8G显存可跑的AI数字人Duix.Avatar保姆级部署完整指南【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还在为数字人制作的高成本发愁还在担心素材上传云服务带来的隐私风险Duix.Avatar 是一款真正开源、全离线的 AI 数字人工具提交一段 10 秒视频就能完成形象与声音克隆输入文本或音频即可直接生成口播视频。读完本文你能拿到 3 条部署路线、5 个避坑答案和一套开放 API 端点从裸机到产出第一条口播视频一次走通。一、项目速写30 秒搞清楚它能干什么选型前最实际的问题是要准备什么部署完能拿到什么先给结论定位Duix.com 团队开源的 AI 数字人工具箱形象克隆、声音克隆、视频合成一体化支持本地部署与开放 API官方介绍该技术已服务 1 万 企业、生成 50 万 个性化形象。核心卖点全离线——ASR 语音识别、TTS 语音合成、视频合成三个服务全部跑在你自己的显卡上数据全程不出机器文案支持中、英、日、韩、法、德、阿、西 8 种语言。硬件门槛官方推荐 i5-13400F / 32G 内存 / RTX 4070NVIDIA 显卡是硬门槛官方 README 的社区展播里有 B 站创作者实测「8G 显存可用、模型体积 10G、不需要 100G 硬盘」的一键启动方案。商用条款全球免费商用但用户量超 10 万或年营收超 1000 万美元的企业需签署商业许可协议。适合谁要批量产出播报内容的自媒体、数据不能出机器的企业用户以及想自定义流水线的开发者。客户端是桌面应用首页只有三个入口创建视频、创建形象、我的作品。二、能力拆解让「离线」不是一句口号的三件事2.1 一段 10 秒视频克隆五官加声音它是什么上传约 10 秒的真人出镜视频程序自动分离出静音视频 音频——视频用于面部建模音频用于声音克隆。凭什么强不需要绿幕棚拍只要画面里人在说话「脸」和「声音」一次克隆到位克隆出的形象可反复复用后续视频观感与音色始终一致。用在哪自媒体固定人设口播、企业代言人、课程讲师一次克隆长期使用。2.2 文本/语音双驱动8 种语言自由切它是什么直接输入文本TTS 服务基于 Fish-Speech把它转成克隆音色并驱动形象口型也可以上传自己录好的音频。凭什么强文本驱动适合批量产出音频驱动适合要表现力的场景换语言不用重新克隆形象一份素材多语言复用。用在哪一份文案可产出中、英、日等 8 个语言版本适合跨境内容与多语种营销。2.3 全离线架构3 个服务算力全在本地Docker 启动后三个服务全部跑在 127.0.0.1 上服务职责底座本地端口duix-avatar-asr语音识别把克隆语音转成文本FunASR10095duix-avatar-tts语音合成文本转克隆音色Fish-Speech18180duix-avatar-gen-video口型视频合成自研8383从输入到成片的完整链路如下对开发者合成端点直接开放进度查询走http://127.0.0.1:8383/easy/query?code${taskCode}POST http://127.0.0.1:8383/easy/submit { audio_url: {音频路径}, video_url: {形象视频路径}, code: {唯一uuid}, chaofen: 0, watermark_switch: 0, pn: 1 }本地部署与官方 API 服务怎么选官方 README 原表节选维度开源本地部署API 接口服务推荐用户技术型用户要深度定制业务型用户要快速集成硬件需自备 GPU无需购买 GPU 服务器定制化可改源码、完全可控仅能按接口扩展口型效果效果可用更高清支持方式社区支持专属技术响应团队三、真实场景一次克隆的三种用法一个克隆好的形象能撑起来多少业务看这三个方向。3.1 跨境电商一次克隆8 个语言版本痛点产品视频按语种配音、重拍外包费用按语种叠加素材发云第三方还有泄露风险。做法克隆一次形象文案换语言即可产出 8 种语言的口播中、英、日、韩、法、德、阿、西均支持全程离线完成。量化结果素材投入只需 10 秒视频语言扩展从「按语种付费」变成「一次切换」基于官方 8 语言支持清单与全离线架构。「真香从付费到开源AI数字人将开启新时代」——小红书社区帖原文标题出自项目 README 社区作品展3.2 自媒体口播改稿不再重拍痛点固定人设出镜需要反复录制改一句文案就要重拍重剪。做法文本驱动 客户端任务队列客户端按 waiting / pending 状态自动排队合成社区展播版本支持长视频与批量生成。量化结果改稿后只需改文本重新合成无需再次出镜生产链路不依赖外网断网也能跑基于社区展播与客户端任务队列实现。3.3 企业培训与内部内容数据不出门痛点客户信息、内部资料敏感上传到云端生成平台会踩合规红线。做法全离线部署「视频输入 → 克隆 → 视频合成」的数据链路全部在自己的显卡上完成。量化结果0 个数据包出机器基于官方「全离线操作」说明免费商用但 10 万用户或年营收 1000 万美元以上的企业需签许可协议。四、上手路径3 条路线到第一条成片前置clone 仓库git clone https://gitcode.com/GitHub_Trending/he/HeyGem.ai确认 Node 18 与 Docker 已装好。