工业级高保真数字人部署实施方案
基于纯净版 WSL2 Ubuntu 24.04 + RTX 4080 (16GB)环境，本方案采用**“先闭环、再提质、后服务”**的务实工程路线。
从最底层的系统环境配置开始，打通文本到真人口播视频的全链路。
阶段 0：从零搭建 AI 基础设施 (极度重要)
因为 Ubuntu 24.04 是刚装好的，缺少大量跑深度学习必需的底层系统组件。
1. 更新系统并安装系统级依赖
在 WSL 终端中执行：
sudo apt update && sudo apt upgrade -y sudo apt install -y git wget curl ffmpeg libgl1 libglib2.0-0 build-essential- 干了什么：更新了 Ubuntu 的软件源，并安装了
git(拉取代码)、ffmpeg(处理音视频)、libgl1等图形依赖。 - 为什么这么干：数字人涉及大量的视频抽帧和图像处理，如果没有
ffmpeg和libgl1，后续的 OpenCV 库在运行时会直接报错ImportError: libGL.so.1: cannot open shared object file。
2. 安装 Conda 环境管理器 (多环境隔离)
# 下载 Miniconda 安装包 wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh # 运行安装程序 (一路按 Enter 到底，最后输入 yes 接受协议并初始化) bash Miniconda3-latest-Linux-x86_64.sh # 刷新环境变量让 conda 生效 source ~/.bashrc # 验证 conda --version- 为什么这么干：Ubuntu 24.04 的系统全局 Python 环境受 PEP 668 限制，直接
pip install会报错。虽然使用自带的venv照样可以正常安装，但数字人项目组件多、跨度大，选用 Conda 主要是为了极其精细的跨版本多环境物理隔离（避免底层 CUDA 库和依赖冲突）。
阶段 1：构建工程目录架构
mkdir -p ~/digital-human cd ~/digital-human
