RVC变声完整指南10分钟音频4步练出第一个AI变声模型【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-WebUI社区简称 RVC是基于 VITS 架构的检索式变声工具10 分钟低底噪音频就能训出一个能用的 AI 音色产出模型既支持离线变声也支持实时变声端到端 170msASIO 设备下可低至 90ms。本指南按 4 章顺序交付装环境、备数据、训模型、排错误照着做能走完从 clone 仓库到推理出声的最小闭环。10 分钟音频变声模型路线图与总耗时本章目标先拿到结果预期和时间账再决定要不要开始。RVC 的核心卖点只有一个数据量门槛低。官方推荐 10~50 分钟训练素材显存 4GB 起步低于 4GB 建议放弃训练CPU 只适合推理。检索机制top1 替换源特征负责压住音色泄露这是它和裸 VITS 最大的区别。顺序动作预计耗时第 1 章后clone 仓库、装环境、启动 WebUI约 30 分钟准备数据剪静音、统一 48k、切 5~10 秒段约 1 小时训练一键训练特征提取→模型→索引数小时推理刷新音色、测试、调 Index Rate约 1 小时总账除去训练那几小时动手时间 2.5~3 小时。别慌跑不通的坑 90% 在环境不在代码所以第 2 章全部花在环境上。搭好 RVC 环境Python 3.12 到 WebUI 启动本章目标浏览器能打开训练推理界面显卡链路验证通过。先装 Python 3.12 解释器与 FFmpeg先确认解释器版本再做别的。当前分支面向 Python 3.12 x64装 3.10/3.11 后面依赖会互相打架。FFmpeg 是 RVC 读音频的唯一入口缺它所有音频处理全罢工。git clone https://gitcode.com/GitHub_Trending/re/Retrieval-based-Voice-Conversion-WebUIpython --version ffmpeg -version✅ 判定第一条输出 3.12.x第二条能打印版本号。Windows 不想装系统级 FFmpeg 的话把 ffmpeg.exe 和 ffprobe.exe 直接丢到仓库根目录效果等价。按显卡硬件选依赖清单安装仓库根目录给了三份锁好版本的依赖清单按硬件挑一份装错文件比不装更麻烦硬件依赖清单安装顺序N 卡RTX 50 系以前requirments_cu118_py312.txt先装 torch2.7.1cu118 配对再装清单N 卡RTX 50 系requirments_cu128_py312.txt先装 torch2.7.1cu128 配对再装清单A 卡 / I 卡 / 纯 CPUrequirments_cpu_py312.txt一条命令装完Windows 可走 DirectML两阶段安装的第二步在虚拟环境里执行python -m venv .venv # 激活 .venv 后Windows: .venv\Scripts\activateLinux: source .venv/bin/activate python -m pip install -r requirments_cu118_py312.txt按上表把文件名换成你那份。清单顶部已带下载源大陆网络保留默认镜像即可。python -c import torch; print(torch.cuda.is_available())✅ 判定N 卡机器输出TrueCPU 用户跳过此条改在启动 WebUI 时确认设备栏显示 CPU。下载 hubert 与 rmvpe 必需权重依赖装完不等于能跑。推理和特征提取依赖assets/hubert_base/HuBERT 声纹特征和assets/rmvpe/rmvpe.ptRMVPE 音高提取缺任何一个启动即报错。这些文件在官方 Hugging Face 仓库 lj1995/VoiceConversionWebUI先python -m pip install --upgrade huggingface_hub再用 hf download 按路径拉取hf download lj1995/VoiceConversionWebUI --revision main --include hubert_base/* --local-dir assets hf download lj1995/VoiceConversionWebUI rmvpe.pt --revision main --local-dir assets/rmvpe要训练的话同一命令模式再拉pretrained/与pretrained_v2/两个目录v1/v2 训练底模和mute.zip解压到logs/mute/uvr5_weights/只有做人声分离才需要可跳过。✅ 判定assets/hubert_base/下有 pytorch_model.bin 等 3 个文件assets/rmvpe/rmvpe.pt就位。