10秒克隆数字分身：Duix.Avatar 数字人本地部署与口播视频生成指南-育师

10秒克隆数字分身：Duix.Avatar 数字人本地部署与口播视频生成指南

【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 是一款完全开源、免费运行的 AI 数字人克隆工具，只需一段 10 秒左右的真人视频，它就能复刻你的形象和声音，之后输入一段文本或上传一段音频，就能自动合成口型匹配的口播视频。所有算力都跑在你自己的显卡上，不出内网、不付费、不限量。适合想做日更口播的内容创作者、要批量输出培训素材的企业团队，以及希望把视频生产线搬进内网的技术同学。

数字人口播视频：让一条 10 秒素材代替你反复出镜

以前做口播，改一个词就得重录一遍，一天最多两三条。把 10 秒素材交给 Duix.Avatar 克隆后，改稿只需重跑一次音频合成，形象和声音都不变。对自媒体账号来说，"日更口播"从每天面对镜头变成每天点一次生成。

内部培训与产品宣讲：把讲师的声音沉淀成可复用的资产

企业内部培训视频过去依赖某位讲师亲自出镜，人一请假就断更。克隆一次后，讲师只提供最新讲解文本，就能持续输出统一形象、统一声线的视频，新人入职培训按部门批量生成，不用再为场地、灯光和剪辑排期发愁。

多语言版本：同一份脚本，一次出多语种

脚本支持中文、英文、日文、韩文、法文、德文、阿拉伯文、西班牙文 8 种语言，配合声音克隆，同一个数字分身可以"说" 8 种语言。做出海账号或本地化课件时，不再需要请 8 个配音。

一条 docker-compose 命令拉起三个数字人服务

硬件前提一句话：一台装了 NVIDIA 显卡、32G 内存、100G 空闲磁盘的 Windows 10 或 Ubuntu 22.04 机器即可。仓库的 deploy 目录里已经写好了三份 compose 文件，你按下面 4 步走。

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

启动服务端，三个容器（fun-asr、fish-speech-ziming、duix.avatar）都是 Running 就成功，首次拉镜像约 70G，官方给出的参考时间是半小时左右

docker-compose up -d

从官方 Release 页拿.exe（Windows）或.AppImage（Ubuntu）双击安装，无需自己 build
打开客户端，进入"创建数字人"，上传一段 10 秒左右、正对镜头说话的视频，等克隆完成后就可以输入文案生成你的第一条口播视频

数字分身克隆：形象与声音一起复刻

它做什么：把一段真实拍摄的 10 秒视频拆成"静默视频 + 人声音频"两路，一路喂给图像模型学你的脸，一路喂给语音模型学你的音色。

怎么用：客户端"创建数字人"里上传素材即可。客户端侧的 src/main/service/model.js 会调用/v1/preprocess_and_tran把音频送去克隆，voice.js负责后续的语音合成。

得到什么：同一张脸、同一个声音，之后的所有视频都由模型生成，你不用再面对摄像头。

文本或音频驱动：一段文案直接变成口播视频

它做什么：把你想说的文字转成克隆音色朗读的音频，再拿这段音频驱动你的数字分身做口型与表情，最终输出一条可发布的视频文件。

怎么用：进入"创建视频"，粘贴脚本或上传 wav，点生成。底层链路由 src/main/service/video.js 负责，它会调/easy/submit提交任务，再轮询/easy/query拿进度。

得到什么：从文本到成片通常在几分钟内完成，口型与发音基本对齐，可以直接发布到短视频平台。

常见报错处理：镜像拉不下来、克隆失败、日志怎么看

现象：docker-compose up -d报net/http: request canceled或context canceled。原因：Docker Hub 官方源在国内访问不稳定。解决：在 Docker Desktop → Settings → Docker Engine 里加registry-mirrors数组，配置国内镜像源后再重试，官方 FAQ 给了可直接抄的示例。

现象：克隆形象时提示file not exists或抛出堆栈。原因：上传的素材视频没有声音，或不是人在说话，程序必须靠人声来训练声音模型。解决：换一段带清晰人声、口齿清楚的正面视频重新上传。

现象：ASR 服务反复Connection refused。原因：Duix.Avatar-asr启动较慢，或者机器内存小于 32G 起不来。解决：服务端启动后等 3~5 分钟再触发克隆；内存不足时先扩内存，或先只跑 lite 版本（只起Duix.Avatar-gen-video一个容器）。

现象：想看具体报在哪里。解决：客户端右上角"打开日志"能看到本地main.log的位置；服务端则在 Docker 容器里点 Logs 标签页直接复制。

从这里开始你的第一次数字人克隆

Duix.Avatar 把过去动辄几十万元的数字人建模，压缩成 32G 内存 + 一张 N 卡 + 一条docker-compose命令的组合，隐私和成本都留给了你自己。先把仓库克隆下来，按上面 4 步跑通服务端，再拿你自己的 10 秒视频完成第一次形象克隆——从敲命令到出片，参考时间大约是半小时，取决于你的网速和磁盘。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考