RVC UVR5 人声分离如何快速完成新手把一首歌拆成人声、伴奏 2 轨的完整指南【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-WebUIRetrieval-based-Voice-Conversion-WebUIRVC内置的 UVR5 模块能把一首歌拆成人声、伴奏 2 轨不需要懂信号处理。跑完后手里是 2 个文件夹一条干净人声轨、一条伴奏轨可直接拿去翻唱、配音或直接喂给 RVC 主界面走变声流程。这是批量分离不支持实时整段处理完才出结果。本指南面向零基础新手装好环境、挑对参数跑一遍 5 分钟内出第一份分离结果。 先看到结果你手里会拿到什么主人声文件夹默认opt目录每首源文件对应一条人声轨是后续变声流程的输入非主人声文件夹默认opt目录伴奏轨歌词旋律基本不可闻格式默认flac无损导出文件格式字段可切wav/mp3/m4a文件夹级批量源文件夹里全部音频一次处理完逐文件出结果 开工前对一遍这 4 样环境、权重、源文件项目要求验证方法运行环境Python 3.1264 位 ffmpeg 已装且加入 PATH执行python -V、ffmpeg -version两条都有输出代码与依赖clone 仓库后按显卡装依赖NVIDIA 用requirments_cu118_py312.txtRTX 50 系用 cu128 版AMD / Intel / 纯 CPU 用requirments_cpu_py312.txtpip install -r全程无报错UVR5 权重官方模型仓库 lj1995/VoiceConversionWebUI 里的 uvr5_weights.pth文件放入assets/uvr5_weights/界面「模型」下拉框出现 HP2、HP3、HP5、DeEcho 系列源文件音频放进一个文件夹44100Hz 双声道最佳不达标时 ffmpeg 自动转成 44.1kHz 双声道再处理数一遍文件夹文件数后面用它比对git clone https://gitcode.com/GitHub_Trending/re/Retrieval-based-Voice-Conversion-WebUI pip install -r requirments_cu118_py312.txt操作流程3 步跑完一次批量分离启动界面。Windows 双击go-webui.batLinux / Mac 执行python3 webui.py。完成后浏览器自动打开主界面顶部可见「模型推理」「训练」等标签页。进入分离标签页。点伴奏人声分离去混响去回声标签输入待处理音频文件夹路径填源文件夹路径文件管理器地址栏直接拷模型下拉选模型无和声选HP3、有和声选HP5、去混响选onnx_dereverb_By_FoxJoy或 DeEcho 系列指定输出主人声文件夹、指定输出非主人声文件夹保持默认opt导出文件格式保持默认flac。开始处理。点转换按钮。完成后右侧输出信息逐行打印文件名 → 成功哪行出现失败后面会跟报错堆栈按最后一节对照处理。⚙️ 决定成败的参数模型 1 选错整轨白跑参数模型适用场景为什么选它 / 选错会怎样HP3无和声歌曲保留主人声单人声保留最完整背景器乐不会被误判成人声HP5有和声歌曲只留主旋律人声和声被归入伴奏轨主人声会薄一点这是去掉和声的代价onnx_dereverb_By_FoxJoy去双通道混响MDX-Net 结构专攻混响用它去混响却选了 HP 系列等于白跑DeEcho-Normal/DeEcho-Aggressive/DeEcho-DeReverb去延迟、去混响Aggressive 更彻底DeReverb 额外去混响耗时接近 2 倍调参策略症状「伴奏里人声残留多」→ 调高人声提取激进程度字段名人声提取激进程度范围 0-20默认 10当前版本界面上未开放症状「伴奏乐器发薄」→ 往回调。每次只动 2 档听完再定。症状「有和声的歌和声被完整保留」→ 和声被当成了主人声换HP5重跑。两条边界要知道这个模块去不干净单声道混响MDX-Net 类模型只处理双通道混响低码率 MP3 的分离上限本身就低换无损文件重跑。相关实现在 tools/uvr5/该标签页的界面定义在 webui.py。✅ 完成后怎么验收4 项自查 症状对照自查跑完逐项过4 项全过才算合格戴耳机打开主人声文件夹挑一段副歌听 30 秒音色连续完整没有明显变薄、断裂打开非主人声文件夹同一段副歌听 30 秒歌词旋律听不出来只剩器乐编排输出信息里每一行都是成功没有失败和红色报错文本两个输出文件夹的文件数量与源文件夹一致无缺失、无多余症状对照按出现概率从高到低如果「模型」下拉框是空的 →assets/uvr5_weights/里没有.pth权重文件 → 从官方模型仓库下载 uvr5_weights把.pth放进该目录重启界面如果报错含No module named torch→ 依赖文件和显卡没对上 → 按显卡型号重选对应 requirements 文件重装AMD / Intel 一律用 CPU 版如果输出失败且堆栈提到 ffmpeg → ffmpeg 没装或没加 PATH → 装好 ffmpeg重启界面重跑如果人声发薄、伴奏味太重 → 提取激进程度调高了 → 从 12 降到 8-10 再跑如果单个文件要跑很久 → 实际在用 CPU 跑或文件夹里文件太多 → 执行python -c import torch; print(torch.cuda.is_available())确认 GPU 可用再减少文件数试跑更多常见问题对照 docs/en/faq_en.md。【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
