RVC实时AI变声教程

模型训练和使用方法

RVC（Retrieval based Voice Conversion，检索式声音转换）是一个开源工具，基于VITS语音合成系统，可实现实时声音变换。该工具适用于直播、视频录制等多种场景。最新版本V2 0528可在Huggingface上进行下载。然而，由于RVC对计算机配置要求较高，建议使用13代酷睿处理器、64GB内存以及4070ti以上的Nvidia显卡。

使用RVC的第一步是下载安装包和模型包，并解压缩。然后，运行程序，选择所需的声音模型，并导入相应的Pth文件。为了实现声音转换，需要连接麦克风和声卡，或使用虚拟声卡进行设置。一旦完成配置设置，只需点击开始按钮即可进行实时变声。

除了使用现有的模型，用户还可以根据自己的需求进行模型训练。RVC提供了相关工具的链接，用户可以在视频下方找到这些链接。

RVC在语音转换领域备受关注，拥有强大的功能。通过该工具，用户可以实时将一种声音转换为另一种声音，为直播、视频录制等应用场景增加了更多的创意和可能性。无论是出于娱乐目的还是为了达到更加个性化的声音效果，RVC都为用户提供了灵活且高质量的声音转换解决方案。

需要注意的是，由于RVC对计算机配置要求较高，确保使用高性能的硬件设备和充足的内存资源，才能获得最佳的使用体验和声音转换效果。

总之，RVC是一个功能强大的开源工具，基于VITS语音合成系统，可实现实时声音变换。通过下载安装包和模型包，并按照指南进行配置，用户可以轻松地进行声音转换，并根据需要训练自己的模型。RVC为直播、视频录制等场景带来了更多的创造性和个性化选项，为用户提供了高质量的声音转换解决方案。

特点

本仓库具有以下特点

• 使用top1检索替换输入源特征为训练集特征来杜绝音色泄漏
• 即便在相对较差的显卡上也能快速训练
• 使用少量数据进行训练也能得到较好结果(推荐至少收集10分钟低底噪语音数据)
• 可以通过模型融合来改变音色(借助ckpt处理选项卡中的ckpt-merge)
• 简单易用的网页界面
• 可调用UVR5模型来快速分离人声和伴奏

环境配置

推荐使用poetry配置环境。

以下指令需在Python版本大于3.8的环境中执行:

# 安装Pytorch及其核心依赖，若已安装则跳过
# 参考自: https://pytorch.org/get-started/locally/
pip install torch torchvision torchaudio

#如果是win系统+Nvidia Ampere架构(RTX30xx)，根据 #21 的经验，需要指定pytorch对应的cuda版本
#pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117

# 安装 Poetry 依赖管理工具, 若已安装则跳过
# 参考自: https://python-poetry.org/docs/#installation
curl -sSL https://install.python-poetry.org | python3 -

# 通过poetry安装依赖
poetry install

你也可以通过pip来安装依赖：

pip install -r requirements.txt

其他预模型准备

RVC需要其他一些预模型来推理和训练。

你可以从我们的 Hugging Face space下载到这些模型。

以下是一份清单，包括了所有RVC所需的预模型和其他文件的名称:

hubert_base.pt

./pretrained 

./uvr5_weights

想测试v2版本模型的话(v2版本模型将特征从 9层hubert+final_proj的256维输入 变更为 12层hubert的768维输入，并且增加了3个周期鉴别器)，需要额外下载

./pretrained_v2 

#如果你正在使用Windows，则你可能需要这个文件，若ffmpeg和ffprobe已安装则跳过; ubuntu/debian 用户可以通过apt install ffmpeg来安装这2个库
./ffmpeg

./ffprobe

之后使用以下指令来启动WebUI:

python infer-web.py

如果你正在使用Windows，你可以直接下载并解压RVC-beta.7z，运行go-web.bat以启动WebUI。

仓库内还有一份小白简易教程.doc以供参考。