據(jù)訓(xùn)一個 AI 變聲模型：RVC 變聲框架快速上手指南)
10 分鐘語音數(shù)據(jù)訓(xùn)一個 AI 變聲模型RVC 變聲框架快速上手指南【免費下載鏈接】Retrieval-based-Voice-Conversion-WebUIEasily train a good VC model with voice data 10 mins!項目地址: https://gitcode.com/GitHub_Trending/re/Retrieval-based-Voice-Conversion-WebUIRVCRetrieval-based-Voice-Conversion-WebUI是一個基于 VITS 的開源 AI 變聲框架你只需要10 分鐘語音數(shù)據(jù)就能在普通顯卡上訓(xùn)練出一個可用的變聲模型再把它套到自己的歌聲或語音上。核心能力速覽先看你拿得到什么數(shù)據(jù)需求低→ 1050 分鐘人聲即可完成一次語音數(shù)據(jù)訓(xùn)練510 分鐘的高質(zhì)量、音色統(tǒng)一數(shù)據(jù)也足夠出效果。低配顯卡可訓(xùn)練→ 4G 顯存級別顯卡仍可跑訓(xùn)練遇到顯存不足時調(diào)小 batch size 即可不必先升級硬件。top1 檢索機制壓制音色泄漏→ 推理時用訓(xùn)練集特征替換輸入源特征index rate 拉到 1 時理論上不再有源音色混入代價是音質(zhì)向訓(xùn)練集靠攏。網(wǎng)頁界面 實時鏈路→ 從切片、提取音高、訓(xùn)練到推理都在瀏覽器里完成實時變聲界面端到端延遲 170ms用 ASIO 設(shè)備可壓到 90ms。上手前準(zhǔn)備清單按你的系統(tǒng)對號入座通用項所有系統(tǒng)步驟操作1. 安裝依賴Python 3.8按顯卡執(zhí)行pip install -r requirements.txtN 卡/requirements-dml.txtA 卡、I 卡/requirements-amd.txtA 卡 ROCm/requirements-ipex.txtI 卡 IPEX2. 預(yù)模型資源下載 assets 下的hubert/hubert_base.pt、pretrained、uvr5_weights想用 v2 底模再補一個pretrained_v23. ffmpeg確認(rèn)ffmpeg/ffprobe可用這是音頻切片的底層工具4. 音高提取模型把rmvpe.pt放到項目根目錄RMVPE 算法解決啞音問題比 crepe_full 更快、占用更小A 卡/I 卡可選rmvpe.onnx按系統(tǒng)補充系統(tǒng)額外操作WindowsRTX 30 系A(chǔ)mpere裝 PyTorch 時指定 cu117 源ffmpeg.exe / ffprobe.exe 放根目錄MacOS直接執(zhí)行sh ./run.sh安裝依賴ffmpeg 用 brew 安裝LinuxAMD ROCm裝 rocm 驅(qū)動個別顯卡如 RX 6700XT需設(shè)HSA_OVERRIDE_GFX_VERSION10.3.0并把用戶加入render、video組啟動與三種使用姿勢姿勢一直接啟動最通用python infer-web.py姿勢二整合包不想配環(huán)境下載并解壓RVC-beta.7zWindows 雙擊go-web.batMacOS 執(zhí)行sh ./run.sh。姿勢三IPEX 加速I 卡僅 Linux啟動前先執(zhí)行source /opt/intel/oneapi/setvars.sh再用姿勢一的命令啟動。從數(shù)據(jù)到音色訓(xùn)練實操四步備數(shù)據(jù)準(zhǔn)備 1050 分鐘人聲底噪越低越好文件路徑里不要有空格、括號和中文能避開后面 90% 的報錯。切片與預(yù)處理在 WebUI 里做一鍵切片、UVR5 人聲伴奏分離、特征提取、音高提取訓(xùn)練與推理的核心邏輯分別見 infer/lib/rtrvc.py 與 訓(xùn)練腳本。訓(xùn)練填實驗名設(shè) total_epoch——音質(zhì)差底噪大取 2030音質(zhì)高時長多可拉到 200看到 Training is done 即訓(xùn)練成功其后緊鄰的報錯可忽略。建索引 推理訓(xùn)練完執(zhí)行訓(xùn)練索引生成added_開頭的 index 文件這是壓制音色泄漏的檢索源推理時 index rate 越高源音色混入越少、結(jié)果越貼近訓(xùn)練集。