RVC变声器完整实战手册：30分钟训出AI音色模型

RVC变声器完整实战手册30分钟训出AI音色模型【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-WebUI想给自己或游戏角色配一个能反复用的 AI 音色本指南基于 RVC检索式语音转换框架带你走完全流程搭好环境、准备 10 分钟低底噪音频、在普通显卡上训出第一个音色模型再到推理页调参让声音更对味。文中版本号与参数均取自仓库实际配置每一步都可能踩的报错也备好了按症状查的对照表读完即可独立完成备环境 → 训模型 → 出声音 → 调优。 开工前先把三条验收标准钉死先定验收线再动手做完以下三条核对才算跑通差哪条回对应章节定位。 跑通后能核对的三件事训练日志出现 Training is done.且assets/weights/下新增一个60MB的 .pth 文件——这才是可分享的成品模型logs/里几百 MB 的 pth 只存实验状态用于续训不是成品。assets/indices/下有配套的added_*.index检索索引文件。推理页点刷新音色后能选到新音色转换出声且音色对得上。一个坑提前说一键训练结束时若卡在索引步骤日志可能报假的错误。只要看到 Training is done 就说明模型本身训完了再单独点一次训练特征索引即可。 十分钟备好能开训的 RVC 环境结论先行当前分支只认Python 3.12x64老教程里的 Python 3.9 装法已经失效Ubuntu 24.04 与 Windows 均可。 三个组件十秒体检先拿到代码并进入仓库根目录git clone https://gitcode.com/GitHub_Trending/re/Retrieval-based-Voice-Conversion-WebUI然后跑两条命令确认python --version ffmpeg -version组件要求值为什么Python3.12x64分支唯一适配版本装依赖前建好 venv 隔离FFmpeg任一近期版本切片与重采样全靠它Windows 用户把 ffmpeg.exe、ffprobe.exe 放进根目录即可显存≥4GB不足 4GB 的代码路径会直接回落到 CPU见configs/config.py的设备判定训练基本没戏 按显卡挑对依赖文件根目录下三份依赖清单头部注释写明了两步安装顺序先装带对应 CUDA 后缀的 PyTorch再装其余依赖。你的硬件依赖文件PyTorch 阶段RTX 50 系以前N卡requirments_cu118_py312.txtcu118 版 torch 2.7.1RTX 50 系requirments_cu128_py312.txtcu128 版 torch 2.7.1A 卡 / I 卡 / 纯 CPUrequirments_cpu_py312.txtCPU 版 torchWindows 可走 DirectMLpython -m pip install -r requirments_cu118_py312.txt装完验证 torch 与 CUDA 是否对上python -c import torch; print(torch.__version__, torch.cuda.is_available())第二个值打印 True 才算合格否则是 torch 装错版本按上表重装第一步。⬇️ 补全底模与音高权重WebUI 会自动创建运行目录但模型文件必须放到指定路径缺一个都起不来hf download lj1995/VoiceConversionWebUI --revision main --include hubert_base/* --local-dir assets hf download lj1995/VoiceConversionWebUI rmvpe.pt --revision main --local-dir assets/rmvpe hf download lj1995/VoiceConversionWebUI --revision main --include pretrained/* pretrained_v2/* --local-dir assetsassets/hubert_base/是特征提取模型assets/rmvpe/rmvpe.pt是音高提取权重assets/pretrained/与assets/pretrained_v2/分别是 v1/v2 底模要用 UVR5 分离人声再补assets/uvr5_weights/静音样本放logs/mute/README 有完整命令。python webui.py默认监听端口7865并自动开浏览器换端口或服务器无桌面时用python webui.py --port 7866 --noautoopen。注意控制台黑窗口全程别关它一关服务就断。