Windows10下部署Heygem进行数字人生成

先看效果

这是原始视频

原始视频

这是生成的数字人视频

合成数字人

环境准备

对于使用Heygem生成数字人，需要注意几个问题：

• 需要使用Nvidia的显卡。
• 需要在Windows上进行本地部署。主要原因为客户端是Windows的，客户端对上传的视频写入硬编码的D:\heygem_data\voice\data目录，需要在容器上读取这些文件。
• 需要在Windows上部署Docker，将Windows的目录映射到容器中，由容器中的服务进行读取。
• 需要特别注意，一定要有D盘，这个D盘是Windows的D盘，不能是插入的USB设备后产生的D盘。
• 需要下载3个Docker镜像，大概70G，需要Windows有足够的磁盘空间。
• 可以定制模特，这个听说是要上传到外网，暂时没进行测试。定制的模特会在本地存储，在生产数字人时，会使用本地的GPU。
• 从生产的效果看，声音和原始模特有点差异，但生成的视频口型还可以，产出还是可用的。用它可以制作一些培训教程还是可以的。

安装Nvidia显卡驱动

我的显卡是一个RTX 3060，6G显存。

安装CUDA

之前安装过CUDA，不知道有没有影响，先列在这里。

服务端部署

下载Docker镜像

用户可以先安装一个Windows的Docker Desktop，这样就可以直接用命令拉取镜像。

docker pull guiji2025/fun-asr
docker pull guiji2025/fish-speech-ziming
docker pull guiji2025/heygem.ai

启动Docker容器

项目的github地址如下

https://github.com/GuijiAI/HeyGem.ai

可以使用git命令clone代码，也可以直接下载它的压缩包后，在本地解压。

准备好代码后，进入deploy目录，如我的目录地址为

在C:\Code\HeyGem\deploy里，执行下面的命令，即可启动三个Docker容器。

docker compose -f docker-compose.yml up -d

我使用的是git带的bash命令，显示效果如下。

从Docker Desktop中可以查看容器的启动情况。

当看到三个容器都是绿色 的状态，说明三个容器中的服务启动正常。

到这里，服务端已经准备好了。

客户端部署

下载客户端软件

下载地址

https://github.com/GuijiAI/HeyGem.ai/releases

我用的软件地址如下：

https://github.com/GuijiAI/HeyGem.ai/releases/download/v1.0.3/HeyGem-1.0.3-setup.exe

安装客户端

运行下载的exe程序

点击安装

开始安装

安装完成

启动客户端

到这里，客户端也部署完成。

制作数字人

上传一个视频进行模特定制，会报下面的错误。分析了一下原因，是 heygem-tts那个容器中，未能将Windows的路径地址和容器进行映射，导入客户端中生成的WAV文件，在容器中查询不到。导致这个原因是因为我的笔记本只有一个C盘，我用U盘去模拟D盘，这样是行不通的。

在Windows中将C盘进行收缩后，再创建一个分区，并挂载到D：，重新制作模特。

选择一个MP4的视频，提交定制。

不到一分钟，就出现下面的页面。

关闭页面后，回到主页面，就可以看到自己的定制模特了。

创建一个视频，输入希望数字人说的话对应的文字。

点击合成视频，即开始生成数字人。

在客户端可以查看生成的进度。

查看本地的显卡使用情况

制作成功后，可以下载和播放。