如何在本地免费跑通 AI 数字人：Duix.Avatar 开源分身部署与出片指南-平芜编程栈

如何在本地免费跑通 AI 数字人：Duix.Avatar 开源分身部署与出片指南

【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

拍一条口播视频，先纠结文案，再纠结光线机位，NG 一次就是半天。Duix.Avatar 把这个流程砍掉了：开源的 AI 数字人工具，用你一段 10 秒视频克隆外貌和声音，之后贴文字就能生成口播视频，全程跑在本地，素材不出电脑。

本地数字人适合谁用，谁该直接跳过

常做口播短视频、课程讲解、产品介绍，需要稳定产出画面的人
企业或培训场景要反复露出品牌口播，又不想把真人素材交出去
开发者，想给自己的产品接上数字人 API 能力
如果你的需求是"打开网页、上传素材、一键生成"的纯云服务，这个工具帮不上忙——它需要你在本地跑一套 Docker 服务，且电脑必须有英伟达显卡

Duix.Avatar 的三项能力：每样都有明确的输入和输出

形象克隆｜一段正面说话的视频，变成可反复使用的数字分身｜输入只要 10 秒左右的视频声音克隆｜克隆形象时声音一并克隆，音色和语调都保留｜不需要单独再录语音样本文字转视频｜贴一段脚本，自动合成语音、对口型，输出成片｜脚本支持中、英、日、韩等 8 种语言

三步串起来就是完整链路：先克隆形象，声音跟着形象一起生成，最后用文字驱动视频。全程不用打开任何剪辑软件。

和云端数字人服务最大的差别在于：这三件事都发生在你的电脑上，素材不上传任何服务器，不用订阅，也不按分钟计费。模型克隆一次之后，后续出片基本零成本，想改文案就重新贴一遍文字。

本地数字人最低配置要求：三档硬件自检表

档位	CPU	内存	显卡	能做什么
最低	10 代 i5 或同级	16GB	6GB 显存（RTX 3060）	720p 训练与合成
推荐	13 代 i5-13400F 起	32GB	12GB 显存（RTX 4070）	1080p 日常出片
高性能	i9 级别	64GB	24GB 显存（RTX 4090）	批量任务、4K 合成

两条实操经验：内存是硬门槛，官方推荐 32GB，16GB 的机器三个服务可能都拉不起来；英伟达显卡加官方驱动是前提，所有算力都在本地，没有显卡服务直接起不来。Windows 用户另需预留 D 盘 30G 以上、C 盘 100G 以上空闲空间，分别存作品数据和 Docker 镜像。

Docker 五步部署：跑通本地数字人服务

确认 WSL 已就绪

wsl --list --verbose wsl --update

安装 Docker Desktop

下载 Docker Desktop 的 Windows 版正常安装即可，首次启动接受协议、跳过登录。C 盘不足 100G 时，进 Settings → Resources → Advanced，把 Disk image location 用 Browse 挪到空闲 100G 以上的盘。

克隆项目代码

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

启动三个服务

cd deploy docker-compose up -d

首次拉镜像约 70G，建议连 WiFi 等半小时左右。RTX 50 系显卡（如 5090）改启动 deploy 目录里带-5090的 compose 文件；Ubuntu 22.04 用户则用带-linux的 compose 文件。内存吃紧时可以改用-lite精简版，只起视频合成服务。

验证服务状态

docker ps

duix-avatar-tts、duix-avatar-asr、duix-avatar-gen-video 三个容器都是 "Up" 即成功。最后安装官方桌面客户端（releases 里的 exe 安装包，下载后双击），打开就能看到首页。

从 10 秒素材到成片：一次口播视频的生产流程

准备素材（约 5 分钟）：正面说话视频，10 秒左右，720p 以上，光线亮、人脸居中、背景干净。注意视频里必须有人在说话，程序靠这段音频做声音克隆，静音素材会直接报错。

执行操作（约 30 分钟）：客户端里点 "Create Avatar" 上传素材，等形象训练完成；然后进 "Create Video"，选中刚建好的分身，把脚本文字贴进去。

拿到成品（几分钟到几十分钟，取决于文案长度）：合成完成后，一条口型对上的口播视频出现在 "My Works" 里，可直接预览和导出。

首次全流程大约 40 到 60 分钟。之后每出一条新片，就是"贴文字 → 等出片"两步，几分钟到几十分钟一条，素材一次准备长期复用。

⚠️ ## 部署踩坑速查：三个高频卡点

拉镜像失败，报连接超时 / context canceled→ Docker Hub 官方源不稳定 → 在 Docker Desktop 的 "Docker Engine" 配置里给 JSON 加 registry-mirrors 国内镜像源，Apply & restart

创建形象报 Connection refused 或训练失败→ asr 服务启动较慢，或机器内存不足 → 服务起来后等几分钟再操作；仍报错就在 deploy 目录重新执行 docker-compose up -d

docker ps 里有服务没处于 Up→ 英伟达驱动没装或没装好 → 终端执行 nvidia-smi 验证，不显示显卡信息就先装官方驱动再重启服务

实在定位不了原因，在 Docker 里点开对应容器看 Logs，找带 ERROR 或 Exception 的行，基本能锁定是哪个环节出的问题：

收尾

服务跑通、分身克隆好之后，下一条口播视频就只差一段文字了。项目仓库与桌面客户端安装包，见上文"五步部署"里的 clone 地址。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

如何在本地免费跑通 AI 数字人：Duix.Avatar 开源分身部署与出片指南