8G显存离线数字人：Duix.Avatar免费部署完整指南
【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-Avatar
当一段10秒的手机自拍变成由你本人形象口播的成片，这就是"开源数字人"工具的最短路径——Duix.Avatar：上传一段10秒视频克隆形象和声音，输入文案，本地模型合成口播视频，全程不联网。这篇文章给你3套部署方案、4个高频坑、一份硬件门槛清单，读完10分钟就能判断它适不适合你。
为什么不用付费版？三条判断定选型
这一节解决"值不值得花一个周末折腾"。
| 对比维度 | Duix.Avatar（本地开源） | 商业云SaaS（常见档位） | 定制3D数字人 |
|---|---|---|---|
| 硬件门槛 | 8G显存 + 32G内存（社区实测3060级可用） | 无需GPU，但产出受档位限制 | 24G以上显存的工作站 |
| 授权/制作成本 | 免费商用 | 约¥1万+/年或按条计费 | 前期投入高（官方README对比3D路线曾高达数十万美元） |
| 数据走向 | 素材与声纹留在本地磁盘 | 上传云端合成 | 依赖供应商 |
| 语言覆盖 | 8种语言（中英日韩法德阿西） | 看档位 | 一次开发，加语言贵 |
| 自定义程度 | 代码与compose文件全开放 | 仅开放接口参数 | 完全定制 |
我的判断是两条：⚠️英伟达显卡 + 32G内存是一票否决项——全部算力在本地，没GPU三个容器起不来，16G内存连ASR都可能起不动；全离线是必选项——相比云SaaS，素材和声纹不出机器，这才是选它的理由。每月只出几条片子，云档位更划算；日更或素材涉密，免费商用授权（用户量超10万或年营收1000万美元以上的企业需另签协议）就是底线优势。
技术透视：你传的数据到底怎么流
这一节解决"上传的素材去哪了"。服务端是三个Docker容器：fun-asr做语音识别、fish-speech做语音合成、duix.avatar做视频合成，分别监听本机10095 / 18180 / 8383端口；Electron客户端只是调用这些接口的壳。
客户端界面很直接：左侧作品列表，右侧模型列表，"Create Video"和"Create Avatar"两个入口。
最低配置清单（低于这条线，服务基本起不来）：
- 英伟达显卡，显存8G起步（推荐RTX 4070），驱动装好且
nvidia-smi能识别 - 内存32G；16G可能导致ASR服务启动失败
- 磁盘：素材目录30G以上（默认
D:\duix_avatar_data），Docker镜像区100G以上（可迁移） - 系统：Windows 10 19042+或Ubuntu 22.04桌面版
- 网络：仅首次拉镜像需要，约70G流量、半小时左右；之后可断网使用
三类人，三种用法
这一节解决"装好之后到底怎么用"。
内容创作者（课程/口播短视频）
- 输入：10秒出镜口播视频（正面、光线充足、背景干净）
- 操作：客户端"Create Avatar"克隆形象与声音，再"Create Video"输入文案
- 输出：一条口型同步的MP4，日更一条没问题
"以前一节课要约一天棚，场地费比物料还贵；现在上午窗边拍一段，下午数字人就把成片念完了，一周三更毫无压力。"——一位在社区分享的课程UP主
企业运营（批量产品短视频）
- 输入：代言人形象10秒视频 + 一批产品口播脚本
- 操作：克隆一次代言人，按脚本列表批量提交合成
- 输出：30条以上形象统一的短视频，形象与口型不跑偏
"批量最省心：30个SKU各要一条讲解视频，数字人形象不变只换文案，一个下午全部收工。"——一位做消费电子的品牌运营
独立开发者（接入自有流水线）
- 输入：HTTP请求，三个服务全部在127.0.0.1
- 操作：依次调用声纹预处理
18180/v1/preprocess_and_tran、文案合成18180/v1/invoke、视频合成8383/easy/submit，示例代码在src/main/service/目录 - 输出：可编程控制的成片，批量与定时任务自己封装
"接口全在localhost，没有鉴权没有计费，我包了个批量脚本，一晚上渲染了50条。"——一位接入本地API的开发者
上手三条路：Windows一键 / Ubuntu / 50系显卡
这一节解决"从看到能跑差几步"。三条路都在deploy/目录启动，区别只是选哪份compose文件。
