企业官网建设流程全解析

5 步跑通 RVC 语音转换：从环境配置到首次变声

【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（Retrieval-based-Voice-Conversion-WebUI）是一个靠检索替换源特征来做 RVC 语音转换的 Web 框架。它的卖点是数据量小、训练快、界面友好，最少 10 分钟左右的干净人声就能训出可用模型。下面按执行顺序，把克隆、装依赖、拉模型、启动这几步需要复制的命令一次讲清楚，并附上语音转换过程中最常见的几类报错怎么处理。

读懂项目

RVC 的定位很直接：把"训练 + 推理"打包进一个网页里，让你在浏览器里完成从切分音频到导出模型的全流程，而不需要盯着命令行。几个值得留意的点：

• 靠检索压制音色泄漏：推理时用 top1 检索把源特征替换成训练集特征，底模和输入源的音色不容易串进来，出来的声音更像目标人物而不是"输入源本人"。
• 小数据可跑：推荐 10 到 50 分钟低底噪人声。数据精简且音色有特色时，几分钟也能出效果，这对普通玩家很友好。
• 网页化操作：训练、推理、模型处理都在 Gradio 界面里点按钮，不用记参数。
• 自带 UVR5 人声分离：混音里先把人声和伴奏拆干净，再进训练，省一道手工处理。
• RMVPE 音高提取：用 RMVPE 算法取人声音高，比传统方法更稳，哑音更少。
• 多硬件适配：N 卡走 CUDA，A 卡/I 卡可用 DirectML 或 IPEX，Mac 走脚本自动装依赖。

启动前准备

先确认环境，再依次执行。整体是一条"装 Python → 拉代码 → 装依赖 → 装 FFmpeg"的链路。

先拉代码：

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

装 PyTorch 核心，再按显卡装对应依赖：

pip install torch torchvision torchaudio # N 卡 pip install -r requirements.txt # A 卡 / I 卡（DirectML） pip install -r requirements-dml.txt # A 卡 ROCm（Linux） pip install -r requirements-amd.txt # I 卡 IPEX（Linux） pip install -r requirements-ipex.txt

如果是 Windows + N 卡 Ampere 架构（RTX 30 系），指定 CUDA 版本：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117

Mac 用户直接跑脚本装依赖：

sh ./run.sh

音频处理依赖 FFmpeg，按系统装一下：

# Ubuntu / Debian sudo apt install ffmpeg # macOS brew install ffmpeg

Windows 把 ffmpeg.exe 和 ffprobe.exe 放进项目根目录即可。

拉取与配置模型资产

RVC 推理和训练都要一批预训练权重，项目提供了自动下载脚本。关键点：脚本依赖 aria2，没装会直接退出，先确认aria2c可用。

# Windows tools\dlmodels.bat # Linux / macOS sh tools/dlmodels.sh

跑完会补齐这些文件：

• assets/hubert/hubert_base.pt（Hubert 特征模型）
• assets/pretrained（v1 的 D/G 系列权重）
• assets/pretrained_v2（v2 的 f0D/f0G 等权重，用 v2 模型时需要）
• assets/uvr5_weights（UVR5 分离权重）
• assets/rmvpe/rmvpe.pt（RMVPE 音高模型）

用 A 卡 / I 卡的话，再额外准备一份rmvpe.onnx放进项目根目录，走 onnxruntime 的 DirectML 推理。

启动与首次运行

装好依赖、拉好模型后，直接启动推理训练界面：

python infer-web.py

Windows 用户也可以双击 go-web.bat，它等价于带 7897 端口启动。实时变声界面走另一个入口：

python gui_v1.py

或双击 go-realtime-gui.bat。实时变声默认端到端约 170ms 延迟，配 ASIO 设备可压到约 90ms，但很吃硬件和驱动。

I 卡 IPEX 用户在 Linux 上需要先进 oneAPI 环境：

source /opt/intel/oneapi/setvars.sh python infer-web.py

怎么确认启动成功：控制台不再刷报错、出现 Gradio 服务就绪信息，浏览器会自动打开；没自动打开就手动访问http://localhost:7897。能看到选项卡、点"刷新音色"能列出模型，就说明跑通了。

排错手册

按"现象 → 原因 → 解决"三条看，基本覆盖语音转换时的高频坑。更多细节见 docs/cn/faq.md。

进阶玩法与拓展

• 分享模型：要分享的是weights文件夹下约 60MB 以上的 pth，不要发logs下那个几百 MB 的"继续训练用"大文件。推荐把模型 pth 和同名 index 一起打包成 zip 再发出去。
• 继续训练：关闭控制台，双击 go-web.bat 重启，用相同的实验名和网页参数再点训练，会接着上次的 checkpoint 往下跑。
• 中途加数据：新建一个实验名，把上一轮最新的 G/D 文件拷进去，一键训练即可续上进度。
• 调 epoch：底噪大的训练集 20~30 就够；音质高、时长足可拉到 200。

收尾

把依赖装好、模型拉齐、端口打开，RVC 就能在一台普通电脑上跑起语音转换流程。卡住了优先查路径和显存两件事，多数报错都落在这上面。

相关文档：

• 官方说明：README.md
• 中文 FAQ：docs/cn/faq.md
• 中文更新日志：docs/cn/Changelog_CN.md
• 英文训练技巧：docs/en/training_tips_en.md
• 配置入口：configs/config.py

【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