免费用 RVC WebUI 快速完成 AI 变声：10 分钟数据训练语音克隆的完整指南

免费用 RVC WebUI 快速完成 AI 变声10 分钟数据训练语音克隆的完整指南【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-WebUIRVC WebUIRetrieval-based-Voice-Conversion-WebUI是一套基于 VITS 的开源检索式变声框架它通过 top1 检索把输入特征的音色替换为训练集特征从机制上杜绝了源音色泄漏让你用 10 分钟左右的低底噪语音就能训练出可用的语音克隆模型并支持 90~170ms 延迟的实时变声。全文按「自检 → 安装 → 首次体验 → 调参 → 排障 → 效率优化」的读者任务流组织按顺序走一遍即可跑通完整流程。准备篇先做环境自检再装依赖在动手之前确认三件事Python 版本 ≥ 3.8、显卡类型、FFmpeg 是否可用。RVC 的推理和训练对显存敏感4GB 以下显存的显卡如 GT 1030 2G基本无法使用4GB 显存勉强可用6GB 以上体验才完整。N 卡走 CUDAA 卡 / I 卡则通过 DirectML 或 IPEX 加速Linux 上的 A 卡还支持 ROCm。git clone https://gitcode.com/GitHub_Trending/re/Retrieval-based-Voice-Conversion-WebUI cd Retrieval-based-Voice-Conversion-WebUI pip install torch torchvision torchaudio # 已装可跳过 pip install -r requirements.txt # N 卡 # A 卡 / I 卡改用pip install -r requirements-dml.txt接下来是预训练模型。底模用约 50 小时开源 VCTK 数据集训练无版权顾虑与特征提取模型需要从 Hugging Face 的 lj1995/VoiceConversionWebUI 空间下载清单里包括assets/hubert/hubert_base.pt音高与特征提取底座assets/pretrained/v1 推理底模assets/pretrained_v2/v2 底模想用 v2 模型必须下载assets/uvr5_weights/UVR5 人声分离权重根目录下的rmvpe.ptRMVPE 音高提取模型A/I 卡用户另需rmvpe.onnx仓库tools/download_models.py里内置了自动下载脚本也可执行tools/dlmodels.sh/dlmodels.bat。FFmpeg 是音频处理的硬依赖Ubuntu 用sudo apt install ffmpegmacOS 用brew install ffmpegWindows 用户把 ffmpeg.exe、ffprobe.exe 放进仓库根目录即可。上手篇30 分钟内产出第一段变声音频依赖装好后最短体验路径是这样python infer-web.py # Windows 整合包用户直接双击 go-web.bat浏览器打开http://localhost:7865后即进入训练推理界面。第一次使用不必训练直接选一个预训练模型体验推理在「推理」选项卡中刷新音色选一个assets/weights/下的 pth 模型选模型时注意配套 index 文件音高提取算法选rmvpe上传一段 wav 人声点「转换」。生成的音频会写入output/目录。想拥有自己的音色模型进入「一键训练」选项卡填入 10~30 分钟的 wav 训练集目录先用 UVR5 选项卡从人声伴奏分离出干净人声效果更好依次点「一键提取特征」「训练」「训练索引」。训练完成后回到推理选项卡点「刷新音色」新模型即可出现在列表里。训练全过程约几十分钟4GB 以上显存的入门显卡就能完成。深度篇按场景配置训练与推理参数RVC 的效果差异主要来自两个旋钮音高提取算法与index_rate检索特征时训练集特征的占比决定音色相似度与稳定性的平衡。实时变声f0_methodrmvpeindex_rate约 0.75。RMVPE 是当前准确率最好且占用最小的算法能显著缓解哑音问题开启半精度is_halfTrue可再省约一半算力。高质量离线转换f0_methodcrepeindex_rate0.5 左右 全精度。crepe 精度最高但慢适合不着急的成品输出。批量跑量f0_methodpm或harvest速度最快显存紧张时甚至可以指定devicecpu推理。