启动 WebUI 确认 7865 端口python webui.py默认监听 7865想换端口加--port 7866无桌面服务器加--noautoopen。两个高频坑控制台黑窗口一关浏览器立刻 Connection Error——那是 WebUI 本体断了不是网络问题弹Expecting value: (char 0)是系统或全局代理在捣乱关掉本地与服务端代理再刷新。✅ 判定控制台打印 7865 监听地址浏览器自动打开训练推理界面。48k 训练数据准备与一键训练三参数本章目标备好 10~50 分钟数据用一键训练产出第一个可用模型和索引。48k 训练数据规格决策表素材统一成 WAV剪掉首尾静音和明显底噪。录音环境安静比后期降噪省心得多想加泛化可以做轻微增强±3 半音、适度混响、±3dB 音量但别过量。环节建议值为什么总时长10~50 分钟太短学不到音色太长只拖慢训练单段时长5~10 秒过长易炸显存和内存、报张量尺寸错采样率48k与 configs/v1/48k.json 对齐中途不可改底噪越低越好底噪大就把 epoch 压低防止底噪被学进音色数据按界面提示放进logs/你的实验名/对应目录。精选 10 分钟高质音频比几小时低质录音强这是官方 FAQ 里的明确口径。一键训练必须盯的三个参数点一键训练会连做三件事提取特征 → 训练模型 → 训练索引。其余参数f0 提取方法、索引参数等保持默认configs/config.py末尾的 x_pad / x_query / x_center / x_max 会按显存自动收缩不用手动碰。只盯这三个参数默认/推荐值怎么调batch_size界面按显存自动取约显存 GB 数的一半显存紧张往下压最低可压到 1total_epoch低质数据 20~30高质数据可到 200底噪大就停在 30 以内拉高反而把底噪学成音色采样率48k与数据一致中途不改要改就换新实验名从头训训练成功的三个信号一键流程走完后三条全中才算训成日志出现Training is doneassets/weights/下多出一个 60MB 的 .pth——logs/实验名/下几百 MB 的大 pth 是训练状态存档只用来续训和复现不能直接推理实验目录出现added_*.index索引文件。索引是推理时检索训练集相似音色特征、防止你原音色漏进结果的依据没有它音色全凭裸模型发挥。✅ 判定三条齐了。如果第 3 条缺失而前两条都在多半是索引步骤卡住了手动再点一次训练索引按钮即可然后到推理页点刷新音色新模型才会进下拉框。报错速查表与进阶玩法本章目标按症状关键词对号入座修错误进阶入口知道在哪。症状速查表按报错关键词修症状可能原因解法出现频率Connection Error / Expecting value关了控制台窗口系统或全局代理开着保住控制台黑窗口关本地与服务端代理后刷新高ffmpeg error / utf8 error路径带空格、()或中文音频与项目路径改成纯英文无空格高Cuda out of memory显存不够4GB 以下基本放弃训练降 batch_size推理缩小 config.py 末尾 x_* 值高llvmlite.dll缺失缺 VC 运行库安装 VC 2015-2022 运行库后重启 WebUI中tensor 尺寸不匹配训练集混了异常小的坏音频删掉 wavs16k 目录下显著偏小的文件重训并补点训练索引中文件页/内存 errorCPU 进程开太多拉低提取音高和处理数据使用的CPU进程数音频手动切短中推理报 f0/tgt_sr 等 key 不存在把 logs 下大 pth 当模型用了在 ckpt 选项卡做小模型提取weights 下出现 60MB 版本再推理中两个进阶入口ckpt 处理选项卡的 ckpt-merge 能把多个 .pth 按权重融合成新音色比例从 0.5:0.5 起步。实时变声麦克风输入用realtime_gui.py或 go-realtime_gui.bat启动端到端 170msASIO 设备下 90ms。卡住了去哪看常见问题18 条按症状写docs/cn/faq.md更新日志docs/cn/Changelog_CN.md训练流程与 batch_size 原理英文docs/en/training_tips_en.md推理核心源码管线与模块infer/vc/、训练核心源码train/采样率与模型结构配置v1 有 32k/40k/48kv2 有 32k/48kconfigs/成功自检清单assets/weights/有 60MB 的 .pth且added_*.index索引存在推理页刷新音色后能选到新模型跑一条测试音频输出音色贴训练素材、没有你本人原音色的泄露。差哪一条回对应章节定位。【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