模型分享時打包weights/下 60MB 的 pth 與 index 文件即可logs/里幾百 MB 的 pth 是訓(xùn)練狀態(tài)存檔不能直接拿去推理相關(guān)規(guī)則見 docs/cn/faq.md。高頻問題快速定位癥狀處理ffmpeg error / utf8 error多半是路徑問題去掉空格、括號、中文路徑訓(xùn)練結(jié)束沒有 added 索引訓(xùn)練集太大卡住建索引重按一次訓(xùn)練索引按鈕推理音色列表里沒有新模型先點刷新音色仍沒有則查控制臺區(qū)和logs/實驗名下的報錯日志Cuda out of memory訓(xùn)練調(diào)小 batch size推理調(diào)小 config.py 尾部的 x_pad/x_query 參數(shù)4G 以下顯存建議換卡Connection Error / 頁面空白檢查是否誤關(guān)了控制臺窗口或關(guān)閉系統(tǒng)代理后重試文件/內(nèi)存 error訓(xùn)練時CPU 進程數(shù)調(diào)低訓(xùn)練集音頻手工切短不同基礎(chǔ)各做一件事零基礎(chǔ)下載整合包雙擊go-web.bat按頁面按鈕順序走一遍。有 Python 基礎(chǔ)按準(zhǔn)備清單裝好依賴python infer-web.py起步。想深入對照 docs/en/training_tips_en.md 與 docs/en/faq_en.md 調(diào) epoch、index rate 等參數(shù)。【免費下載鏈接】Retrieval-based-Voice-Conversion-WebUIEasily train a good VC model with voice data 10 mins!項目地址: https://gitcode.com/GitHub_Trending/re/Retrieval-based-Voice-Conversion-WebUI創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考 10 分鐘語音數(shù)據(jù)訓(xùn)一個 AI 變聲模型：RVC 變聲框架快速上手指南
10 分鐘語音數(shù)據(jù)訓(xùn)一個 AI 變聲模型RVC 變聲框架快速上手指南【免費下載鏈接】Retrieval-based-Voice-Conversion-WebUIEasily train a good VC model with voice data 10 mins!項目地址: https://gitcode.com/GitHub_Trending/re/Retrieval-based-Voice-Conversion-WebUIRVCRetrieval-based-Voice-Conversion-WebUI是一個基于 VITS 的開源 AI 變聲框架你只需要10 分鐘語音數(shù)據(jù)就能在普通顯卡上訓(xùn)練出一個可用的變聲模型再把它套到自己的歌聲或語音上。核心能力速覽先看你拿得到什么數(shù)據(jù)需求低→ 1050 分鐘人聲即可完成一次語音數(shù)據(jù)訓(xùn)練510 分鐘的高質(zhì)量、音色統(tǒng)一數(shù)據(jù)也足夠出效果。低配顯卡可訓(xùn)練→ 4G 顯存級別顯卡仍可跑訓(xùn)練遇到顯存不足時調(diào)小 batch size 即可不必先升級硬件。top1 檢索機制壓制音色泄漏→ 推理時用訓(xùn)練集特征替換輸入源特征index rate 拉到 1 時理論上不再有源音色混入代價是音質(zhì)向訓(xùn)練集靠攏。網(wǎng)頁界面 實時鏈路→ 從切片、提取音高、訓(xùn)練到推理都在瀏覽器里完成實時變聲界面端到端延遲 170ms用 ASIO 設(shè)備可壓到 90ms。上手前準(zhǔn)備清單按你的系統(tǒng)對號入座通用項所有系統(tǒng)步驟操作1. 安裝依賴Python 3.8按顯卡執(zhí)行pip install -r requirements.txtN 卡/requirements-dml.txtA 卡、I 卡/requirements-amd.txtA 卡 ROCm/requirements-ipex.txtI 卡 IPEX2. 