RVC：基于检索的语音音色转换 WebUI｜部署与使用全指南
项目仓库： https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI
许可证：MIT · 语言：Python 3.12 · 形态：WebUI + 实时变声 · 底模：VCTK 50 小时开源训练集 · 在线 Demo：ModelScope
1 项目简介
Retrieval-based Voice Conversion（RVC）是简单易用的语音音色转换/变声器框架：用少量低底噪语音（推荐至少 10 分钟）训练，即可把任意语音转换成目标音色。支持训练、推理、实时变声（端到端 170ms，ASIO 可到 90ms）、模型融合、人声音高提取（RMVPE）。
1.1 核心信息一览
| 项目项 | 内容 |
|---|---|
| 项目名称 | RVC WebUI |
| 仓库地址 | github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI |
| 许可证 | MIT |
| 底模 | VCTK 50 小时开源训练 |
| Python | 3.12 x64 |
| 实时延迟 | 端到端 170ms（ASIO 90ms） |
| 模型 | Hugging Face lj1995/VoiceConversionWebUI |
1.2 适用场景
- 训练 AI 歌手/声音克隆。
- 实时变声直播。
- 人声伴奏分离（集成 MDX）。
1.3 能力边界（官方口径）
- 推荐至少 10 分钟低底噪训练语音。
- A 卡/I 卡用 CPU 方案；Windows 用 DirectML，Linux 用 CPU。
2 功能特性
- 检索特征替换：top1 检索杜绝音色泄漏。
- 低门槛训练：差显卡也能快速训练。
- 模型融合：ckpt-merge 改变音色。
- 实时变声：170ms 端到端延迟。
- RMVPE 音高提取：解决哑音问题。
- 人声伴奏分离：集成 MDX。
3 官方界面预览
开篇图为训练推理界面；实时变声界面见官方 README。
4 官方跳转链接汇总
| 类别 | 链接 | 说明 |
|---|---|---|
| 仓库 | github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI | 源码 |
| 模型权重 | huggingface.co/lj1995/VoiceConversionWebUI | 底模 |
| 在线 Demo | ModelScope | 在线试玩 |
| AutoDL 教程 | wiki | 云端训练 |
5 前置要求与服务器配置
5.1 软件前提
- Python 3.12 x64。
- Ubuntu 24.04 或 Windows。
- ffmpeg、libsndfile1、libportaudio2（实时音频）。
6 方式一：Ubuntu 24.04 安装
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 wheel6.1 Windows
py -3.12 -m venv .venv
.venv\Scripts\activate
python -m pip install --upgrade pip setuptools wheel7 启动
- 训练推理
WebUI：
go-webui.bat（Windows）或对应脚本。 - 实时变声：
go-realtime_gui.bat。
8 关键参数
| 项 | 说明 |
|---|---|
| 训练数据 | 至少 10 分钟低底噪语音 |
| 音高提取 | RMVPE |
| 模型融合 | ckpt-merge |
9 常见故障排查
- 哑音：用 RMVPE 音高提取。
- A 卡/I 卡：CPU 方案。
- 训练数据少：至少 10 分钟低底噪。
10 风险与合规说明
- MIT 许可；但克隆声音需获本人授权。
- 不得用于伪造他人言论或直播冒充。
本文基于官方 README 整理，仅供学习与部署参考；以仓库最新说明为准。