10 分钟录音炼出专属音色RVC 变声模型快速上手【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把一段 10 分钟的干声录音喂给程序再传进去一首别人的歌出来的声音却带着你自己的音色——这件事以前得找团队做现在一台带独显的电脑就能完成。Retrieval-based-Voice-Conversion-WebUIRVC把切分、训练、转换全搬进了一个网页界面核心就是解决用少量人声数据训练出高质量变声模型这件事。RVC 是怎么帮你干活的RVC 基于 VITS一种神经声码器负责把文本特征变成人耳可听的波形搭建关键在 top1 检索替换转换时从训练集里找出最像输入的一段特征直接顶替白话讲就是拿你录过的声音去替换对方的声音所以转完不会串进原唱的音色。底模用约 50 小时开源 VCTK 语料预训练版权干净。弱显卡也能快速训练内置 UVR5 分离人声伴奏还能跑实时变声。开始之前备齐这几样Python 3.12 x64Ubuntu 建议 24.04。FFmpeg 必装Ubuntu 用sudo apt install ffmpegWindows 把 ffmpeg.exe、ffprobe.exe 放进项目根目录。显卡显存 4GB 以上才走 GPU 训练推理用 CPU 也可以只是更慢。磁盘留 5GB 左右放模型和训练产物。素材10 分钟以上清晰、低底噪人声同一人路径避免中文和空格。主线流程从安装到出结果Step 1拿到代码git clone https://gitcode.com/GitHub_Trending/re/Retrieval-based-Voice-Conversion-WebUIStep 2建虚拟环境、装依赖py -3.12 -m venv .venv .venv\Scripts\activate python -m pip install torch2.7.1cu118 torchaudio2.7.1cu118 --index-url https://download.pytorch.org/whl/cu118 python -m pip install -r requirments_cu118_py312.txt python webui.py依赖文件按硬件四选一NVIDIA RTX 50 系以下用requirments_cu118_py312.txt50 系用requirments_cu128_py312.txtTorch 换成 cu128 版CPU、AMD、Intel 用requirments_cpu_py312.txt。Windows 装完可直接双击 go-webui.bat服务器用python webui.py --noautoopen。浏览器打开 http://localhost:7865 即成功。Step 3补底模文件从 Hugging Face 仓库 lj1995/VoiceConversionWebUI 下载hubert_base/*、rmvpe/rmvpe.pt是推理和特征提取必需的pretrained/V1与pretrained_v2/V2用于训练UVR5 分离再下uvr5_weights/*。放到 configs/config.py 里写的固定路径如assets/hubert_base/、assets/rmvpe/。Step 4切分素材音频切分选项卡填入素材文件夹路径按 3–10 秒一段切好产出在 logs/ 对应实验目录下。带 BGM 的先用 UVR5 选项卡分离出纯人声。Step 5提取特征特征提取选项卡选rmvpeInterSpeech 2023 的音高提取模型速度快、资源占用小完成 F0 音高与 Hubert 特征提取。Step 6训练与生成索引训练选项卡填实验名total epoch 默认 20 直接用训练完自动产出added_*.index索引文件它决定转换时向目标音色靠拢的程度。Step 7推理验证推理选项卡刷新音色列表选刚训的 .pth 和 .index上传测试音频转换。index rate 在 0–1 之间调大更贴训练音色调小保留原说话风格多试几遍。值得记住的几个参数total epoch默认 20范围 2–1200。轮数拉太高音色会发塑料感先跑 20–30 轮听效果再决定。batch size界面按显存自动取显存÷2显存吃紧时第一个降它。save_every_epoch默认每 5 轮存一次20 轮能拿 4 个检查点方便回退到更好听的那版。index rate推理界面 0–1 滑条越大越像录的人越小越像你输入的声音。检索配置x_pad、x_query、x_max 等按显存在 configs/config.py 里自动分档手动改只为压显存。大概率会踩的坑看到 ffmpeg error / utf8 error → 多半是音频路径带空格、括号或中文 → 素材挪到纯英文短路径重跑。看到 CUDA out of memory → 训练 batch 太大或推理段太长 → 降 batch size或调小 configs/config.py 里的 x_pad、x_query、x_max。看到 WebUI Connection Error → 多半是终端窗口被关了 → 保持命令行窗口开着再查 7865 端口是否被占用。转换听不到目标音色 → 音色列表没刷新 → 点刷新音色列表里根本没有就去 logs/实验名 下的 log 查训练报错。训练完没生成索引 → 多半是内存不足 → 再点一次训练索引或缩小训练集。跑通之后还可以试试用ckpt 处理选项卡把两个不同音色融合混合音色的玩法比单一克隆更耐听。跑实时变声Windows 双击 go-realtime_gui.bat端到端延迟约 170msASIO 设备可压到 90ms入口是 realtime_gui.py。翻 docs/cn/faq.md 和 docs/cn/Changelog_CN.md补上命令行推理和版本改动的细节。RVC 把录十分钟、训一个模型变成了网页上点几下的事素材的干净程度决定上限参数只是微调。今晚就挑一段 10 分钟干声把 Step 1 到 Step 7 走一遍跑通后再回来精调 index rate。【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