10 分钟录音训练 AI 变声模型RVC WebUI 从零到上手【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想让某个音色说出任意台词RVCRetrieval-based-Voice-Conversion-WebUI让这件事很简单约 10 分钟低底噪人声就能在网页界面里训练出一个音色转换模型之后任何音频都能变成那个声音。下面带你走完安装、训练到第一次转换。一分钟认识这个项目RVC 解决的是给一段干净人声训练出可复用的音色模型再把它套到任何新音频上的问题。底模由近 50 小时 VCTK 开源语料预训练版权上可以放心用。和同类工具相比它有三个特点用 top1 检索替换输入特征来杜绝音色泄漏——白话讲转换结果不会残留源音频原来的音色数据量小也能出效果推荐 10 分钟起普通显卡就训得动切分、提特征、训练、建索引全流程点按钮不用写脚本核心能力一览一键训练切分→特征→训练→索引全自动单次与批量推理输出 wav/flac/mp3/m4a内置 UVR5 人声伴奏分离训练前备料用实时变声界面可接直播和游戏ckpt 处理融合、改信息、提取小模型开始之前环境自查项目要求说明Python3.12 x64本分支锁定 3.12建议用 venv 虚拟环境系统Ubuntu 24.04 / Windows 10macOS 亦可路线以 Ubuntu 和 Windows 为主显卡N 卡 4GB 显存以上可训练显存低于 4GB 会自动回退 CPUA 卡/I 卡走 DirectML/CPU 路线音频工具FFmpeg含 ffprobe音频解码、切片、重采样全靠它磁盘约 5GB预训练模型 训练产物两条关键项多说一句Python 版本不对依赖安装大概率打架FFmpeg 没装处理数据那一步会直接报 ffmpeg error。动手从零跑通第一次1. 克隆代码git clone https://gitcode.com/GitHub_Trending/re/Retrieval-based-Voice-Conversion-WebUI这一步把整个项目拉到本地。进入目录后确认能看到webui.py、configs/、train/即成功。2. 装系统依赖并建虚拟环境以 Ubuntu 24.04 为主路线sudo apt update sudo apt install -y python3.12 python3.12-venv python3.12-dev ffmpeg unzip libsndfile1 libportaudio2 python3.12 -m venv .venv source .venv/bin/activate python -m pip install --upgrade pip setuptools wheel这一步一次性装好 Python 3.12、FFmpeg 和实时变声需要的 PortAudio。Windows 用户一句话带过装好 Python 3.12 x64 后执行py -3.12 -m venv .venv再激活即可官方打包版甚至可以直接双击go-webui.bat跳过本步。3. 按显卡安装 PyTorch 和项目依赖python -m pip install torch2.7.1cu118 torchaudio2.7.1cu118 \ --index-url https://download.pytorch.org/whl/cu118 --extra-index-url https://pypi.org/simple python -m pip install -r requirments_cu118_py312.txt这一步先装 CUDA 11.8 版 Torch再装其余依赖顺序不能反。RTX 50 系把版本号换成2.7.1cu128和requirments_cu128_py312.txt无 N 卡就用requirments_cpu_py312.txt。验证终端运行python -c import torch; print(torch.__version__, torch.cuda.is_available())打印2.7.1cu118 True即通过。4. 下载预训练模型python -m pip install -U huggingface_hub 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 assets hf download lj1995/VoiceConversionWebUI mute.zip --revision main --local-dir .model-downloads python -m zipfile -e .model-downloads/mute.zip logs这一步补齐五样东西HuBERT 特征模型assets/hubert_base/、RMVPE 音高模型assets/rmvpe/rmvpe.pt、V1/V2 底模assets/pretrained/和assets/pretrained_v2/、训练用的静音样本logs/mute/。验证ls assets/hubert_base能看到pytorch_model.bin即通过。只用人声伴奏分离的话再补一句--include uvr5_weights/* --local-dir assets下载对应权重。5. 启动 WebUIpython webui.py这一步启动 Gradio 网页服务。成功标志浏览器自动打开http://localhost:7865页面标题 RVC WebUI能看到「模型推理」「伴奏人声分离去混响去回声」「训练」「ckpt处理」等选项卡。无桌面的服务器加--noautoopen参数再手动用浏览器访问。两个典型场景演练场景一用 10 分钟干声训练自己的音色模型把 10 分钟以上清晰人声放进纯英文路径的文件夹如D:\trainset如果手里只有带背景的歌先在「伴奏人声分离」选项卡用 UVR5 提取人声。进「训练」选项卡填实验名目标采样率选 40k模型带音高指导唱歌必须、语音可不带版本 v2音高提取算法 rmvpe。点「一键训练」。默认 total_epoch 20、保存频率 5batch size 已按显存自动设好一般不用动。等四个阶段依次跑完数据切分 → F0 与 HuBERT 特征提取 → 模型训练 → 索引训练。小模型落在assets/weights/索引落在assets/indices/。结果验证切到「模型推理」点「刷新音色列表」选中你的模型传一段测试音频点「转换」——听到目标音色即跑通不够像就把「检索特征占比」0~1默认 0.75往上调再转一遍。场景二批量转换一整个文件夹模型选择沿用场景一不重复演示切到「批量推理」子选项卡。填输入音频文件夹路径输出文件夹保持默认opt导出格式可选 wav/flac/mp3/m4a。「检索特征占比」批量默认是 1追求音色还原就保持追求音质可略降。点「转换」坐等队列跑完。结果验证opt/下逐个出现转换后的音频文件数与输入一致即通过。常见坑速查⚠️ 以下都是仓库 FAQ 里收录的高频问题现象原因解法ffmpeg error / utf8 error多半不是 FFmpeg是音频路径带空格、括号或中文素材挪到纯英文路径重跑WebUI 提示 Connection Error启动了服务的终端窗口被关了保持命令行窗口开着别关提示 Expecting value: line 1...客户端或服务端开着代理/局域网加速关掉代理再刷新页面CUDA out of memory训练 batch 太大或推理段太长训练降 batch size推理可减小 configs/config.py 里的x_pad、x_query、x_max一键训练结束但没有 added 开头的索引训练集太大索引步骤内存不够再点一次「训练特征索引」或缩小训练集Windows 报 llvmlite.dll 加载失败缺 VC 运行时安装 Microsoft VC 运行库后重启 WebUI训练完推理列表里没有新音色音色列表未刷新点「刷新音色列表」还没有就查logs/实验名/下的 log 看训练是否报错跑通之后往哪走「ckpt处理」选项卡模型融合、改信息、提取小模型——想把两个音色混成第三个在这一步省掉全部训练时间。realtime_gui.pyWindows 双击go-realtime_gui.bat实时变声界面端到端延迟约 170ms配 ASIO 设备可到 90ms参数可热更新直播和语音开黑用它省一个变声器外设。docs/cn/Changelog_CN.md每个版本的改动记录升级前翻一遍就知道新加了什么。docs/cn/faq.md命令行推理、模型分享规范该发weights/下 60MB 的.pth而不是logs/下的大 ckpt等进阶问答WebUI 的「常见问题解答」选项卡内嵌了同一份。docs/en/training_tips_en.md训练流程的英文详解卡在某一步想搞懂原理时看它。下一步最小动作找 10 分钟最干净的干声放进一个纯英文路径的文件夹按「一键训练」默认参数从头到尾跑一遍——先跑通再谈调参素材干净程度对最终听感的贡献远大于任何参数技巧。【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