Duix.Avatar 离线数字人视频生成指南：10 秒视频克隆形象与声音，自动产出同步口播-育师

Duix.Avatar 离线数字人视频生成指南：10 秒视频克隆形象与声音，自动产出同步口播

【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

我录了 10 秒视频，Duix.Avatar 就在本地把我和我的声音克隆成了一个会说话的数字人，再喂段文案，它就自动产出一支口型对得上的口播视频。

它是什么 · 适合谁

Duix.Avatar 是一套免费、开源、可以完全离线运行的 AI 数字人工具。你不需要按次付费，也不用把素材传到别人的服务器上：只要上传一段 10 秒左右、本人在说话的短视频，它就能同时复刻你的形象和声音；之后无论是输入一段文字，还是直接上传一段音频，都能驱动这个「数字分身」对口型，自动剪出一支播报视频。所有计算都跑在你自己的显卡上，数据不出本地。

它比较适合这几类人：想做口播或知识类内容、又不想天天真人出镜打光收音的创作者；要给产品反复录讲解视频、追求效率的团队；需要多语言版本的出海业务；以及愿意折腾、想把生成能力接进自己产品里的开发者。如果你的目标是「不限次数、隐私留在本地」，自己把服务跑起来，通常比反复用云端试用更划算。

从零跑通第一支数字人视频

先给个预期：只要有一张 NVIDIA 显卡、内存 32G 以上，第一次跑通基本就是「装好 Docker → 拉镜像 → 起服务 → 装客户端」，顺利的话一个工作日内能出第一支视频。

在 Windows 上，一般先确认 WSL 可用、装好 Docker Desktop，然后进到 deploy/ 目录，跑一句docker-compose up -d，让声音合成、语音识别、视频生成三个服务在后台把镜像拉下来、把端口起起来。最花时间的是拉镜像，总共大约 70G，建议挂 WiFi 慢慢等。Ubuntu 22.04 用户则用仓库里对应的 Linux 版 compose 文件启动，客户端直接双击 AppImage 就能打开，无需额外安装。

等 Docker 里三个服务都变成 Running，服务端就算就绪了。这时装上官方客户端安装包，新建一个模特、上传那段说话视频，等它克隆完成，你就有了一个「会说话的自己」——这正是第一支视频的起点。

它能生成哪些数字人内容

把能力按「你能做成什么」拆开看会更清楚：

克隆一个数字分身：一次上传，形象和声音一起被复刻，支持多种声音参数，让音色尽量贴近原声。
两种驱动方式：把一段文字交给它读（文字驱动），或上传已有音频让它对口型（语音驱动），两种方式都会自动做口型同步。
一支内容、多种语言：脚本支持中、英、日、韩、法、德、阿、西八种语言，同一套素材可以出不同语言版本。
多模型并行管理：可以导入并管理多个克隆模型，按不同用途切换使用。

几个真实用法：我想完成什么任务

按「我想做成什么事」来想，会更容易上手：

让一个形象批量出多支口播

克隆一次形象，之后每次写一段新文案、点一下生成，就能出一支新视频。做系列内容、日更口播时，不用反复真人出镜、布置场景、重新收音。

给产品录一支讲解视频

把产品介绍的文字给到数字人，让它「说」出来，口型自动对齐。讲解脚本有改动时重跑一遍即可，省掉重录和二次剪辑。

同一支内容，一次出多语言版本

同一套素材，切换语言重新生成，就能拿到外语讲解版本，适合出海或面向不同地区投放。

把长音频变成数字人讲解

如果你已经有一段播客或录音，可以直接拿它做驱动，把纯音频变成「有声有脸」的视频，比文字稿更适合传播。

把生成能力接进我自己的系统

服务端启动后会在本地开放模特训练、音频合成、视频合成几类接口（都走 127.0.0.1），开发者可以参考 src/main/service/ 里的调用示例，把生成能力嵌进自己的产品里。

让它更快更稳

拉镜像太慢：这是新手最常卡住的点。在 Docker 里配置国内镜像源后，速度会明显好转，拉取阶段就不用一直盯着了。

硬盘与磁盘空间：三个镜像加上运行数据体积不小，建议单独留出一块空间充足的盘；如果系统盘不够，可以在 Docker 的磁盘位置里把镜像目录指到别的盘，避免写满。

显存、内存别踩线：项目对显卡和内存有硬性要求，内存偏小（比如 16G）时，识别服务可能根本起不来。
显卡型号要对应：如果你用的是 50 系列等新卡，请用仓库里对应的 5090 启动方案，不要直接套默认配置。
保持两端都是最新版：社区更新比较频繁，很多坑在新版里已经修掉，遇到问题先升级服务端和客户端再去复现。
显存紧张可试 lite 版：资源吃紧时，用精简的 lite 方案只起视频生成服务，能少占一些开销。

常见状况处理

拉镜像超时、连接失败→ 多半是官方源不稳定，配置国内镜像源，或给网络加上稳定的代理后重新执行。
三个服务起不来→ 先确认机器确实有 NVIDIA 显卡、驱动装对了；本项目算力全在本地，没有合适的显卡，服务是拉不起来的。
克隆形象报file not exists或连接被拒→ 通常是识别服务还没启动完，服务端刚起时稍等几分钟再操作；若内存太小，也可能是服务没起来。
客户端连不上、报错→ 先看客户端日志、再看对应 Docker 服务的日志，确认服务是否处于 Running；日志获取方式见常见问题。
Linux 下以 root 打开 AppImage 失败→ 在终端里加上--no-sandbox参数再启动即可。

用得放心

它最大的安心之处是「全离线」：素材和生成结果都留在你自己的机器上，不经过第三方服务器，适合对隐私敏感的内容。同时要留意使用边界——被克隆的形象和声音应当是你本人、或你已获得明确授权的对象，不要用它冒充他人、或制造误导性内容。商用方面项目提供免费商用授权，但当用户规模或营收达到较大门槛时，企业需要另行签署商业许可协议，具体条款见 LICENSE。