如何快速打造自己的AI数字人：Duix.Avatar免费部署与出片完整教程-平芜编程栈

如何快速打造自己的AI数字人：Duix.Avatar免费部署与出片完整教程

【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

做一条AI口播视频，商业平台动辄按分钟收费。有没有不花一分钱、数据不出自己电脑的免费方案？Duix.Avatar就是答案：它是一款开源的AI数字人克隆工具，只需一段10秒左右的视频，就能克隆你的形象和声音，之后输入文案或上传音频，即可自动生成口型同步的播报视频。全文按"检查→部署→出片→排障"的顺序带你走通。

🎬 先搞清楚：Duix.Avatar能帮你做什么

一句话讲清楚它的能力边界：

做什么：从10秒左右的视频中同时提取外貌特征和声音特征，生成一个属于你自己的数字人模型；之后用文字或已有音频驱动它说话，输出口型同步的口播视频。
适合谁：需要持续产出口播内容但不想出镜的自媒体作者、想批量制作标准化课程视频的讲师、需要品牌数字人的企业运营。
产出什么：可直接发布的口播视频文件，全程离线运行，不需要联网；同时项目开放了API，方便开发者把它接入自己的系统。

📋 动手前的硬件与系统检查清单

部署前对照下表逐项自查，缺任何一项都会卡住：

操作系统：Windows 10（19042.1526或更高版本）或 Ubuntu 22.04 Desktop
显卡：NVIDIA显卡并正确安装驱动（必需）。本项目所有算力都在本地，没有N卡三个服务起不来
内存：32GB及以上（必需，只有16GB时语音识别服务可能启动不了）
磁盘：Windows用户C盘留100GB以上（存Docker服务镜像）、D盘留30GB以上（存数字人和作品数据）；Ubuntu用户空闲空间大于100GB
参考配置：第13代 i5-13400F + 32GB内存 + RTX 4070
网络：首次拉取镜像约消耗70GB流量，建议连WiFi并预留半小时

C盘空间不够时，可在Docker Desktop设置页的 Resources → Disk image location 里把镜像存储位置改到空间更大的磁盘：

🚀 三步完成部署：装Docker、起服务、装客户端

第1步：安装Docker

Windows用户：先用wsl --list --verbose查看是否装过WSL，没有就执行wsl --install，再用wsl --update更新，最后从Docker官网下载安装Docker Desktop。Ubuntu用户：依次执行sudo apt update、sudo apt install docker.io、sudo apt install docker-compose。

确认成功：Windows上Docker Desktop底部显示 Engine running；Ubuntu上执行docker --version能返回版本号。

第2步：启动服务端

进入项目目录下的 deploy/ 文件夹执行启动命令。Windows用户：

cd deploy # 进入部署目录 docker-compose up -d

Ubuntu用户改用Linux专用配置文件：

cd deploy docker-compose -f docker-compose-linux.yml up -d # Ubuntu用linux版配置文件

首次执行会拉取镜像，约需半小时（取决于网速）。

确认成功：Docker中出现3个服务且状态均为Running：Duix.Avatar-asr（语音识别，端口10095）、Duix.Avatar-tts（语音合成，端口18180）、Duix.Avatar-gen-video（视频生成，端口8383）。使用RTX 50系显卡请改用 deploy/ 里的docker-compose-5090.yml；显存小的机器可跑lite版（只有一个视频生成服务）。

第3步：安装客户端

到官方Releases页面下载对应系统的安装包：Windows双击Duix.Avatar-x.x.x-setup.exe安装；Ubuntu直接双击Duix.Avatar-x.x.x.AppImage启动，若以root用户运行则需在终端追加--no-sandbox参数。

确认成功：客户端打开，能看到"Create Video"和"Create Avatar"两个入口。

🎥 第一次出片：从素材到成片走通全流程

1. 上传素材：点击"Create Avatar"，上传一段10秒左右的视频。两个硬性要求——人物面部清晰、视频中必须有说话的声音，程序要靠这段声音做声音克隆。

2. 等待训练：系统自动提取面部与声音特征，耗时几分钟，取决于硬件。确认成功：模型出现在"My Avatars"列表中。

3. 生成视频：进入"Create Video"，输入要说的文案（或上传音频），选择刚才的数字人，点击生成。确认成功："My Works"中出现新视频，播放时口型与语音自然对齐。

⚡ 提升生成效率与质量的5条建议

正面均匀打光：拍摄素材时人脸光线均匀、背景简洁，面部识别和声音还原都会更稳。
时长控制在10~20秒：太短特征提取不足，太长拖慢训练，10秒上下最划算。
输出分辨率按需选择：不需要4K就别选4K，分辨率直接决定合成耗时。
批量任务分批提交：一次塞太多任务会压满显存，分批跑更稳定。
定期清理数据盘：Windows下D:\duix_avatar_data会不断积累素材与中间文件，及时清理避免30GB空间告急。

🛠 高频问题速查：四个坑的排查路径

1. 现象：docker-compose up -d连接失败、请求超时。原因：Docker Hub官方源连接不稳定。解决：在Docker的daemon.json配置里添加registry-mirrors国内镜像源（Windows在Docker Desktop设置里配置），改完重启Docker再执行。

2. 现象：新增模特时报错、克隆失败。原因：上传的视频里没有声音，或画面中没有人说话。解决：重新上传"有真人出声说话"的视频，声音克隆依赖这段音频。

3. 现象：定制模特时报Connection refused。原因：语音识别服务启动较慢，服务刚起来时接口还没就绪。解决：等服务端全部Running后等几分钟再克隆；若机器内存只有16GB，服务可能起不来，建议32GB。

4. 现象：视频生成进度卡在20%不动。原因：音频处理环节出错，常见于音频文件路径异常。解决：打开Docker中Duix.Avatar-tts服务的日志，找"file not exists"之类的报错，按提示核对音频路径，必要时重启该服务：

🧩 进阶玩法：API接入、批量生成与多语言

开放API：服务启动后在本地暴露三组接口——模特训练与音频合成走127.0.0.1:18180，视频合成与进度查询走127.0.0.1:8383，可以跳过界面直接串出自己的数字人流水线。调用逻辑可参考 src/main/service/model.js、video.js、voice.js 的实现。
批量生成：通过视频合成接口循环提交任务，系统自行排队处理，适合内容矩阵式生产。
多语言：客户端支持中、英、日、韩、法、德、阿拉伯、西语8种界面语言，在右上角菜单即可切换。

至此，从硬件自查到第一条成片，你已经完整跑通了Duix.Avatar的全流程。下一步建议：现在就录一段10秒的正面说话视频，按文中步骤走一遍，把"我的数字人"真正跑出来。过程中遇到更多报错，可对照doc/常见问题.md逐条排查，不同显卡和系统的compose配置都放在 deploy/ 目录里。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考