企业官网建设流程全解析

免费RVC WebUI教程：10分钟语音练一个AI歌手

【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

RVC WebUI（Retrieval-based-Voice-Conversion-WebUI）是一个基于 VITS 的免费开源 AI 变声工具，能用 10 分钟语音样本训练出可唱歌的 AI 声线模型。它提供网页训练推理、实时变声和 UVR5 人声分离三类功能，基于 MIT 协议。有 4GB 显存的显卡即可运行，适合想制作 AI 翻唱、配音的普通用户，无需写代码。

初见了解：这个项目到底是什么

• 它是什么：基于 VITS 的语音转换（变声）框架，底层用检索式特征替换来防止音色泄漏。
• 能做什么：训练自己的 AI 声线、转换整首歌、麦克风实时变声、分离人声与伴奏。
• 适合谁：想做 AI 翻唱、视频配音、直播变声的内容创作者，零代码。
• 上手需要什么：4GB 以上显存的显卡、Python 3.8 以上、ffmpeg，以及 10 分钟干净人声。
• 效果参考：10 分钟数据即可得到可用模型；实时变声端到端约 170ms，ASIO 设备约 90ms。

准备清单：动手前核对一下

动手实践：六步跑通第一个模型

1. 克隆仓库

git clone https://gitcode.com/GitHub_Trending/re/Retrieval-based-Voice-Conversion-WebUI

把项目源码拉到本地，后文所有路径都相对于这个目录。

2. 安装 Python 依赖

pip install torch torchvision torchaudio pip install -r requirements.txt

第一条装 PyTorch 核心，第二条装项目其余依赖（AMD 卡改用requirements-amd.txt）。

3. 下载预训练模型

python tools/download_models.py

把推理和训练要用的底模放进assets/，首次启动前只需执行一次。

4. 启动 Web 界面

python infer-web.py

终端打印出地址后会自动弹出浏览器，训练、推理、模型融合都在这个界面完成；Windows 用户也可直接双击go-web.bat。

5. 格式化数据并一键训练

进入"训练集格式化"选项卡：填实验名、音频文件夹路径，选采样率（32k 或 48k），点"一键训练"。看到Training is done即成功，成品模型约 60MB，落在assets/weights/。

6. 推理验证与实时变声

切到"推理"选项卡，刷新音色，选中刚训练好的模型，上传测试音频：音高算法选 RMVPE，索引比率先设 0.5，点转换即可试听。想体验实时变声，再执行：

python gui_v1.py

打开麦克风实时变声界面，选输入输出设备后说话，立刻听到 AI 音色。

关键参数解读：新手只需盯这五项

默认学习率1e-4、批大小4记录在 configs/v1/48k.json 中，新手不建议改动。

避坑问答：高频问题速查

• 显存不够（Cuda out of memory）怎么办？训练调小批大小，推理调小 configs/config.py 末尾的 x_pad、x_max 等参数。
• 训练结束后没有.index索引文件？训练集太大可能卡住，回界面再点一次"训练索引"即可。
• 训练完推理列表里没有新音色？先点刷新音色，没有就查logs/实验名/下的日志。
• 分享模型要发哪个文件？发assets/weights/下 60MB 以上的 pth；logs/下的大 pth 是训练状态，不能用于推理。
• 实时变声延迟高？换 ASIO 声卡可压到约 90ms，并调小音频缓冲区。
• 报 ffmpeg error / utf8 error？多半是路径带空格、括号或中文，把文件夹挪到纯英文路径再试。
• 界面提示Expecting value: line 1...？关闭系统的局域网或全局代理后重试。

更多问题可查 docs/cn/faq.md。

创意延展：这些玩法可以试起来

• AI 翻唱：用目标声线翻唱整首歌，先用 UVR5 分离出干声，转完再叠回伴奏。
• 视频配音：批量跑 tools/infer_batch_rvc.py，让整期节目声音风格统一。
• 直播实时变声：python gui_v1.py打开实时界面，麦克风进、AI 声音出，适合 K 歌和聊天。
• 模型融合：在 ckpt 选项卡用 ckpt-merge 把两个声线按权重混合，得到新的中间音色。

收尾：今天就能做完的四件事

1. 备一份 10 至 50 分钟的干净人声，放好路径，按上述六步完成第一次训练。
2. 用一首熟悉的歌做首次推理，对比原声调整索引比率。
3. 跑一次实时变声，感受 170ms 延迟下的实际体验。
4. 进阶设置（显卡选择、显存优化、参数细节）参考 configs/config.py 与 docs/cn/faq.md。

【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