项目	HeyGem开源本地部署	数字人/克隆音API接口服务
使用方式	开源本地部署	极速克隆API服务
推荐	技术型用户	业务型用户
技术门槛	具备深度学习框架经验/追求深度定制化/希望参与社区共建的开发者	快速业务集成/专注上层应用开发/需企业级SLA保障的商用场景
硬件要求	需要购买GPU服务器	无需购买GPU服务器
定制化	可以根据自己的需求对代码进行修改和扩展，完全掌控软件的功能和行为	无法直接修改源代码，只能通过API提供的接口进行功能扩展，灵活性不如开源项目
技术支持	社区支持	动态扩容支持 + 专业技术响应团队
维护成本	维护成本高	维护简单
口形效果	效果可用	效果惊艳且更高清
商用授权	支持全球免费商用（用户量超过10万或年营收达1000万美元以上的企业需签署商业许可协议）	可商用
迭代速度	更新慢，Bug修复依赖社区	最新模型/算法优先适用，问题修复快

我们始终秉持开源初心，API服务的推出旨在为不同需求的开发者提供更完整的解决方案矩阵。无论您选择哪种方式，都可随时通过James@toolwiz.com获取技术支持文档。期待与各位共同推动数字人技术的普惠发展！

硅基智能开发者团队

从零开始，手把手教你打造专属HeyGem 开源AI数字人！

极速克隆API | API文档中心

实时交互SDK | SDK文档中心

本地实时交互（realtime）duix.ai 开源地址 | Android版本 | IOS版本

【开源共创·荣耀共享】

自从我们开源了Heygem，全球极客已在代码宇宙中点亮数字分身矩阵，每个commit都在重构未来！但独乐乐不如众乐乐——现在诚邀各路大神加入「开源共创计划」，让AI创意赋能每个人，一起推动中国AI舰队驶向星辰大海！

共创内容方向

分享Heygem部署教程、优化指南、实战案例等高质量视频或文章（B站、抖音、小红书、公众号、知乎等）

开源共创特供奖励池（真金白银奉上！）

（1）基础奖励


内容获得 20-100 点赞，获评【Heygem.ai 大师奖】及 20 元现金大师🧧

内容获得 100+ 点赞，获评【Heygem.ai 之神奖】及 50 元现金大神🧧

（2）特殊成就：


 月度MVP将解锁开源名人堂数字勋章（永久上链）

参与方式

你的创意发送至至客服小姐姐，加好友备注“姓名+999”

共创优秀作品展

HeyGem数字人一键启动,8G显存可用,模型体积10G,不需要100G硬盘空间,不需要d盘,基于Docker单镜像,硅基开源

Ai数字人16-本地部署！最火爆开源数字人HeyGem零基础手把手教学搭建教程，20%生成卡住解决方法，全套简化流程配套文件分享-T8 comfyui教程

heygem开源见证历史了！赛博打工人革命啊！

数字人项目Heygem本地部署教程

真香！从付费到开源，AI数字人将开启新时代

开源免费的数字人来了，不限次数，快速克隆

AI数字人免费啦！GitHub爆火项目电脑就能跑

最火爆免费AI数字人，HeyGem V1.0.3，最新更新，一键整合包！口型效果超强，速度飞起，支持长视频、批量生成，8G显存可用！

【HeyGem】一键包 windows直接运行无需docker 硅基开源数字人

介绍

Heygem是一款专为Windows系统设计的全离线视频合成工具，它能够精确克隆您的外貌和声音，让您的形象数字化。您可以通过文字和语音驱动虚拟形象，进行视频制作。无需联网，保护隐私的同时，也能享受到便捷和高效的数字体验。

