Duix-Avatar（前 HeyGem）：本地离线数字人视频生成深度拆解
开源仅供学习：本文所涉项目均来自公开仓库，分析仅供技术研究。如需商业使用，请仔细阅读对应许可证条款。
项目背景
duixcom/Duix-Avatar（GitHub：github.com/duixcom/Duix-Avatar）——之前叫做 HeyGem，在 v1.0.5（2025 年 8 月）正式改名。由新加坡公司 Duix 出品，定位是「本地全离线数字人视频生成工作台」：上传一段真人视频，克隆外貌和声音，再输入文字脚本，离线生成口播视频。
截至拆解时：15,585 stars，2,652 forks，开放问题 422 个。仓库最后一次 push：2026-04-21，近 5 个月无代码更新。
核心功能三件套
Duix-Avatar 的架构由三个 Docker 服务组成：
| 服务镜像 | 来源 | 功能 |
|---|---|---|
guiji2025/fun-asr | 阿里 FunASR | 语音识别（ASR） |
guiji2025/fish-speech-ziming | Fish-Speech | 语音合成（TTS） |
guiji2025/duix.avatar | 自研（C 语言） | 视频合成引擎 |
三步流程：外貌克隆 → 声音克隆 → 唇形同步视频生成，全部通过本地 REST API 串联（训练接口 /v1/train，视频合成 127.0.0.1:8383/easy/submit）。
硬件门槛
这是第一个拦路虎。官方明确要求：
- GPU：NVIDIA RTX 4070（必须是 NVIDIA，无 AMD/Apple Silicon 支持）
- 内存：32GB RAM
- 存储：130GB+（C 盘 100GB+，数据盘 30GB+）
- Docker 镜像下载量：约 70GB，安装耗时约 30 分钟
更棘手的是，RTX 5070 / 5090（Blackwell 架构）不受支持。Issue #624 显示新卡 CUDA kernel 直接报错，Issue #601/#617 也有类似反映，目前官方无回应。如果你刚换了最新一代 NVIDIA 卡，大概率跑不起来。
「10 秒克隆」说法核查
用户流传最广的描述是「上传 10 秒视频即可克隆」。我在官方 README、文档站（docs.duix.com）和所有 Release Notes 里找不到任何对应的具体数字。
README 对训练时长没有量化描述。这个说法可能来自第三方评测视频或早期营销内容，在官方一手资料中暂无实证，引用时请注明存疑。
「本地离线」的真实含义
关于「全离线」——视频生成本身确实全离线，所有推理在本地 Docker 容器内跑，官方承诺无需联网。
但 README 里有一句非常关键的自白：
本地版：「Usable effect」（可用效果） 云 API 版：「Stunning and higher definition effect」（惊艳高清效果）
这是官方原文的刻意措辞，相当于亲口承认本地效果比云端差一档。Duix 的商业模式是：开源版作引流，核心变现靠 duix.com 云 API 付费套餐。
另外，实时对话功能完全需要访问 duix.com 云服务，不能本地运行。
许可证陷阱：自定义「DUIX.COM Community License」
这是最需要警惕的部分。许可证名称叫「DUIX.COM Community License」，不是任何 SPDX 标准开源许可证（SPDX 字段标注的是 NOASSERTION）。核心条款：
- 1,000 MAU 付费门槛：产品月活达到 1,000 用户就必须申请商业授权，授权与否由 DUIX.COM 单方面决定
- 强制品牌展示：网站、界面、文档均须显示「Built with DUIX.COM」
- IP 诉讼终止条款：对 DUIX.COM 提起任何知识产权诉讼，许可即刻终止
- 永久营销权：DUIX.COM 获得使用你的实现案例做推广宣传的永久免费权利
还有一个未解决的合规问题：仓库打包分发了 GPL-3.0 的 FFmpeg（含 x264/x265），却套自定义许可证，存在 GPL 合规冲突（Issue #596，目前无官方回应）。
与 Duix-Mobile 的区别
同一组织下还有 duixcom/Duix-Mobile（8,255 stars，C++ 语言），但两者定位完全不同：
| Duix-Avatar | Duix-Mobile | |
|---|---|---|
| 定位 | 视频生成工作台 | 实时交互 Avatar SDK |
| 延迟 | 离线批量生成 | <120ms 实时 |
| 平台 | Windows / Ubuntu | iOS/Android/车机/VR/IoT |
| 用途 | 输出视频文件 | 嵌入 App 运行时 |
如果目标是在手机 App 里跑实时数字人，Duix-Mobile 才是对的仓库。
支持语言
英语、日语、韩语、普通话、法语、德语、阿拉伯语、西班牙语（8 种）。
关键数字汇总
| 指标 | 数值 |
|---|---|
| Stars | 15,585 |
| Docker 镜像大小 | ~70GB |
| 最低 GPU | NVIDIA RTX 4070 |
| 最低内存 | 32GB RAM |
| 最低存储 | 130GB+ |
| 支持语言数 | 8 种 |
| 最后更新 | 2026-04-21 |
| MAU 商业授权门槛 | 1,000 用户 |
综合判断
Duix-Avatar 打包了成熟的开源组件（FunASR + Fish-Speech）加自研 C 视频引擎，工程落地度够高，本地离线也是真的。但四点硬伤明显：
