进入 Docker 设置确认 WSL 后端正常。C 盘空间不足 100GB 时在 设置 → Resources → Advanced 里把镜像存储目录挪到别的盘第 3 步获取项目代码git clone https://gitcode.com/GitHub_Trending/he/Duix-Avatar执行后得到 Duix-Avatar 目录服务端配置都在deploy/里。第 4 步启动三个服务容器cd deploy docker-compose up -d首次执行会拉取 ASR、TTS、视频合成三个镜像耗时约半小时。想省显存可以改用轻量版docker-compose -f docker-compose-lite.yml up -d只有一个Duix.Avatar-gen-video服务。拉取经常卡在 Docker Hub 连接超时此时按排错表第 1 条配置国内镜像源再重试。第 5 步确认服务全部 Runningdocker ps你会看到duix-avatar-asr、duix-avatar-tts、duix-avatar-gen-video三个容器状态均为 Running分别对外暴露 10095、18180、8383 端口第 6 步安装并启动客户端从项目 Releases 下载对应系统安装包Windows 是 exeUbuntu 是 AppImage双击即可用启动后确认我的数字人页面能正常加载加载成功说明客户端已连上本地服务。第 7 步创建你的第一个数字人准备一段 10–15 秒的正面讲话视频必须有声音光线均匀、脸部占画面 60% 以上点击 Create Avatar 上传几秒到半分钟内处理完My Avatars 列表里就会出现这张数字人卡片第 8 步生成第一条视频在 Create Video 里选中刚建好的数字人输入一段文案或上传音频点击生成等待 1–3 分钟后得到口型对齐的口播视频。到这里本地数字人系统就跑通了。深入使用克隆、生成、看日志三件套功能一创建数字人克隆外貌 声音能做什么一段带声的短视频同时克隆出脸和声之后这个人就能替你说任何文案。怎么操作录制 10–15 秒正面视频单一背景、光线充足全程对着镜头说话首页点 Create Avatar上传视频并起个名字等待处理完成客户端会自动分离音频轨道声音部分走 TTS 服务克隆在 My Avatars 列表确认卡片出现。预期效果上传一段 10 秒视频得到一个可随时复用的数字人换文案不用重新训练。功能二生成数字人视频文字驱动口型能做什么给文案或给音频输出人物开口说话的视频本地完成语音合成与口型对齐。怎么操作点 Create Video从列表选一个数字人输入文本走 TTS 合成语音或直接上传现成音频走原声驱动点击生成等待渲染在 My Works 里预览并保存成片。预期效果1 分钟文案大约 3–5 分钟出片客户端内置 8 种语言中、英、日、韩、法、德、阿、西脚本配合多模型管理可以建多个形象做系列内容。功能三查日志定位问题能做什么创建或生成失败时先分清是客户端问题还是服务问题。怎么操作客户端点右上角设置菜单 → Open Log打开客户端日志服务端问题则在 Docker Desktop 里点进对应容器复制 Logs 面板内容对照 常见问题文档 里的报错样例比对。预期效果日志里Connection refused、file not exists这类关键字能直接对应到下面排错表里的条目。排错速查表五个高频问题现象原因解法docker-compose up -d拉镜像超时报request canceled/Client.TimeoutDocker Hub 官方源连接不稳定在 Docker 设置 Docker Engine 里加registry-mirrors镜像源后 Apply restart再重新执行拉取三个容器起不来或反复重启没有 NVIDIA 显卡或驱动没装对执行nvidia-smi确认能显示显卡信息装好驱动后重启 Docker 再试新增模特报错提示文件不存在上传的视频没有声音或没人在说话换一段全程说话的 10 秒以上视频重新上传定制模特时Connection refusedASR 服务启动慢还没就绪或内存不足 16GB服务启动后等几分钟再操作内存小的机器升级内存渲染时 CUDA 显存不足其他程序占着显存关掉占 GPU 的程序或降低输出分辨率配置镜像源的位置长这样在 Docker Engine 配置 JSON 里加一段registry-mirrors进阶扩展用 API 把数字人接进自己的系统服务端起来后会在本地暴露 HTTP 端口你可以在自己程序里按克隆语音 → 合成音频 → 合成视频三步调用不用走客户端界面。举两个最常用的语音克隆合成POST http://127.0.0.1:18180/v1/invoke请求体传要合成的text以及克隆阶段返回的reference_audio/reference_text返回一个 wav 文件路径。视频生成POST http://127.0.0.1:8383/easy/submit传上一步得到的audio_url、数字人对应的video_url和一个唯一code再GET http://127.0.0.1:8383/easy/query?codexxx轮询进度完成后拿到成片。客户端里这些调用的完整参数写法可以直接参考 src/main/service/ 目录下的 model.js、video.js、voice.js照抄参数即可。写在最后数字人克隆、语音合成、视频渲染全部发生在你的机器上意味着素材不落地云端跑通之后搭一条文案进、成片出的自动化内容流水线只是时间问题。更多报错样例和截图直接翻 常见问题 即可。【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