路线一Windows 完整版克隆 合成全都要wsl --update # 先确认 WSL 已安装并保持最新 cd deploy docker-compose up -d # 下载约半小时(耗流量约70G)出现3个服务即成功注意C 盘需 100G 空闲存服务镜像D 盘 30G存克隆数据与作品C 盘不够时可在 Docker 的 Resources → Advanced → Disk image location 处换盘。路线二Ubuntu 22.04官方已适配内核 6.8.0-52-genericsudo apt update sudo apt install docker.io docker-compose nvidia-container-toolkit sudo nvidia-ctk runtime configure --runtimedocker cd deploy docker-compose -f docker-compose-linux.yml up -d客户端是 AppImage双击即运行若用 root 用户进桌面需在终端加--no-sandbox参数执行。路线三50 系显卡专用 / 轻量版cd deploy docker-compose -f docker-compose-5090.yml up -d # 5090实测;30/40系CUDA 12.8也可用 docker-compose -f docker-compose-lite.yml up -d # 轻量版:仅保留1个视频合成服务路线耗时资源门槛适合谁Windows 完整版约 30 分钟官方 README 实测视网速耗流量约 70GC 盘 100G / D 盘 30G32G 内存N 卡要完整克隆 合成能力的 Windows 用户Windows 轻量版单容器下载量更小视网速同上硬件仅 1 个服务已有音频、只做口型合成的用户Ubuntu 22.04视网速官方未标注i5-13400F / 32G / RTX 4070硬盘 100GLinux 桌面或服务器用户50 系显卡版视网速5090 实测30/40 系需 CUDA 12.8新 50 系卡用户五、避坑指南新手最容易撞上的 5 个报错先学会找日志再对号入座客户端点右上角菜单 → Open Log服务端在 Docker Desktop 里点开对应容器的日志面板复制。Q1docker-compose up -d报 request canceled / Client.TimeoutDocker Hub 官方源不稳定。在 Docker 设置的 Docker Engine 中配置国内镜像源后 Apply and restart 重新拉取{ registry-mirrors: [ https://docker.m.daocloud.io, https://docker.1ms.run ] }镜像源随时间可能失效自行搜索最新的再替换。Q2新增模特直接报错上传的视频必须有人声——音频轨要拿去克隆声音无声视频必挂。重录一段人在说话的 10 秒视频再传。Q3定制模特报 Connection refusedASR 服务Duix.Avatar-asr启动较慢服务端起来后等几分钟再操作内存只有 16G 的机器可能根本拉不起服务官方推荐 32G 起。Q4三个服务起不来或不都是 Running先确认有 NVIDIA 显卡且驱动正常nvidia-smi能出显卡信息——本项目算力全在本地没有 N 卡三个服务必然起不来再把服务端/deploy重跑docker-compose up -d和客户端都升到最新版项目更新频繁你的问题可能已在新版修复。Q5Ubuntu 下双击 AppImage 没反应root 用户进桌面时双击会失效改在终端执行./Duix.Avatar-x.x.x.AppImage --no-sandbox即可。六、后续与资源版本动向均来自官方 README可自行核对NVIDIA 50 系5090显卡部署方案已实测通过30/40 系 CUDA 12.8 环境可切换Ubuntu 22.04 桌面版发布其余 Linux 发行版暂未做兼容测试——兼容面扩大还在待办里开源版目前是「非实时」视频合成实时对话能力需看官方平台。资源清单项目仓库clone 用https://gitcode.com/GitHub_Trending/he/HeyGem.ai部署常见问题doc/常见问题.md开放 API 参考实现src/main/service/部署编排文件deploy/许可协议LICENSE技术交流 / 商务合作jamesduix.com更多能力可看官网 duix.com部署卡在任何一步先去项目 Issues 搜一下搜不到就提一个——这篇文章如果帮你省了时间点赞 收藏就是最大的支持。下期预告《3 个接口串起批量播报流水线数字人开放 API 实战》。【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