epoch 的取值取决于数据质量底噪大的 20~30 个 epoch 即可继续加大只是放大噪声音质高、时长足的集子拉到 200 也不夸张。采样率上v1 底模支持 32k/40k/48kv2 支持 32k/48k配置文件在configs/v1/与configs/v2/下运行时生效的副本位于configs/inuse/改完记得重启。数据准备是效果的天花板同一音色、低底噪、无混响、单条切片 3~10 秒为佳。infer/lib/train/下的data_utils.py、preprocess.py可以看到切片、对齐的具体逻辑排查数据问题时很有用。排障篇高频故障与解法路径报错ffmpeg error / utf8 error。多数不是 FFmpeg 本身的问题而是训练集路径含空格、括号或中文ffmpeg 读不到带特殊符号的路径中文路径写入 filelist 时会触发 utf8 错误。把数据集挪到纯英文短路径即可。训练结束却没有 index 文件。日志出现 Training is done 说明模型已训成紧随其后的报错是假象。索引没生成通常是训练集过大导致 faiss 索引构建卡死直接再点一次「训练索引」批处理版本已修复内存需求过大的问题。推理里看不到新模型。先点「刷新音色」仍看不到就去logs/实验名/下看训练 log确认训练环节是否真的成功。显存不足CUDA out of memory。训练时减小 batch_size推理时调小configs/config.py末尾的x_pad、x_query、x_center、x_max四个块状参数实在不够就切 CPU 推理或换卡。WebUI 报 Expecting value: line 1 column 1。这是客户端或服务端开了代理包括 AutoDL 之类的 http_proxy 学术加速关掉全局/局域网代理或unset相关环境变量后重试。关于分享模型。logs/下几百 MB 的 pth 是完整实验状态不是成品应分享weights/下 60MB 的 pth后续会合并 index 打包成 zip。若只有 logs 版大文件可先用 ckpt 选项卡做「小模型提取」转出来。更多问答见 官方 FAQ 中文版。进阶篇把 RVC 用出效率批量转换不需要点网页按钮仓库自带命令行批处理脚本python tools/infer_batch_rvc.py --input_path ./todo-songs --f0method rmvpe --index_rate 0.66 --model_name my-model它遍历整个目录逐条转换并落盘适合整张专辑或长视频配音。模型侧还有两个值得了解的能力ckpt-mergeckpt 选项卡按权重混合多个 pth可以融合不同音色做出新声音也是微调「偏音色 B 一点」的常规手段。ONNX 导出tools/export_onnx.py把模型转成 ONNX配合infer/lib/infer_pack/里的onnx_inference.py即可脱离 PyTorch 环境部署实时服务里能进一步压低内存与延迟。实时变声的延迟优化顺序选 ASIO 音频设备端到端可到 90ms→ 开半精度 → 采样率降到 32000Hz → 调整configs/config.py中的音频缓冲参数。实时入口是rvc_for_realtime.pyWindows 下双击go-realtime-gui.bat即有可视化界面。资源篇文档与学习路径多语言文档齐全中文 FAQ、更新日志日 / 韩 / 法 / 葡 / 土语版本在docs/对应子目录界面本身支持i18n/locale/下的十余种语言切换。配置模板configs/config.json与configs/v1/、configs/v2/下按采样率分档。学习路径建议先走一遍 WebUI 完成「体验推理 → 一键训练 → 推理自己的模型」闭环再读tools/infer_cli.py、api_240604.py等命令行与 API 入口最后研究infer/modules/下的 VC pipeline 与训练代码。有卡位限制的用户可以关注云 GPU 方案如 AutoDL 低价卡训练再回本地推理。写在最后把仓库克隆下来、装好依赖、放好预训练模型你离第一个变声结果只差一次浏览器访问。建议的顺序先用预训练模型熟悉推理参数含义再用 10 分钟自己的录音训练一个基线模型之后所有调参f0 算法、index_rate、epoch都围绕这个基线做对比实验。开源免费、底模无版权风险放心用于创作。【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