- 硬件门槛极高：RTX 4070 + 32GB RAM，70GB 镜像，不是随手能跑的工具
- 新显卡不支持：Blackwell（RTX 50 系）目前全线坑，5 个月没有维护迹象
- 许可证不是开源：1,000 MAU 就触发商业授权条款，GPL 冲突未解决
- 本地效果差一档：官方自承，如果追求质量还是要付费用云端
适合人群：有闲置 NVIDIA GPU 工作站、想离线预研数字人技术的开发者。不适合：生产部署、移动端、或者对质量有严格要求的场景。
开源仅供学习，商业使用请仔细核查许可证条款。
Duix-Avatar (formerly HeyGem): Local Offline Digital Human Video Cloning — Deep Teardown
Open source for learning only: All projects discussed are from public repositories, analysis is for technical research purposes only.
Project Background
duixcom/Duix-Avatar (GitHub: github.com/duixcom/Duix-Avatar) — formerly called HeyGem, officially renamed at v1.0.5 (August 2025). Built by Singapore-based company Duix, positioned as a “fully local offline digital human video generation workbench”: upload a real video, clone appearance and voice, input a text script, and generate talking-head video offline.
At teardown time: 15,585 stars, 2,652 forks, 422 open issues. Last push: 2026-04-21 — nearly 5 months without a code update.
Core Three-Component Architecture
Three Docker services form the backbone:
| Service Image | Source | Function |
|---|---|---|
guiji2025/fun-asr | Alibaba FunASR | Speech recognition (ASR) |
guiji2025/fish-speech-ziming | Fish-Speech | Text-to-speech (TTS) |
guiji2025/duix.avatar | Proprietary (C language) | Video synthesis engine |
Three-step pipeline: appearance cloning → voice cloning → lip-sync video generation, chained via local REST APIs (training: /v1/train, video synthesis: 127.0.0.1:8383/easy/submit).
Hardware Requirements
The first barrier. Official requirements:
- GPU: NVIDIA RTX 4070 (NVIDIA only — no AMD or Apple Silicon)
- RAM: 32GB
- Storage: 130GB+ (100GB+ on C: drive, 30GB+ data drive)
- Docker image download: ~70GB, ~30 minutes to install
Worse: RTX 5070 / 5090 (Blackwell architecture) are not supported. Issue #624 shows new cards throw CUDA kernel errors immediately. Issues #601/#617 report the same. No official response as of this writing.
”10-Second Clone” Claim Check
The widely circulated claim is “upload a 10-second video to clone.” I found no corresponding number anywhere in official README, docs.duix.com, or Release Notes.
The README has no quantified training time. This figure likely originated from third-party review videos or early marketing content — unverified in official first-party sources.
What “Local Offline” Actually Means
Video generation itself is genuinely fully offline — all inference runs in local Docker containers, no network required.