️ 把音频喂进 WebUI完成第一次 RVC 训练 音频备料48k 与总时长十分钟备料项建议值原因采样率48k与configs/v1/48k.json对齐定了就别中途换单段时长5~10 秒音频切短些过长是张量尺寸报错的常见来源总时长10~50 分钟不足 10 分钟音色难学到位音色有特色且音质高5~10 分钟也够用底噪越低越好底噪大时训练轮数压低底模带不动低质数据统一转成 WAV剪掉首尾静音响度大致拉平人声伴奏混录的素材先在 UVR5 选项卡里分离出纯人声。️ 一键训练前只盯三个参数参数界面默认什么时候动它batch_size按显存自动估算配置默认4显存告急先降它最低到 1total_epoch20上限 1200低质数据 20~30 轮足够高质数据可提到 200底模路径v2 默认assets/pretrained_v2/f0G40k.pth随采样率与音高选项自动切换不用手填填实验名与音色 ID、选48k采样率点一键训练。日志里会打印实际执行的数据集处理与训练命令行想脱离网页纯命令行训练时照它切到 train/train.py 即可复现。 显存告急时先降谁报Cuda out of memory就降 batch_size降到 1 还不够只能换卡。另外 WebUI 会按显存自动收缩configs/config.py末尾的x_pad/x_query/x_center/x_max四个推理参数4GB 卡自动切到最紧的一组你不用手动改知道有这个机制就行。 推理出声让 AI 音色对味的三个参数 出声音刷新音色、模型配索引推理页点刷新音色加载新模型特征检索库路径会自动匹配assets/indices/下同名added_*.index点转换即可下载成品。记住模型与索引是成对关系给别人分享时两个文件要一起给。️ RVC 参数调优先玩这三个滑杆参数默认值调法变调半音0升八度填 12降八度填 -12音高提取算法rmvpermvpe 最快最省资源pm、fcpe 为备选检索特征占比Index Rate0.75常用区间0.6~0.8越靠近 1 音色越贴训练集杜绝泄露越靠近 0 越贴源音频还有两处容易漏protect 滑杆默认 0.33出现电音撕裂就拉高、索引发闷就调低后处理重采样保持 0输出与训练采样率一致最稳。取舍原则训练集音质高于源音频时Index Rate 调高保音色训练集音质偏低时调高只会更糊。长时长的优质训练集本身很少漏这个参数反而不重要。 两个音色揉成一个ckpt 处理选项卡里的 ckpt-merge 可以把两个 .pth 按权重融合成新音色选好文件、设比例新手从 0.5 : 0.5 起步换不同素材试听记录最好听的比例。 RVC 报错解决先认症状再动手别乱试按下面的表走。️ 启动与环境类症状可能原因解法优先级浏览器打不开、连接失败控制台被关或端口7865被占保持黑窗开启--port换空闲端口高llvmlite.dll 加载错误缺 VC 运行库装 VC 2015-2022 运行库后重启 WebUI高Expecting value (char 0)系统或服务端代理干扰关掉局域网/全局代理再启动中ffmpeg error / utf8 error路径带空格或中文换纯英文无空格路径中️ 训练与推理类症状可能原因解法优先级Cuda out of memory显存不够降 batch_size4GB 以下显存换卡高张量尺寸不匹配 (tensor size)混入异常小的坏音频删掉wavs16k里显著偏小的文件重训中推理页看不到新音色没刷新 / 索引没生成点刷新音色再点训练特征索引高推理报 key 不存在把 logs 大 pth 直接当模型用用 ckpt 选项卡提取60MB的小模型中文件页 / 内存 error并行进程开太多调低 CPU 进程数音频手工切短低⚠️ 四个常见误区对照自查 误解 → 正确做法误解正确做法照着旧教程用 Python 3.9 装当前分支只支持Python 3.12x64直接把logs/几百 MB 的 pth 分享出去用 ckpt 选项卡提取60MB小模型再分享轮数拉满一定更稳低质 20~30 轮、高质到 200 轮再高只会过拟合中途改采样率会自动适配改采样率等于换新实验名从头训可拷贝上次提取的音高与特征加速 继续深挖 文档、源码与社区入口常见报错与参数科普docs/cn/faq.md更新记录docs/cn/Changelog_CN.md分采样率模型超参configs/设备与显存判定规则configs/config.py训练主脚本与特征索引train/推理核心infer/UVR5 人声分离tools/uvr5/实时变声端到端 170msASIO 设备可到 90msrealtime_gui.py多语言文档docs/en/、docs/jp/、docs/kr/ 等遇到新报错优先去项目 Issues 与 Wiki 检索同类问题【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