核心功能
- 精确外貌与声音克隆：运用先进的 AI 算法，高精度捕捉真人外貌特征，包括五官形状、面部轮廓等，构建逼真虚拟模型。同时，能精准克隆声音，捕捉并还原人声的细微特征，支持多种声音参数设置，可创造与原声高度相似的克隆效果。
- 文字和语音驱动虚拟形象：通过自然语言处理技术理解文本内容，将文字转换为自然流畅的语音，实现文字驱动虚拟形象。也可直接使用语音输入，让虚拟形象根据语音的节奏、语调等进行相应的动作和表情变化，使虚拟形象的表现更加自然、生动。
- 高效视频合成：将数字人的视频画面与声音高度同步，实现自然流畅的口型匹配，智能优化音视频同步效果。
- 多语言：脚本支持八种语言，英语、日语、韩语、中文、法语、德语、阿拉伯语和西班牙语。
显著优势
- 全离线操作：无需联网即可使用，有效保护用户隐私，让用户在安全、独立的环境中进行创作，避免数据在网络传输过程中可能存在的泄露风险。
- 简单易用：操作界面简洁直观，即使是没有任何技术背景的小白也能轻松上手，快速掌握软件的使用方法，轻松开启数字人创作之旅。
- 多模型支持：支持导入多个模型，并通过一键启动包进行管理，方便用户根据不同的创作需求和应用场景选择合适的模型。
技术支持
- 声音克隆技术：利用人工智能等先进技术，根据给定的声音样本生成与之相似或相同声音的技术，涵盖语音中的语境、语调、语速等。
- 自动语音识别：一种能将人类语音中的词汇内容转换为计算机可读输入，也就是转换为文本格式的技术，让计算机能够 “听懂” 人们说的话。
- 计算机视觉技术：用于视频合成中的视觉处理，包括面部识别、口型分析等，确保虚拟形象的口型与声音和文字内容相匹配。

依赖

Nodejs 18
Docker Image
- docker pull guiji2025/fun-asr
- docker pull guiji2025/fish-speech-ziming
- docker pull guiji2025/heygem.ai

Windows 安装

前置条件

必须有 D 盘：主要用于后续数字人、作品等数据存储
- 空闲空间要求：大于30G
C 盘：用于存储服务镜像文件
- 空闲空间要求：大于 100G
- 如果不足 100G，可以在安装完成docker后，在下图的位置重新选一个剩余空间大于 100G 的磁盘文件夹。
系统要求：
- 目前支持 Windows 10 19042.1526 或更高版本
推荐配置：
- CPU：第13代英特尔酷睿 i5-13400F
- 内存：32G及以上（必要）
- 显卡：rtx-4070
确保有英伟达显卡，并正确安装显卡驱动（必要）

英伟达驱动下载地址 https://www.nvidia.cn/drivers/lookup/

安装 Windows Docker

用wsl --list --verbose命令可以查看本机有没有安装过wsl，如下图就是已经安装过，无需再安装

安装wsl的命令：wsl --install

由于网络原因，可能失败，多试几次

安装过程中需要设置新的用户名和密码，设置并记住

用wsl --update更新wsl。
下载 Docker Windows 版，根据机器 CPU 架构选择不同的安装包。
出现这个界面表示安装成功。
运行 Docker
首次运行接受协议和跳过登录

安装服务端

采用Docker方式安装，docker-compose如下：

docker-compose.yml文件在/deploy目录下。
在/deploy目录执行docker-compose up -d，如果您想使用lite版本，请执行docker-compose -f docker-compose-lite.yml up -d
耐心等待一段时间（半小时左右，速度取决于网速），下载会消耗70G左右流量，注意连WIFI
看到Dokcer 中出现三个服务，表示成功了

客户端

直接下载官方构建的安装包
双击HeyGem-x.x.x-setup.exe即可安装

Ubuntu22.04 安装

安装 Docker

先用docker --version检查是否安装了docker，如果安装了，则跳过以下步骤


sudo apt update
sudo apt install docker.io
sudo apt install docker-compose

安装显卡驱动

参考官方文档安装显卡驱动 https://www.nvidia.cn/drivers/lookup/

安装后执行nvidia-smi命令，如果显示显卡信息，则安装成功

安装 NVIDIA Container Toolkit

NVIDIA Container Toolkit 是 Docker 使用 NVIDIA GPU 的必要工具。安装步骤如下：

添加 NVIDIA 包仓库：


distribution=$(. /etc/os-release;echo $ID$VERSION_ID) \
  && curl -s -L https://nvidia.github.io/libnvidia-container/gpgkey | sudo apt-key add - \
  && curl -s -L https://nvidia.github.io/libnvidia-container/$distribution/libnvidia-container.list | sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list

