RVC变声器实战10分钟录音训练一个能换声色的语音转换模型【免费下载链接】Retrieval-based-Voice-Conversion-WebUIEasily train a good VC model with voice data 10 mins!项目地址: https://gitcode.com/GitHub_Trending/re/Retrieval-based-Voice-Conversion-WebUIRVCRetrieval-based Voice Conversion WebUI是一个基于 VITS 架构的开源语音音色转换工具你喂给它 10 分钟左右的目标人声录音它训练出一个音色模型之后任何音频输入都会以这个音色重新输出。适合做视频配音、游戏换声、AI 翻唱但不想碰音频工程细节的人。默认监听 7865 端口4GB 显存的显卡即可完整跑通训练加推理。4GB 显存够不够先说结论能跑。4GB 显存的显卡可以完成训练和推理3GB 及以下1060、各种 2G 卡官方 FAQ 的建议是直接放弃。原因看 configs/config.py程序启动时自动读取显存大小低于 4GB 的卡会被直接分到 CPU 上推理4GB 及以下会自动切到更保守的分块参数x_pad/x_query 等。系统内存也别忽略切分和音高提取吃 CPU 多进程内存不够就把CPU 进程数调低或手动把训练音频切短。软件环境有两个硬性要求Python 3.12 x64Ubuntu 用户推荐 24.04 版本。Windows 直接双击 go-webui.bat 走整合包不用自己建环境。从零到第一次换声四步最短路径前置依赖合并成一张清单按序做ffmpeg切分和重采样全靠它。Ubuntu 用sudo apt install ffmpegWindows 把 ffmpeg.exe 和 ffprobe.exe 放到项目根目录Python 虚拟环境 依赖依赖文件按显卡选NVIDIA 旧卡用requirments_cu118_py312.txtRTX 50 系用requirments_cu128_py312.txtA 卡/CPU 用requirments_cpu_py312.txtWindows 走 DirectMLLinux 走 CPU预训练模型缺了 assets 目录下的底模训练和推理都起不来下面四段命令在项目根目录依次执行第一段拉代码并建好虚拟环境git clone https://gitcode.com/GitHub_Trending/re/Retrieval-based-Voice-Conversion-WebUI cd Retrieval-based-Voice-Conversion-WebUI python3.12 -m venv .venv激活虚拟环境后按你的显卡装一份依赖pip install -r requirments_cu118_py312.txt接着下载底模文件路径保持仓库规定的assets/结构hf download lj1995/VoiceConversionWebUI --revision main --include hubert_base/* --local-dir assets hf download lj1995/VoiceConversionWebUI rmvpe.pt --revision main --local-dir assets/rmvpe hf download lj1995/VoiceConversionWebUI --revision main --include pretrained/* pretrained_v2/* --local-dir assets最后启动网页端浏览器会自动打开 7865 端口的训练界面python webui.py没有桌面的服务器加--noautoopen参数手动访问地址。值得动的就这几个参数其余保持默认训练页里的数字很多真正需要关注的就下面这些默认值均以 webui.py 实际配置为准参数怎么设原因总轮数 total_epoch数据有底噪20~30 轮干净且时长足可到 200 轮底噪大的数据训太多轮模型只会把噪音一起学进去保存间隔每 10 轮存一个点才能逐个试听中间产物挑出最早达标的那版batch_size用页面默认值约为显存 GB 数的一半OOM 再往下调默认值是按显存自动估算的稳定起步值采样率/底模选 48k 对应 v2 底模configs/v2/48k.json 是官方配置里质量上限最高的一档音高提取算法选 rmvpe效果最好且显存占用小pm 适合歌声输入提速推理时还有两个滑条值得动检索特征占比 index_rate默认 0.75调高接近 1 音色完全锚定训练集但音质上限被锁死调低到 0 音质可能更好但音色泄露会回来保护值 protect默认 0.33防清辅音和呼吸声撕裂输出有电音就往高调。FAQ 里出现频率最高的四个问题训完没看到索引文件。现象是训练日志显示完成但logs/实验名/下没有 added_ 开头的 .index 文件原因是训练集太大卡住了添加索引步骤。解法回到训练页再点一次训练索引即可FAQ Q2。推理报 Cuda out of memory。大概率就是显存不够。训练阶段把 batch_size 缩小缩到 1 还报错就只能换卡推理阶段则缩小 configs/config.py 末尾的 x_pad、x_query、x_center、x_maxFAQ Q8。训练时报文件页面/内存 error。是进程开太多把内存撑爆了。把提取音高和处理数据使用的 CPU 进程数拉低或手工把训练集音频切短FAQ Q14。WebUI 弹出 Expecting value: line 1 column 1 (char 0)。和代码无关是代理问题。关闭局域网/全局代理包括服务端代理比如 colab 里设的 http_proxy重启再试FAQ Q6。跑通之后批量转换与实时变声批量转换不用开网页WebUI 推理页自带批处理入口选模型和索引后一次丢进一个目录即可训练页跑通后控制台会打印出完整的命令行处理流程照着敲也能脱离界面跑FAQ Q7。实时变声双击 go-realtime_gui.bat 启动实时界面选模型和索引后说话即换声。官方给出的延迟是端到端 170ms换 ASIO 输入输出设备可压到 90ms但后者非常依赖声卡驱动支持普通 USB 声卡别期待这个数字。分享模型记住一点logs/下几百 MB 的 pth 是存实验状态用的能分享的是assets/weights/下 60MB 的 pth 配合对应的 .index 文件FAQ Q4。现在打开推理页选一个保存点模型和对应索引把录音里没用过的一段音频丢进去转换听音色对不对得上——对上了从录音到换声的整个流程就通了。【免费下载链接】Retrieval-based-Voice-Conversion-WebUIEasily train a good VC model with voice data 10 mins!项目地址: https://gitcode.com/GitHub_Trending/re/Retrieval-based-Voice-Conversion-WebUI创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考