RVC 语音转换 Web UI：10 分钟录音就能训出你的 AI 歌手，4G 显存可跑

RVC 语音转换 Web UI10 分钟录音就能训出你的 AI 歌手4G 显存可跑【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给短视频配音总怕声音撞脸直播开麦又想换个更有特色的音色Retrieval-based-Voice-Conversion-WebUI下称 RVC是一个基于 VITS 的语音转换框架你丢进10 到 50 分钟的录音它就能训练出一个属于你的 AI 歌手模型。整个过程在浏览器里点按钮完成不用写一行代码。这篇 RVC Web UI 教程带你从 clone 仓库走到第一条转换出来的音频顺路把新手最容易卡住的坑一次讲清。 能力全景先判断它值不值得你装RVC 提供两套界面训练推理界面go-web.bat 启动负责训练和批量转换实时变声界面go-realtime-gui.bat 启动负责开麦即改。按场景看你能拿到什么场景你能拿到什么门槛把自己的声音克隆给短视频、游戏配音10-50 分钟低底噪录音训练出 60MB 的模型文件推理时音色纯净不串味至少 4GB 显存的显卡训练集 10 分钟起步直播、游戏里实时换声音端到端延迟 170ms配 ASIO 声卡可到 90ms麦克风 扬声器N/A/I 卡均可运行处理整首歌曲再变声内置 UVR5 人声分离模型先拆人声再转换需要先下载 uvr5_weights 权重把两个模型音色调着玩模型融合功能可在 ckpt 选项卡里合并出混合音色需要先训出至少两个模型看完这张表只要你有 4GB 显存、一小时的空闲时间下面就能跑起来。 最小可跑路径从清单到启动硬件/系统清单显存不足是最常见劝退点先对号入座显存4GB 是最低要求3GB如 GTX 1060 3G基本没救Python3.8 及以上磁盘约10GB可用空间代码 预训练模型音频工具FFmpeg负责读写各种格式音频1. 拉取代码——这一步把项目放到你电脑上git clone https://gitcode.com/GitHub_Trending/re/Retrieval-based-Voice-Conversion-WebUI cd Retrieval-based-Voice-Conversion-WebUI2. 装依赖——按你的显卡选一份清单装。先装 PyTorch 全家桶pip install torch torchvision torchaudio然后按显卡选装pip install -r requirements.txt # N卡 pip install -r requirements-dml.txt # A卡 / I卡 pip install -r requirements-amd.txt # A卡 ROCM仅 Linux pip install -r requirements-ipex.txt # I卡 IPEX仅 LinuxWindows 上 RTX 30 系Ampere 架构如果报错换带 cu117 参数的安装命令指定 CUDA 版本即可。MacOS 用户直接一条命令sh ./run.sh3. 装 FFmpeg——RVC 靠它解码音频sudo apt install ffmpeg # Ubuntu / Debian brew install ffmpeg # MacOSWindows 用户把 ffmpeg.exe 和 ffprobe.exe 放进项目根目录就行。4. 下载预训练模型——模型不下载训练和推理都是空转。脚本会自动把 HuBERT 语音特征提取模型、VITS 预训练权重、UVR5 人声分离权重拉到 assets/ 目录sh tools/dlmodels.sh5. 下载 RMVPE 音高提取文件——RMVPE 是项目默认使用的音高提取算法比旧方案更快、资源占用更小、不容易出现哑音。把rmvpe.pt放到项目根目录A卡/I卡用户额外再放一份rmvpe.onnx。6. 启动python infer-web.py浏览器打开http://localhost:7897就进入训练推理界面。Windows 用户也可以直接双击 go-web.bat 省去敲命令。️ 第一次实战把 10 分钟录音变成你的 AI 歌手装好之后别急着乱点跑一遍最小真实流程准备素材录10 分钟以上干净的人声朗读、哼歌都行底噪越小越好存成一个文件夹。打开训练选项卡填实验名比如my-voice勾选是否考虑音高——要做唱歌变声必须勾上。填好训练集音频文件夹路径点一键训练。程序会自动切分音频、提取音高和特征、训练模型、训练检索索引全程看控制台滚动日志就行。训练完成后weights/目录下会出现一个60MB的.pth模型文件——这是你唯一需要保留和分享的模型。接下来去推理界面左侧选你的模型右侧选目标音色拖入一段你自己的录音点推理等几秒输出目录里就多了一条 WAV。成功的样子是这样的人声轮廓像目标音色咬字和节奏跟着你的原录音走没有金属味和杂音。如果听着像原音色和目标音色各占一半把索引比例往上调最大 1.0再试。️ 避坑速查现象原因你能做的动作Cuda out of memory显存不够4GB 是下限训练时把 batch size 降到 1推理时调小 configs/config.py 末尾的x_pad、x_query、x_center、x_max一键训练结束却没有索引文件训练集太大加索引那步卡住耐心等一会儿长时间无响应就再点一次训练索引Windows 报 llvmlite.dll 错误缺微软 C 运行库装上 vc_redist.x64.exe重启电脑和 Web UI网页弹出 Expecting value: line 1 column 1系统代理拦截了本地请求关掉全局/局域网代理远程机器的 http_proxy 也要 unset更多问题先翻 常见问题那里有 18 条完整排查路径。 深入方向训练参数怎么调、音高算法怎么选训练技巧文档模型融合把两个音色混成一个新的源码在 infer/modules/vc/utils.py想脱离网页、写脚本批处理看 tools/infer_cli.py 和 tools/infer/infer-pm-index256.py下一步现在就去把 go-web.bat 双击起来录一段 10 分钟的干净人声今天就能听到自己的 AI 歌手。卡住了就回上面的避坑表查一遍RVC 的坑都有标准答案。【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