30分钟本地部署Duix-Avatar，生成第一条AI数字人口播视频-育师

30分钟本地部署Duix-Avatar，生成第一条AI数字人口播视频

【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

录一段10秒视频，丢进自己的电脑，十分钟后得到一条自己"说话"的视频——这就是Duix-Avatar本地部署之后你能做到的事。这套开源AI数字人工具全程离线完成形象与声音克隆，素材和声音数据都锁在自己的电脑里，不会上传云端。如果你是个人创作者、自媒体博主或小型内容团队，按下面的步骤操作，大约半小时就能在自己的机器上产出第一条口播视频。

先确认你的电脑跑不跑得动，4项硬件逐一过

本地部署翻车，最常见的原因在硬件上。这个项目把所有算力都放在本地，并依赖CUDA加速，动手前先对着下表自查一遍：

配置项	要求	快速自检方式
显卡	NVIDIA显卡（推荐RTX 4070及以上）	到NVIDIA官网驱动页核对型号，确认该卡支持CUDA
内存	32GB及以上	系统设置里查看"已安装的内存"
CPU	第13代英特尔酷睿i5-13400F或更高（推荐）	用CPU-Z查看型号与核心数
存储	C盘≥100GB、D盘≥30GB（Ubuntu则130GB+空闲）	文件资源管理器查看各分区可用空间
系统	Windows 10 19042.1526或更高，或Ubuntu 22.04桌面版	右键"此电脑"→属性，查看系统版本

必须是NVIDIA显卡：AMD显卡和核显带不动这三个服务容器，这一步不达标就不用往下走了。

存储要求主要花在两处：Docker镜像文件占C盘（约100GB），训练出的形象和生成的作品存放在D盘（约30GB）。空间不够时，装完Docker后可以把它的数据目录改到空余更大的磁盘上。

备齐WSL和Docker，把三个服务拉起来

装好WSL与Docker Desktop

打开终端执行wsl --list --verbose，查看是否已装WSL；没有就用wsl --install安装。
执行wsl --update更新WSL，终端提示更新成功即可。
到Docker官网下载Windows版Docker Desktop安装，首次启动接受协议并跳过登录。
验证标准：系统托盘的Docker图标保持Running状态，基础环境就绪。

获取项目代码并拉取服务镜像

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

本地部署需要三个服务镜像：一个负责语音识别（fun-asr），一个负责语音合成（fish-speech-ziming），一个负责视频生成（duix.avatar）。在终端依次拉取：

docker pull guiji2025/fun-asr docker pull guiji2025/fish-speech-ziming docker pull guiji2025/duix.avatar

镜像下载约70GB流量，耗时半小时左右，建议连WiFi耐心等待。

用docker-compose一键启动三个服务

服务配置放在仓库的deploy 目录里：标准版启动三个服务，lite版只启动视频生成服务。

cd deploy docker-compose up -d

打开Docker Desktop的容器页面验证：三个服务都显示Running，说明本地数字人服务已经就绪。

图1：Docker容器日志界面，状态区显示Running，本地数字人服务全部就绪

装好客户端，连上本地服务

下载官方构建的Windows安装包（Ubuntu用户下载AppImage，双击即可运行）。
双击Duix.Avatar-x.x.x-setup.exe完成安装。
启动客户端，首次运行勾选同意用户协议，进入主界面。

验证标准：主界面顶部有"Create Video"（生成口播视频）和"Create Avatar"（克隆形象）两个横幅入口，下方是"My Works"和"My Avatars"两个标签页。

图2：客户端主界面，Create Video与Create Avatar分别是口播视频生成和形象创建入口

🎬 一段10秒视频，克隆出你的数字形象

录制10-15秒的训练视频

正面拍摄，纯色或绿幕背景，光线充足
面部清晰、表情自然，包含简单的转头动作
视频里必须有你在说话的音频，程序要从中克隆你的声音
建议分辨率720p以上，录完存到本地

上传素材并启动训练

主界面点击"Create Avatar"，上传录好的视频。
输入模型名称，选择性别与年龄段，点击开始训练。
等待5-10分钟；完成后"My Avatars"标签页会出现你的形象卡片，点开可预览。

输入台词，生成第一条口播视频

用文本驱动生成

选中训练好的形象，点击"Create Video"。
在文本框输入台词，第一次建议50字以内。
选择语音风格，按需调整语速、语调。
点击生成，等待3-5分钟，成片会自动存进"My Works"，可预览、下载。

图3：客户端My Works标签页，展示已生成的数字人口播视频作品

让成片更专业的5个做法

绿幕背景拍摄：后期可替换任意场景背景，口型区域更干净、画面更稳。
调面部参数：口型区域发虚时，可在本地配置文件里提高面部检测置信度、切换到高精度面部特征点（只改本地配置文件，不动仓库代码）。
多形象管理：不同表情风格（微笑、严肃）各训练一个模型，按视频内容切换数字人；定期清理不用的模型释放空间。
API批量出片：Docker服务启动后，视频合成接口暴露在本地127.0.0.1，传入音频与视频路径即可提交任务：

curl -X POST http://127.0.0.1:8383/easy/submit \ -H "Content-Type: application/json" \ -d '{"audio_url":"D:/duix_avatar_data/audio.wav","video_url":"D:/duix_avatar_data/video.mp4","code":"task-001","chaofen":0,"watermark_switch":0,"pn":1}'

后期精修：把导出的视频导进常用剪辑软件，加字幕、背景音乐和转场，再发布。

常见故障、性能调优与求助渠道

常见故障速查

现象	可能原因	处理办法
三个服务容器起不来	Docker未启动，或NVIDIA驱动未装	先启动Docker；装完驱动执行`nvidia-smi`验证
拉镜像缓慢或卡住	Docker Hub官方源连接不稳定	在Docker配置中设置国内镜像源后重新拉取
新建模特时报错	训练视频无声或没有人说话	重新录一段10-15秒、含清晰人声的视频
训练卡住、提示连接被拒	内存不足，或asr服务尚未启动完成	关闭其他程序；服务启动后等几分钟再训练
客户端连不上服务	18180或8383端口被占用	检查占用该端口的进程并关闭，再重启容器