But the README contains a telling self-assessment:
Local version: “Usable effect” Cloud API version: “Stunning and higher definition effect”
That’s official copy explicitly acknowledging local quality is one tier below cloud. Duix’s business model: open-source as lead generation, monetize via duix.com cloud API.
Real-time conversation requires duix.com cloud services — not runnable locally.
License Trap: Custom “DUIX.COM Community License”
The license is named “DUIX.COM Community License” — not any SPDX-standard open-source license (SPDX field shows NOASSERTION). Key clauses:
- 1,000 MAU commercial trigger: Once your product reaches 1,000 monthly active users, you must apply for commercial licensing — DUIX.COM decides whether to grant it
- Mandatory branding: Website, UI, and documentation must display “Built with DUIX.COM”
- IP litigation termination: Any IP lawsuit against DUIX.COM immediately terminates your license
- Perpetual marketing rights: DUIX.COM gets perpetual, royalty-free rights to use your implementation as a promotional case study
Unresolved compliance issue: the repo distributes GPL-3.0 FFmpeg (with x264/x265) under a custom license — a GPL compatibility conflict documented in Issue #596 with no official response.
Key Metrics Summary
| Metric | Value |
|---|---|
| Stars | 15,585 |
| Docker image size | ~70GB |
| Minimum GPU | NVIDIA RTX 4070 |
| Minimum RAM | 32GB |
| Minimum storage | 130GB+ |
| Supported languages | 8 |
| Last push | 2026-04-21 |
| Commercial MAU threshold | 1,000 users |
Verdict
Duix-Avatar packages mature open-source components (FunASR + Fish-Speech) with a proprietary C video engine — solid engineering execution, genuinely offline. But four hard problems:
- High hardware barrier: RTX 4070 + 32GB RAM + 70GB image — not a casual tool
- New GPUs unsupported: Blackwell (RTX 50 series) is broken, no maintenance activity for 5 months
- Non-open license: 1,000 MAU triggers commercial licensing; GPL conflict unresolved
- Local quality is one tier below cloud: Official admission — quality-conscious use cases still need to pay for cloud
Good fit: developers with idle NVIDIA GPU workstations wanting to experiment with local digital human technology. Not suitable: production deployment, mobile, or quality-critical use cases.
Open source for learning only. Check license terms carefully before commercial use.
关于本站 · 免责声明
🍄 Mushroom Research Blog 是非营利、免费公开的个人科技观察博客与公众号 XStack18，不接受商业合作、不代表任何企业或机构立场，也不谋求商业利益。我们以个人视角客观中立地记录和分析 AI、Web3 等领域的最新模型发布与技术动态——不止转述新闻标题或二手信息，而是给出有独立思考的深入分析，希望帮更多人获得有价值的一手科技认知。
⚠️ 文中介绍的开源代码与模型，仅供学习交流与技术借鉴。它们大多仍处于早期阶段，有待进一步研究和验证，请勿直接用于工作或生产环境；如需采用，请先自行充分测试，并核实其许可证与安全性。
Open-source code and models featured here are shared for learning and reference only. Most are early-stage and still need further study and verification — please don't use them directly in your work or in production. Test them thoroughly and check their licenses and security first.
- 本站文章均为作者基于公开信息的个人研究与观点整理，不代表文中提及的任何公司、产品、模型的官方立场，未与其构成商业关联或合作关系。
- 科技行业信息更新极快，我们尽力保证内容准确、及时，但不对完整性、实时性做绝对保证，具体请以相关企业/项目官方公告为准。
- 文中引用的第三方商标、产品名称、图片、数据等版权归原权利人所有，我们会尽量注明来源；如你认为存在版权疑问或侵权，请通过下方邮箱联系我们，收到通知后会尽快核实处理（更正、加注来源或删除）。
- 文章内容仅为技术科普与个人观点，不构成投资、法律或其他专业建议，据此进行任何决策的后果需自行判断和承担。
📮 侵权 / 勘误 / 合作咨询：[email protected]
💬 评论与讨论
使用 GitHub 账号登录后发表评论