免费AI数字人本地部署：Duix.Avatar用10秒视频训练你的数字分身-育师

免费AI数字人本地部署：Duix.Avatar用10秒视频训练你的数字分身

【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 是免费开源的AI数字人工具：上传约10秒的真人说话视频，在本地克隆你的形象和声音，输入文案即可生成口播视频。适合不想把影像声音传上云端的教育者、内容创作者与企业培训人员。

项目速览：这款免费AI数字人工具能做什么

简单说，它把"录视频、克隆、配音、对口型"这套流程装进了一个桌面应用：你提供一段真人视频，它负责后续的 AI 数字人生成，全程不联网。

维度	说明
它做什么	克隆外貌+声音，文字/语音驱动，自动生成口型同步的口播视频
适合谁	无编程基础的个人创作者、教师、企业培训人员
是否离线	完全离线，数据和算力都在你自己的电脑上
部署成本	一次性下载约70G镜像，之后无授权费、无月费

主界面只有两个核心入口：左侧 Create Video 直接用数字分身做视频，右侧 Create Avatar 先训练一个分身。下面的 My Works / My Avatars 分别管理你的作品和已训练的模型。

上手前的门槛：本地部署数字分身的硬件与软件要求

先把话说在前面：这个项目的所有算力都在本地，必须有一张装了驱动的英伟达显卡，否则三个服务都起不来。

硬件要求

部件	要求	备注
CPU	13代 i5 起步（如 i5-13400F）	官方推荐配置
内存	32GB 及以上	16GB 可能起不动 ASR 服务
显卡	英伟达显卡，推荐 RTX 4070	驱动装好后`nvidia-smi`能显示信息即可
硬盘	100GB 以上空闲	Windows：C盘存镜像需 >100G，D盘存数据需 >30G

软件环境

系统：Windows 10 19042.1526 及以上，或 Ubuntu 22.04 Desktop
Docker：Windows 用 Docker Desktop（需先装 WSL），Ubuntu 用 apt 安装
英伟达显卡驱动：必装项，装完跑一下nvidia-smi确认
Node.js 18：仅当你要从源码自己构建客户端时才需要，直接用官方安装包可跳过

5分钟部署开源AI数字人：从克隆代码到服务跑起来

整个部署核心就两条命令，其余时间都花在下载镜像上。

第1步：装好 Docker 和显卡驱动

Windows：先确认 WSL（wsl --list --verbose，没装过就wsl --install再wsl --update），然后安装 Docker Desktop 并首次运行
Ubuntu：sudo apt update && sudo apt install docker.io docker-compose，再按官方流程装显卡驱动和 NVIDIA Container Toolkit
C盘空闲不足100G时，装完 Docker 可在设置里把镜像目录改到其他磁盘：

第2步：克隆项目代码

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

第3步：启动服务端

cd deploy docker-compose up -d

首次执行会拉取约70G的镜像，半小时左右完成（取决于网速，建议连WiFi）。当 Docker 里出现3 个 Running 状态的容器就算成功：TTS 语音合成、ASR 语音识别、视频生成各一个。配置见 deploy/docker-compose.yml。

两个可选变体：

显存/硬盘较小：docker-compose -f docker-compose-lite.yml up -d（只起视频生成1个服务）
50系列显卡：docker-compose -f docker-compose-5090.yml up -d

第4步：安装客户端

从官方发布页下载对应系统的安装包（Windows 是 .exe 双击安装，Linux 是 .AppImage 直接运行），打开后它会自己检测本地三个服务是否就绪。

训练第一个数字人：4步完成形象与声音克隆

服务跑起来后，创建第一个数字分身大概是这样：

录素材：一段 10 秒左右的正面视频，光线充足、背景干净，视频里必须有你本人在说话——这段声音是语音克隆的原料，纯无声视频会直接报错
上传视频：点 Create Avatar 上传素材，等待训练完成（约30分钟，包含面部特征提取和语音模型训练）
写文案：训练好后进 Create Video，输入一段文字，或用 8 种语言（中、英、日、韩、法、德、阿拉伯语、西班牙语）之一
生成视频：系统合成音频并驱动口型，完成后在 My Works 里直接播放、下载

原理速览：10秒视频如何变成数字分身

架构上就是"一个桌面客户端 + 三个本地 Docker 服务"。客户端（Electron + Vue）只负责界面和流程编排，重活都由容器干，彼此通过本机端口通信：TTS 服务（fish-speech，18180 端口）、ASR 服务（fun-asr，10095 端口）、视频生成服务（8383 端口）。

一条口播视频的完整数据流：

你上传的视频先用 FFmpeg 分离为「静音视频 + 人声」
人声送去训练语音模型，ASR 负责把参考音频转成文字供后续对齐
生成时，你输入的文案先经 TTS 合成为"你的声音"
视频生成服务用这段音频驱动分身口型，渲染出最终口播视频

想深入的话，从 src/main/service/model.js（模型训练）、src/main/service/video.js（视频合成）、src/main/service/voice.js（语音处理）三个文件入手最直观。

本地部署的数字分身能用来做什么

教育培训
- 批量生产章节讲解视频
- 同一课程出一套多语言版本
- 课件更新时只需改文案，不用重拍
企业应用
- 标准化的产品演示片
- 风格统一的员工培训材料
- 对外宣传保持品牌形象一致
自媒体创作
- 一次写稿、多次出片，提高口播视频产量
- 固定个人出镜形象，建立识别度
- 音画全程本地处理，素材不经过第三方平台

本地部署常见坑与排查

部署过程中最容易卡住的三个问题，按「现象 → 动作」排查：

docker-compose up -d拉镜像超时（request canceled / timeout）
- 现象：三个容器全部报Error response from daemon
- 动作：Docker Hub 直连不稳定。在 Docker 的 Docker Engine 设置里加registry-mirrors国内镜像源后重启，再重新执行启动命令：

创建数字人报错或无响应（Connection refused）
- 现象：上传素材后训练失败，日志里 ASR 连接被拒
- 动作：先确认素材视频有人声（无声音频无法做声音克隆）；再注意 ASR 服务启动较慢，三个服务起来后等几分钟再发起克隆；内存只有16G的机器可能根本起不来，需按硬件要求升级
三个服务起不来或反复重启
- 现象：容器状态不是 Running
- 动作：执行nvidia-smi检查显卡和驱动是否就绪（这是最常见原因）；其次确认客户端和服务端都是最新版本，服务端可在/deploy目录重新执行docker-compose up -d更新