本地部署HeyGem | AdamWong 博客

type

status

date

slug

summary

如何在本地运行

HeyGem 支持基于 Docker 的快速部署，部署前请确保您的软硬件环境满足指定要求。

HeyGem 支持两种部署模式：Windows / Ubuntu 22.04 安装

依赖项

Nodejs 18

Docker 镜像

docker pull guiji2025/fun-asr

docker pull guiji2025/fish-speech-ziming

docker pull guiji2025/heygem.ai

方式一：Windows安装

系统要求：

目前支持Windows 10 19042.1526或更高版本

硬件要求：

必须有D盘：主要用于存储数字人和项目数据

可用空间要求：超过30GB

C盘：用于存储服务图像文件

可用空间要求：超过100GB
如果可用空间少于100GB，安装Docker后，可以在下面显示的位置选择其他剩余空间大于100GB的磁盘文件夹。

推荐配置：

CPU：第 13 代英特尔酷睿 i5-13400F
内存：32GB
显卡：RTX 4070

确保您拥有 NVIDIA 显卡并正确安装了驱动程序

NVIDIA驱动下载链接：https://www.nvidia.cn/drivers/lookup/

安装 Windows Docker

使用命令wsl --list --verbose检查 WSL 是否已安装。如果显示如下，则表示已安装，无需进一步安装。

使用更新 WSL wsl --update。

下载 Docker for Windows，根据你的CPU架构选择合适的安装包。

当看到这个界面时，表示安装成功。

运行 Docker

接受协议并在首次运行时跳过登录

安装服务器

使用Docker、docker-compose的安装如下：

该docker-compose.yml文件位于/deploy目录中。

docker-compose up -d在目录下执行/deploy，如果要使用精简版，则执行docker-compose -f docker-compose-lite.yml up -d

耐心等待（约半小时，速度取决于网络），下载将消耗约70GB流量，请务必使用WiFi

当看到Docker中有三项服务时，表示成功（精简版只有一个服务heygem-gen-video）

NVIDIA 50系列显卡服务器部署解决方案

适用于 50 系列显卡（经过测试，也适用于 CUDA 12.8 的 30/40 系列）使用 PyTorch 的官方预览版

客户

直接下载官方构建的安装包

双击HeyGem-x.x.x-setup.exe

安装

方式二：Ubuntu 22.04安装

系统要求：

我们对Ubuntu 22.04进行了完整的测试。不过理论上它支持桌面 Linux 发行版。

硬件要求：

推荐配置

CPU：第 13 代英特尔酷睿 i5-13400F

内存：32G以上（必备）

显卡：RTX - 4070（确保您拥有 NVIDIA 显卡并且显卡驱动程序已正确安装）

硬盘：剩余空间大于100G

安装 Docker：

首先，使用 docker --version检查 Docker 是否已安装。如果已安装，请跳过以下步骤。

安装显卡驱动：

参考官方文档（https://www.nvidia.cn/drivers/lookup/

）安装显卡驱动。

安装完成后执行nvidia-smi命令，如果显示显卡信息则表示安装成功。

安装 NVIDIA 容器工具包

NVIDIA Container Toolkit 是 Docker 使用 NVIDIA GPU 的必备工具，安装步骤如下：

添加 NVIDIA 软件包存储库：

更新软件包列表并安装工具包：

配置 Docker 以使用 NVIDIA 运行时：

重新启动 Docker 服务：

安装服务器

安装客户端

直接下载官方构建

的Linux版本安装包。

双击HeyGem-x.x.x.AppImage

启动。无需安装。

提醒：Ubuntu系统中，如果以用户身份进入桌面root，直接双击HeyGem - x.x.x.AppImage可能不行，需要./HeyGem - x.x.x.AppImage --no - sandbox在命令行终端中执行，加上--no - sandbox参数即可。

4.开放API

我们开放了模型训练和视频合成的API，Docker启动后会在本地暴露多个端口，可以通过访问http://127.0.0.1。

具体代码参考：

src/main/service/model.js

src/main/service/video.js

src/main/service/voice.js

模型训练

将视频分为静音视频+音频

将音频放入

D:\heygem_data\voice\data与服务约定guiji2025/fish-speech-ziming，可在docker-compose中修改

致电

参数示例：响应示例：记录响应结果，后续音频合成需要用到

音频合成

界面：http://127.0.0.1:18180/v1/invoke

视频合成

合成界面：http://127.0.0.1:8383/easy/submit

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

GET请求，参数taskCode是code上面合成接口输入的

致开发者合作伙伴的重要通知

我们现在宣布两种并行服务解决方案：

项目	HeyGem开源本地部署	数字人/克隆语音API服务
用法	开源本地部署	快速克隆API服务
受到推崇的	技术用户	商业用户
技术门槛	有深度学习框架经验/追求深度定制/希望参与社区共建的开发者	快速业务集成/专注于上层应用开发/商业场景需要企业级SLA保障
硬件要求	需要购买GPU服务器	无需购买GPU服务器
定制	可以根据需要修改和扩展代码，完全控制软件的功能和行为	无法直接修改源代码，只能通过API提供的接口扩展功能，灵活性不如开源项目
技术支援	社区支持	动态扩展支持+专业技术响应团队
维护成本	维护成本高	维护简单
唇形同步效果	可用效果	令人惊艳的高清效果
商业授权	支持全球免费商业使用（用户数超过10万或年收入超过1000万美元的企业需签署商业许可协议）	允许商业使用
迭代速度	更新缓慢，错误修复依赖于社区	优先考虑最新模型/算法，快速解决问题