长河君 · 2026/9/11 1:27:47 · 阅读 1.2k 8G显存可跑的AI数字人：Duix.Avatar保姆级部署完整指南
8G显存可跑的AI数字人Duix.Avatar保姆级部署完整指南【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还在为数字人制作的高成本发愁还在担心素材上传云服务带来的隐私风险Duix.Avatar 是一款真正开源、全离线的 AI 数字人工具提交一段 10 秒视频就能完成形象与声音克隆输入文本或音频即可直接生成口播视频。读完本文你能拿到 3 条部署路线、5 个避坑答案和一套开放 API 端点从裸机到产出第一条口播视频一次走通。一、项目速写30 秒搞清楚它能干什么选型前最实际的问题是要准备什么部署完能拿到什么先给结论定位Duix.com 团队开源的 AI 数字人工具箱形象克隆、声音克隆、视频合成一体化支持本地部署与开放 API官方介绍该技术已服务 1 万 企业、生成 50 万 个性化形象。核心卖点全离线——ASR 语音识别、TTS 语音合成、视频合成三个服务全部跑在你自己的显卡上数据全程不出机器文案支持中、英、日、韩、法、德、阿、西 8 种语言。硬件门槛官方推荐 i5-13400F / 32G 内存 / RTX 4070NVIDIA 显卡是硬门槛官方 README 的社区展播里有 B 站创作者实测「8G 显存可用、模型体积 10G、不需要 100G 硬盘」的一键启动方案。商用条款全球免费商用但用户量超 10 万或年营收超 1000 万美元的企业需签署商业许可协议。适合谁要批量产出播报内容的自媒体、数据不能出机器的企业用户以及想自定义流水线的开发者。客户端是桌面应用首页只有三个入口创建视频、创建形象、我的作品。二、能力拆解让「离线」不是一句口号的三件事2.1 一段 10 秒视频克隆五官加声音它是什么上传约 10 秒的真人出镜视频程序自动分离出静音视频 音频——视频用于面部建模音频用于声音克隆。凭什么强不需要绿幕棚拍只要画面里人在说话「脸」和「声音」一次克隆到位克隆出的形象可反复复用后续视频观感与音色始终一致。用在哪自媒体固定人设口播、企业代言人、课程讲师一次克隆长期使用。2.2 文本/语音双驱动8 种语言自由切它是什么直接输入文本TTS 服务基于 Fish-Speech把它转成克隆音色并驱动形象口型也可以上传自己录好的音频。凭什么强文本驱动适合批量产出音频驱动适合要表现力的场景换语言不用重新克隆形象一份素材多语言复用。用在哪一份文案可产出中、英、日等 8 个语言版本适合跨境内容与多语种营销。2.3 全离线架构3 个服务算力全在本地Docker 启动后三个服务全部跑在 127.0.0.1 上服务职责底座本地端口duix-avatar-asr语音识别把克隆语音转成文本FunASR10095duix-avatar-tts语音合成文本转克隆音色Fish-Speech18180duix-avatar-gen-video口型视频合成自研8383从输入到成片的完整链路如下对开发者合成端点直接开放进度查询走http://127.0.0.1:8383/easy/query?code${taskCode}POST http://127.0.0.1:8383/easy/submit { audio_url: {音频路径}, video_url: {形象视频路径}, code: {唯一uuid}, chaofen: 0, watermark_switch: 0, pn: 1 }本地部署与官方 API 服务怎么选官方 README 原表节选维度开源本地部署API 接口服务推荐用户技术型用户要深度定制业务型用户要快速集成硬件需自备 GPU无需购买 GPU 服务器定制化可改源码、完全可控仅能按接口扩展口型效果效果可用更高清支持方式社区支持专属技术响应团队三、真实场景一次克隆的三种用法一个克隆好的形象能撑起来多少业务看这三个方向。3.1 跨境电商一次克隆8 个语言版本痛点产品视频按语种配音、重拍外包费用按语种叠加素材发云第三方还有泄露风险。做法克隆一次形象文案换语言即可产出 8 种语言的口播中、英、日、韩、法、德、阿、西均支持全程离线完成。量化结果素材投入只需 10 秒视频语言扩展从「按语种付费」变成「一次切换」基于官方 8 语言支持清单与全离线架构。「真香从付费到开源AI数字人将开启新时代」——小红书社区帖原文标题出自项目 README 社区作品展3.2 自媒体口播改稿不再重拍痛点固定人设出镜需要反复录制改一句文案就要重拍重剪。做法文本驱动 客户端任务队列客户端按 waiting / pending 状态自动排队合成社区展播版本支持长视频与批量生成。量化结果改稿后只需改文本重新合成无需再次出镜生产链路不依赖外网断网也能跑基于社区展播与客户端任务队列实现。3.3 企业培训与内部内容数据不出门痛点客户信息、内部资料敏感上传到云端生成平台会踩合规红线。做法全离线部署「视频输入 → 克隆 → 视频合成」的数据链路全部在自己的显卡上完成。量化结果0 个数据包出机器基于官方「全离线操作」说明免费商用但 10 万用户或年营收 1000 万美元以上的企业需签许可协议。