Duix.Avatar 数字人视频离线制作实战指南-育师

Duix.Avatar 数字人视频离线制作实战指南

【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

Duix.Avatar 是一款真正开源的 AI 数字人工具：提交一段约 10 秒的真人视频，即可在本地克隆你的形象与声音，之后输入文案或上传音频就能驱动它口型同步地生成口播视频。合成阶段全程在你自己的电脑上离线完成，素材不出内网。本文按「环境准备 → 部署 → 创建模型 → 生成视频」的顺序，带你把这套流程完整跑通一遍。

它适合谁解决什么问题

🎬 自媒体创作者：想用自己形象和声音口播脚本，不用每次重录
📚 培训教学场景：需要批量制作讲解视频，脚本支持中、英、日、韩、法、德、阿、西 8 种语言
🏢 有数据合规要求的团队：视频合成完全离线，素材与声音样本不经过网络
💻 本地开发者：模型训练、声音合成、视频合成三段能力都暴露本地接口，便于接入自有系统

快速上手

① 装好 Node.js 18 与 Docker，安装 NVIDIA 显卡驱动并用nvidia-smi确认可见；Windows 用户需 C 盘留 100GB、D 盘留 30GB 以上空间（Ubuntu 22.04 则留 100GB 即可）
② 在仓库 deploy/ 目录执行docker-compose up -d，首次运行约下载 70GB 镜像，耗时半小时左右
③ 看到 Docker 里 3 个服务全部 Running，服务端即部署成功（精简版 lite 配置只有 1 个服务）
④ 安装并打开官方客户端安装包，首页能正常显示「Create Video / Create Avatar」入口即表示连通验证通过

核心能力拆解

用 10 秒视频克隆形象与声音

在首页点「Create Avatar」上传一段约 10 秒的真人视频，系统会自动完成人脸特征提取与声音克隆训练，完成后新模型出现在「My Avatars」列表中，可长期保存复用。限制：上传的视频必须有真实人声（人在说话），程序要靠这段声音做克隆，静音视频会直接报错。

用文字或语音生成口播视频

选中已训好的模型，输入文案或上传一段音频即可发起合成：文案会先转成自然语音，再按语音节奏与音调驱动口型，输出音画同步的视频。8 种语言的脚本均可直接播报。限制：开源本地版的口型效果定位为「可用级」，追求更高清效果可选官方 API 服务。

本地三服务、全流程离线

系统由 ASR 语音识别、声音合成、视频合成 3 个本地服务组成，Docker 启动后均通过http://127.0.0.1的本地端口访问，合成过程不再依赖外网，素材和声音样本都留在本机。限制：所有算力都跑在本地 NVIDIA 显卡上，没有显卡或没装驱动，服务无法启动。

一个完整示例

以「生成一条 1 分钟产品讲解口播视频」为例：

步骤：先在首页点「Create Avatar」，上传 10 秒左右、人声清晰的真人视频，等待模型训练完成；再点「Create Video」，选中刚创建的模型，粘贴讲解文案（或上传录好的音频文件），提交合成任务；任务完成后在客户端预览并保存成片。
结果：得到一段由你的形象和声音出镜朗读脚本的口型同步视频，无需再进录音棚或剪辑。
注意事项：建模视频务必保留连续人声；脚本语言要落在支持的 8 种语言内；数据盘预留足够空间存放视频与音频。另外，请仅将其用于个人学习研究、尊重素材版权、遵守相关平台条款。

进阶与排错

进阶技巧：

C 盘空间不足 100GB 时，在 Docker 的 Settings → Resources 里把磁盘镜像保存位置改到其他盘
50 系列显卡（如 5090）改用仓库提供的deploy/docker-compose-5090.yml启动，基于 PyTorch 预览版
想自己接接口，直接参考 src/main/service/ 下模型、声音、视频三块服务的调用代码

高频问题：

拉取镜像失败或极慢：到 Docker Engine 设置里配置国内镜像源，或换用更稳定的网络后重试
新增模特时报错：先检查视频是否带人声，声音样本就是从这段视频里提取的

从克隆到出片，Duix.Avatar 把整条数字人生产链路装进了你自己的电脑；遇到部署问题，项目 issue 列表每天都在更新，值得一查。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

Duix.Avatar 数字人视频离线制作实战指南