更新包列表并安装工具包：


  sudo apt-get update
  sudo apt-get install -y nvidia-container-toolkit

配置 Docker 使用 NVIDIA 运行时：


  sudo nvidia-ctk runtime configure --runtime=docker

重启 Docker 服务：
```
  sudo systemctl restart docker
```

安装服务端


cd /deploy
docker-compose -f docker-compose-linux.yml up -d

与windows上拉镜像一样，如果下载太慢，需要指定国内镜像源方法是在/etc/docker/daemon.json文件中添加：
{
  "registry-mirrors": [
    "https://hub.fast360.xyz",
    "https://hub.littlediary.cn",
    "https://docker.kejilion.pro",
    "https://docker.1panelproxy.com"
  ]
}
上面四个镜像源，随着时间推移，可能会有变化，请自行搜索最新的镜像源

客户端

直接下载官方构建的安装包的Linux版本
双击HeyGem-x.x.x.AppImage即可启动，无需安装

提醒：在Ubuntu系统中，如果您使用root用户进入桌面，直接双击HeyGem-x.x.x.AppImage可能运行不了，需要在命令行终端中执行./HeyGem-x.x.x.AppImage --no-sandbox,加上--no-sandbox参数即可。

开放 API

我们开放了模特训练和视频合成的API，Docker 启动后会在本地暴露几个端口，通过http://127.0.0.1可以调用。

具体代码可以参考

src/main/service/model.js
src/main/service/video.js
src/main/service/voice.js

模特训练

将视频分离为静音视频 + 音频
音频放到D:\heygem_data\voice\data下

D:\heygem_data\voice\data是与guiji2025/fish-speech-ziming服务约定的，可以在docker-compose中修改

调用http://127.0.0.1:18180/v1/preprocess_and_tran接口

参数示例：


{
  "format": ".wav",
  "reference_audio": "xxxxxx/xxxxx.wav",
  "lang": "zh"
}

返回示例：


{
  "asr_format_audio_url": "xxxx/x/xxx/xxx.wav",
  "reference_audio_text": "xxxxxxxxxxxx"
}

记录下返回结果后续音频合成需要用到

音频合成

接口：http://127.0.0.1:18180/v1/invoke


// 请求参数
{
  "speaker": "{uuid}", // 一个UUID保持唯一即可
  "text": "xxxxxxxxxx", // 需要合成的文本内容
  "format": "wav", // 固定传参
  "topP": 0.7, // 固定传参
  "max_new_tokens": 1024, // 固定传参
  "chunk_length": 100, // 固定传参
  "repetition_penalty": 1.2, // 固定传
  "temperature": 0.7, // 固定传参
  "need_asr": false, // 固定传参
  "streaming": false, // 固定传参
  "is_fixed_seed": 0, // 固定传参
  "is_norm": 0, // 固定传参
  "reference_audio": "{voice.asr_format_audio_url}", // 上一步“模特训练”的返回值
  "reference_text": "{voice.reference_audio_text}" // 上一步“模特训练”的返回值
}

视频合成

合成接口：http://127.0.0.1:8383/easy/submit


// 请求参数
{
  "audio_url": "{audioPath}", // 音频路径
  "video_url": "{videoPath}", // 视频路径
  "code": "{uuid}", // 唯一key
  "chaofen": 0, // 固定值
  "watermark_switch": 0, // 固定值
  "pn": 1 // 固定值
}

进度查询：http://127.0.0.1:8383/easy/query?code=${taskCode}

get 请求，参数taskCode是上面合成接口入参中的code

常见问题

提问前自查步骤

三个服务是否都是Running状态
确认机器上是有英伟达显卡且正确安装了驱动程序。

本项目所有算力都在本地，没有英伟达显卡或没有驱动程序，以上三个服务是启动不了的。
确保服务端和客户端都更新到了最新版本，项目刚开源，社区很活跃，更新也比较频繁，说不定你的问题已经在新版中解决了。
- 服务端：到/deploy目录下重新执行docker-compose up -d
- 客户端：pull代码后重新build
GitHub Issuse持续更新，每天都在解决和关闭问题单，经常看看，也许你的问题已经解决了。