路线A：Windows一键（推荐首选）前提：Docker Desktop（WSL2）与英伟达驱动装好；C盘余量不足100G时，先到Docker设置 → Resources里把"Disk image location"改到空间更大的盘（下图）。
cd deploy docker-compose up -d首次拉镜像约30分钟；Docker里出现fun-asr / fish-speech / duix.avatar三个服务即成功。想更轻可改用-f docker-compose-lite.yml，只起一个视频合成容器。随后从官方Release下载Windows安装包双击安装。
路线B：Ubuntu 22.04轻量前提：装好docker.io与nvidia-container-toolkit（安装命令见README），nvidia-smi可见显卡。
cd deploy docker-compose -f docker-compose-linux.yml up -d客户端用Release里的AppImage，双击即运行免安装；root登录桌面时需追加--no-sandbox参数。
路线C：50系显卡加速面向RTX 5090用户（30/40系CUDA 12.8环境也可用），使用PyTorch官方预览版：
cd deploy docker-compose -f docker-compose-5090.yml up -d| 路线 | 首次启动 | 资源占用 | 适合谁 |
|---|---|---|---|
| Windows完整版 | 约30分钟（拉取70G镜像） | 100G磁盘 / 32G内存 | 主力内容生产机 |
| Ubuntu 22.04 | 约30分钟，镜像相同 | 同上 | Linux桌面/开发机 |
| 50系方案 | 约30分钟，镜像相同 | 同上，需较新驱动 | RTX 5090 / CUDA 12.8 |
📌 避坑手册：四个高频报错怎么自查
这一节解决"出错了先看哪里"。
Q1：docker-compose up -d超时，拉取镜像失败？A：Docker Hub官方源不稳定。打开Docker Desktop → Settings → Docker Engine，添加registry-mirrors（下图），Apply并重启。 验证：docker images | grep guiji2025，确认fun-asr / fish-speech / duix.avatar三个镜像都在本地。 如果还不行：部分镜像源会失效，换用最新可用源（README里有一组列表）重试。
Q2：克隆形象时报"Connection refused"？A：ASR服务（fun-asr容器）启动慢，服务端就绪但ASR未就绪，刚启动的头几分钟常见，等5分钟重试。 验证：docker ps确认三个容器均为Up状态。 如果还不行：16G内存可能起不了ASR，升级内存，或再等久一点重试。
Q3：新增模特时提示文件/声音无法识别？A：模特视频里必须有人说话——程序要用音轨做声音克隆，无声视频或纯空镜必然失败。 如果还不行：检查音频是否落在compose约定的目录（默认D:\duix_avatar_data\voice\data），以及face2face目录可写。
Q4：客户端报错，日志去哪里拿？A：客户端点右上角菜单"Open Log"，或到%APPDATA%\heygem.ai\logs\main.log直接取文件；服务端在Docker Desktop点开各容器的Logs标签页复制关键行。 验证：日志加三容器状态截图，基本能分清是环境问题还是数据问题。
路线图一句话：社区分享的规划指向实时直播驱动与移动端轻量化版本，官方持续跟进50系显卡与Ubuntu兼容，具体以项目Release更新为准。
想动手的话，四份材料足够：
- 部署配置：deploy/ —— Windows完整/轻量、Linux、50系四份compose文件
- 常见问题与自查步骤：doc/常见问题.md
- 三个本地API的示例代码：src/main/service/
- 授权条款：LICENSE —— 免费商用，用户量超10万或年营收1000万美元以上需另签协议
如果这篇帮你少走了一小时弯路，收藏就好。
【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