四、上手路径3 条路线到第一条成片前置clone 仓库git clone https://gitcode.com/GitHub_Trending/he/HeyGem.ai确认 Node 18 与 Docker 已装好。路线一Windows 完整版克隆 合成全都要wsl --update # 先确认 WSL 已安装并保持最新 cd deploy docker-compose up -d # 下载约半小时(耗流量约70G)出现3个服务即成功注意C 盘需 100G 空闲存服务镜像D 盘 30G存克隆数据与作品C 盘不够时可在 Docker 的 Resources → Advanced → Disk image location 处换盘。路线二Ubuntu 22.04官方已适配内核 6.8.0-52-genericsudo apt update sudo apt install docker.io docker-compose nvidia-container-toolkit sudo nvidia-ctk runtime configure --runtimedocker cd deploy docker-compose -f docker-compose-linux.yml up -d客户端是 AppImage双击即运行若用 root 用户进桌面需在终端加--no-sandbox参数执行。路线三50 系显卡专用 / 轻量版cd deploy docker-compose -f docker-compose-5090.yml up -d # 5090实测;30/40系CUDA 12.8也可用 docker-compose -f docker-compose-lite.yml up -d # 轻量版:仅保留1个视频合成服务路线耗时资源门槛适合谁Windows 完整版约 30 分钟官方 README 实测视网速耗流量约 70GC 盘 100G / D 盘 30G32G 内存N 卡要完整克隆 合成能力的 Windows 用户Windows 轻量版单容器下载量更小视网速同上硬件仅 1 个服务已有音频、只做口型合成的用户Ubuntu 22.04视网速官方未标注i5-13400F / 32G / RTX 4070硬盘 100GLinux 桌面或服务器用户50 系显卡版视网速5090 实测30/40 系需 CUDA 12.8新 50 系卡用户五、避坑指南新手最容易撞上的 5 个报错先学会找日志再对号入座客户端点右上角菜单 → Open Log服务端在 Docker Desktop 里点开对应容器的日志面板复制。Q1docker-compose up -d报 request canceled / Client.TimeoutDocker Hub 官方源不稳定。在 Docker 设置的 Docker Engine 中配置国内镜像源后 Apply and restart 重新拉取{ registry-mirrors: [ https://docker.m.daocloud.io, https://docker.1ms.run ] }镜像源随时间可能失效自行搜索最新的再替换。Q2新增模特直接报错上传的视频必须有人声——音频轨要拿去克隆声音无声视频必挂。重录一段人在说话的 10 秒视频再传。Q3定制模特报 Connection refusedASR 服务Duix.Avatar-asr启动较慢服务端起来后等几分钟再操作内存只有 16G 的机器可能根本拉不起服务官方推荐 32G 起。Q4三个服务起不来或不都是 Running先确认有 NVIDIA 显卡且驱动正常nvidia-smi能出显卡信息——本项目算力全在本地没有 N 卡三个服务必然起不来再把服务端/deploy重跑docker-compose up -d和客户端都升到最新版项目更新频繁你的问题可能已在新版修复。Q5Ubuntu 下双击 AppImage 没反应root 用户进桌面时双击会失效改在终端执行./Duix.Avatar-x.x.x.AppImage --no-sandbox即可。六、后续与资源版本动向均来自官方 README可自行核对NVIDIA 50 系5090显卡部署方案已实测通过30/40 系 CUDA 12.8 环境可切换Ubuntu 22.04 桌面版发布其余 Linux 发行版暂未做兼容测试——兼容面扩大还在待办里开源版目前是「非实时」视频合成实时对话能力需看官方平台。资源清单项目仓库clone 用https://gitcode.com/GitHub_Trending/he/HeyGem.ai部署常见问题doc/常见问题.md开放 API 参考实现src/main/service/部署编排文件deploy/许可协议LICENSE技术交流 / 商务合作jamesduix.com更多能力可看官网 duix.com部署卡在任何一步先去项目 Issues 搜一下搜不到就提一个——这篇文章如果帮你省了时间点赞 收藏就是最大的支持。下期预告《3 个接口串起批量播报流水线数字人开放 API 实战》。【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考