RVC UVR5 人声分离如何快速完成新手把一首歌拆成人声、伴奏 2 轨的完整指南【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-WebUIRetrieval-based-Voice-Conversion-WebUIRVC内置的 UVR5 模块能把一首歌拆成人声、伴奏 2 轨不需要懂信号处理。跑完后手里是 2 个文件夹一条干净人声轨、一条伴奏轨可直接拿去翻唱、配音或直接喂给 RVC 主界面走变声流程。这是批量分离不支持实时整段处理完才出结果。本指南面向零基础新手装好环境、挑对参数跑一遍 5 分钟内出第一份分离结果。 先看到结果你手里会拿到什么主人声文件夹默认opt目录每首源文件对应一条人声轨是后续变声流程的输入非主人声文件夹默认opt目录伴奏轨歌词旋律基本不可闻格式默认flac无损导出文件格式字段可切wav/mp3/m4a文件夹级批量源文件夹里全部音频一次处理完逐文件出结果 开工前对一遍这 4 样环境、权重、源文件项目要求验证方法运行环境Python 3.1264 位 ffmpeg 已装且加入 PATH执行python -V、ffmpeg -version两条都有输出代码与依赖clone 仓库后按显卡装依赖NVIDIA 用requirments_cu118_py312.txtRTX 50 系用 cu128 版AMD / Intel / 纯 CPU 用requirments_cpu_py312.txtpip install -r全程无报错UVR5 权重官方模型仓库 lj1995/VoiceConversionWebUI 里的 uvr5_weights.pth文件放入assets/uvr5_weights/界面「模型」下拉框出现 HP2、HP3、HP5、DeEcho 系列源文件音频放进一个文件夹44100Hz 双声道最佳不达标时 ffmpeg 自动转成 44.1kHz 双声道再处理数一遍文件夹文件数后面用它比对git clone https://gitcode.com/GitHub_Trending/re/Retrieval-based-Voice-Conversion-WebUI pip install -r requirments_cu118_py312.txt操作流程3 步跑完一次批量分离启动界面。Windows 双击go-webui.batLinux / Mac 执行python3 webui.py。完成后浏览器自动打开主界面顶部可见「模型推理」「训练」等标签页。进入分离标签页。点伴奏人声分离去混响去回声标签输入待处理音频文件夹路径填源文件夹路径文件管理器地址栏直接拷模型下拉选模型无和声选HP3、有和声选HP5、去混响选onnx_dereverb_By_FoxJoy或 DeEcho 系列指定输出主人声文件夹、指定输出非主人声文件夹保持默认opt导出文件格式保持默认flac。开始处理。点转换按钮。完成后右侧输出信息逐行打印文件名 → 成功哪行出现失败后面会跟报错堆栈按最后一节对照处理。⚙️ 决定成败的参数模型 1 选错整轨白跑参数模型适用场景为什么选它 / 选错会怎样HP3无和声歌曲保留主人声单人声保留最完整背景器乐不会被误判成人声HP5有和声歌曲只留主旋律人声和声被归入伴奏轨主人声会薄一点这是去掉和声的代价onnx_dereverb_By_FoxJoy去双通道混响MDX-Net 结构专攻混响用它去混响却选了 HP 系列等于白跑DeEcho-Normal/DeEcho-Aggressive/DeEcho-DeReverb去延迟、去混响Aggressive 更彻底DeReverb 额外去混响耗时接近 2 倍调参策略症状「伴奏里人声残留多」→ 调高人声提取激进程度字段名人声提取激进程度范围 0-20默认 10当前版本界面上未开放症状「伴奏乐器发薄」→ 往回调。每次只动 2 档听完再定。症状「有和声的歌和声被完整保留」→ 和声被当成了主人声换HP5重跑。两条边界要知道这个模块去不干净单声道混响MDX-Net 类模型只处理双通道混响低码率 MP3 的分离上限本身就低换无损文件重跑。相关实现在 tools/uvr5/该标签页的界面定义在 webui.py。✅ 完成后怎么验收4 项自查 症状对照自查跑完逐项过4 项全过才算合格戴耳机打开主人声文件夹挑一段副歌听 30 秒音色连续完整没有明显变薄、断裂打开非主人声文件夹同一段副歌听 30 秒歌词旋律听不出来只剩器乐编排输出信息里每一行都是成功没有失败和红色报错文本两个输出文件夹的文件数量与源文件夹一致无缺失、无多余症状对照按出现概率从高到低如果「模型」下拉框是空的 →assets/uvr5_weights/里没有.pth权重文件 → 从官方模型仓库下载 uvr5_weights把.pth放进该目录重启界面如果报错含No module named torch→ 依赖文件和显卡没对上 → 按显卡型号重选对应 requirements 文件重装AMD / Intel 一律用 CPU 版如果输出失败且堆栈提到 ffmpeg → ffmpeg 没装或没加 PATH → 装好 ffmpeg重启界面重跑如果人声发薄、伴奏味太重 → 提取激进程度调高了 → 从 12 降到 8-10 再跑如果单个文件要跑很久 → 实际在用 CPU 跑或文件夹里文件太多 → 执行python -c import torch; print(torch.cuda.is_available())确认 GPU 可用再减少文件数试跑更多常见问题对照 docs/en/faq_en.md。【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
平方复杂度无法被常规优化消除｜TaoToken 统一 Key 通道实测)