預(yù)模型資源下載 assets 下的hubert/hubert_base.pt、pretrained、uvr5_weights想用 v2 底模再補一個pretrained_v23. ffmpeg確認(rèn)ffmpeg/ffprobe可用這是音頻切片的底層工具4. 音高提取模型把rmvpe.pt放到項目根目錄RMVPE 算法解決啞音問題比 crepe_full 更快、占用更小A 卡/I 卡可選rmvpe.onnx按系統(tǒng)補充系統(tǒng)額外操作WindowsRTX 30 系A(chǔ)mpere裝 PyTorch 時指定 cu117 源ffmpeg.exe / ffprobe.exe 放根目錄MacOS直接執(zhí)行sh ./run.sh安裝依賴ffmpeg 用 brew 安裝LinuxAMD ROCm裝 rocm 驅(qū)動個別顯卡如 RX 6700XT需設(shè)HSA_OVERRIDE_GFX_VERSION10.3.0并把用戶加入render、video組啟動與三種使用姿勢姿勢一直接啟動最通用python infer-web.py姿勢二整合包不想配環(huán)境下載并解壓RVC-beta.7zWindows 雙擊go-web.batMacOS 執(zhí)行sh ./run.sh。姿勢三IPEX 加速I 卡僅 Linux啟動前先執(zhí)行source /opt/intel/oneapi/setvars.sh再用姿勢一的命令啟動。從數(shù)據(jù)到音色訓(xùn)練實操四步備數(shù)據(jù)準(zhǔn)備 1050 分鐘人聲底噪越低越好文件路徑里不要有空格、括號和中文能避開后面 90% 的報錯。切片與預(yù)處理在 WebUI 里做一鍵切片、UVR5 人聲伴奏分離、特征提取、音高提取訓(xùn)練與推理的核心邏輯分別見 infer/lib/rtrvc.py 與 訓(xùn)練腳本。訓(xùn)練填實驗名設(shè) total_epoch——音質(zhì)差底噪大取 2030音質(zhì)高時長多可拉到 200看到 Training is done 即訓(xùn)練成功其后緊鄰的報錯可忽略。建索引 推理訓(xùn)練完執(zhí)行訓(xùn)練索引生成added_開頭的 index 文件這是壓制音色泄漏的檢索源推理時 index rate 越高源音色混入越少、結(jié)果越貼近訓(xùn)練集。模型分享時打包weights/下 60MB 的 pth 與 index 文件即可logs/里幾百 MB 的 pth 是訓(xùn)練狀態(tài)存檔不能直接拿去推理相關(guān)規(guī)則見 docs/cn/faq.md。高頻問題快速定位癥狀處理ffmpeg error / utf8 error多半是路徑問題去掉空格、括號、中文路徑訓(xùn)練結(jié)束沒有 added 索引訓(xùn)練集太大卡住建索引重按一次訓(xùn)練索引按鈕推理音色列表里沒有新模型先點刷新音色仍沒有則查控制臺區(qū)和logs/實驗名下的報錯日志Cuda out of memory訓(xùn)練調(diào)小 batch size推理調(diào)小 config.py 尾部的 x_pad/x_query 參數(shù)4G 以下顯存建議換卡Connection Error / 頁面空白檢查是否誤關(guān)了控制臺窗口或關(guān)閉系統(tǒng)代理后重試文件/內(nèi)存 error訓(xùn)練時CPU 進程數(shù)調(diào)低訓(xùn)練集音頻手工切短不同基礎(chǔ)各做一件事零基礎(chǔ)下載整合包雙擊go-web.bat按頁面按鈕順序走一遍。有 Python 基礎(chǔ)按準(zhǔn)備清單裝好依賴python infer-web.py起步。想深入對照 docs/en/training_tips_en.md 與 docs/en/faq_en.md 調(diào) epoch、index rate 等參數(shù)。【免費下載鏈接】Retrieval-based-Voice-Conversion-WebUIEasily train a good VC model with voice data 10 mins!項目地址: https://gitcode.com/GitHub_Trending/re/Retrieval-based-Voice-Conversion-WebUI創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考