免费AI变声与语音克隆工具RVC WebUI从安装到实战的完整指南【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 WebUI是一款基于 VITS 框架的开源 AI 变声与语音克隆工具。它的核心能力有两个用 1030 分钟的语音数据训练出一个专属音色模型再用这个模型对你的声音做实时变声。项目采用 MIT 协议完全免费可以在自己的机器上部署也可以跑在云服务器上。 RVC 与传统变声器的本质区别检索式音色替换传统变声器只是把音高和频率往上拉或往下压声音骨架还是你自己的所以听着假。RVC 的做法不同它先用神经网络把你的声音转成一串声学特征推理时通过top1 检索从训练集里找出最相似的特征片段把源特征整个替换掉再由声码器合成音频。你的音色被目标音色的特征覆盖输出就是对方的声音这套检索替换机制还能杜绝源音色往输出里泄漏的问题。核心卖点免费开源MIT 协议模型文件与代码全部可自由使用小数据可训官方建议至少 10 分钟低底噪语音1030 分钟就能得到不错的效果实时可用官方实测端到端延迟约 170ms配合 ASIO 音频设备可做到约 90ms硬件门槛低入门级显卡即可训练和实时推理️ 环境配置硬件参考与安装步骤先看硬件。两档参考配置如下具体型号不敏感关键是显存档位显卡内存存储适合场景入门级NVIDIA 显存 ≥6GB4GB 为下限16GB512GB SSD实时变声、日常训练进阶级RTX 3060 12GB 及以上32GB1TB SSD大批量训练、多模型并行没有合适显卡也没关系租一台便宜云 GPU 训练完把模型文件拷回来即可推理端本地跑就行。安装分四步要求 Python 3.8# 1. 克隆仓库 git clone https://gitcode.com/GitHub_Trending/re/Retrieval-based-Voice-Conversion-WebUI cd Retrieval-based-Voice-Conversion-WebUI # 2. 按显卡装依赖先装好 PyTorch pip install -r requirements.txt # NVIDIA 卡 pip install -r requirements-dml.txt # AMD / Intel 卡DirectML预训练模型运行 tools/download_models.py或参考 README 的清单手动下载把hubert_base.pt、assets/pretrained/、assets/uvr5_weights/放进assets/对应目录想跑 v2 底模再补一个assets/pretrained_v2/。FFmpeg音频处理必备。Linux 执行sudo apt install ffmpegmacOS 执行brew install ffmpegWindows 把ffmpeg.exe放在项目根目录。可选把rmvpe.pt放到根目录启用效果最好的 RMVPE 音高算法。 启动 WebUI 并训练第一个音色模型启动执行python infer-web.pyWindows 直接双击go-web.bat/go-web-dml.bat浏览器访问http://localhost:7865。准备训练集找 1030 分钟音色统一、底噪低的目标人声。素材是歌曲的话先用 WebUI 里的伴奏人声分离 去混响 去回声选项卡UVR5分离出干净人声这是效果好的前提。训练切到训练选项卡填入音频目录设置 total_epoch数据音质差 2030 个 epoch 足够音质好底噪低可上 200点一键训练。流程会自动切片、训练模型并生成.index检索索引。试听验证训练完切到模型推理 → 单次推理选择weights/下 60MB 左右的 pth 文件和.index索引上传一段你自己的音频对比输出音色是否到位。 四个实战场景音乐翻唱UVR5 分离出伴奏和待翻唱人声单次推理确认音色后用批量推理整轨转换输出即可与伴奏混音。直播实时变声运行go-realtime-gui.bat对应 gui_v1.py 桌面端选好模型与音频输入/输出设备输出接到虚拟声卡再进直播推流提前训好几个角色模型用不同设备或快捷键切换。配音与批量处理把素材按段整理到文件夹直接用 tools/infer_batch_rvc.py 或批量推理选项卡整批转换参数保持一致就能保证音色统一。语音助手音色用少量数据训一个轻量模型通过 WebUI 的Onnx 导出选项卡脚本见 tools/export_onnx.py导出后部署到其他平台。⚙️ 参数怎么调三套典型配置参数低延迟实时高音质离线CPU 批量f0_methodrmvpecrepepmindex_rate0.50.750.50.8is_halfTrueFalse关闭devicecuda:0cuda:0cpuf0_method音高提取算法。pm/harvest快但精度一般crepe最准但慢rmvpe综合效果最好且能根治哑音需先放rmvpe.ptindex_rate01 之间调高可压制音色泄漏输出往底模或你自己的声音上靠训练集音质高、时长多时可以放心调高is_halffp16 半精度推理速度更快、显存更省老卡1060/1070/1080 等程序会自动强制回 fp32device在 configs/config.py 里选卡号如cuda:1无显卡环境改cpu 常见问题排查无法启动症状python infer-web.py直接报错或浏览器打不开页面。确认 Python 版本 3.8重装对应显卡的依赖文件检查显卡驱动是否最新、FFmpeg 是否装好关闭系统全局代理否则可能报 Expecting value 之类的 JSON 错误端口 7865 被占用时加--port换端口实时变声延迟高症状说话有明显滞后跟不上节奏。Windows 下改用 ASIO / 独占 WASAPI 输入输出设备采样率改用 32k开启is_half检查声卡驱动本身是否延迟很大必要时换采样长度block_time变声效果不自然症状输出有机械感、闷音或音色不像目标人物。训练数据加到 20 分钟以上剔除带 BGM、混响、底噪的片段在 0.50.8 范围试index_rate换一种 f0_method哑音多就换 rmvpe显存不足CUDA out of memory症状训练或推理中途报 OOM。训练时缩小 batch_size最小到 1推理时调小 configs/config.py 末尾的 x_pad、x_query、x_center、x_max推理改 CPU 跑或换更大显存的卡 进阶能力模型融合ckpt-mergeckpt 处理选项卡里可以把两个音色模型按比例混合出新音色也能把logs/下的大 pth 提取成 60MB 小模型用于分享批量推理脚本tools/infer_batch_rvc.py 支持命令行批量转换整个目录方便写进自动化流程ONNX 导出WebUI 的Onnx 导出选项卡或 tools/export_onnx.py导出后脱离 PyTorch 环境部署适合跨平台与嵌入式场景 资源与下一步中文 FAQ训练、推理、显存等实用问答遇到问题先翻这里更新日志版本变化一览configs/各采样率与 v1/v2 的配置示例assets/pretrained/预训练底模所在目录学习路径一句话初学者把 WebUI 的分离 → 训练 → 单次推理全流程跑通进阶用 tools/infer_cli.py 和批量脚本做自动化想深入就看 infer/ 下的推理与训练源码再到项目 Issues 提问题或贡献补丁。收尾现在就做三件事克隆仓库并装好依赖、把预训练模型放进assets/、在 WebUI 里用 10 分钟数据训出第一个音色模型并单次推理试听一次。跑通这一圈后面的场景都是换参数的事。【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