RVC 入门：10 分钟语音练出你的 AI 变声模型

RVC 入门：10 分钟语音练出你的 AI 变声模型

【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

Retrieval-based-Voice-Conversion-WebUI（简称 RVC）是一个开源语音转换框架：用 10 分钟低底噪语音就能训练出做语音克隆和 AI 变声的模型，全程在浏览器界面里完成。本文按安装、练第一个音色、排查问题三步走。

为什么十几分钟语音就够：检索式语音转换

RVC 的底模基于 VITS 架构，用接近 50 小时的开源高质量语音预训练，已经"会说话"，你只需要用自己的数据教会它某一个人的音色，所以十几分钟通常够用。推理时它再做一步检索式转换：从你的训练集里检索最接近的声学特征，替换输入音频的对应特征，让输出音色锁定在训练集上，避免输入源音色"泄漏"进结果。配合 RMVPE 音高提取算法，小数据量下输出也比较稳。

🛠️ RVC 安装教程：三步跑起 WebUI

环境要求

安装步骤

git clone https://gitcode.com/GitHub_Trending/re/Retrieval-based-Voice-Conversion-WebUI pip install -r requirements.txt

装完依赖还有两件事：运行 tools/ 目录下的下载脚本（如 download_models.py），把 hubert 等预训练模型放进 assets 目录；想用 RMVPE 算法的话，把 rmvpe.pt 模型文件放到项目根目录。

准备语音数据

• 时长建议 10-50 分钟，音质好、底噪低时 10 分钟就能起步
• 底噪尽量低，单条音频别太长，太长就手工切分
• 用 WAV 格式，48kHz / 16bit 比较稳妥
• 训练集放在纯英文路径，避免空格、中文和特殊符号
• 录音带伴奏的话，先用内置 UVR5 功能分离出人声再训练

🎙️ RVC 使用教程：练出第一个 AI 音色

Windows 下双击 go-web.bat 即可启动，其他系统执行：

python infer-web.py

浏览器会自动打开界面。在"训练模型"选项卡里，新手只需要关心四处设置：

1. 实验名：每个实验对应一个独立文件夹，起个能区分内容的名字
2. 模型是否带音高指导：唱歌要勾选，纯语音可以不勾
3. 音高提取算法：rmvpe 效果最好；输入歌声时 pm 更快；harvest 低音好但慢
4. 总训练轮数 total_epoch：底噪明显的训练集 20-30 轮就够；音质好、数据多可以拉到 200

提示：第一次先用 20-30 轮小轮数试跑，听一下音色方向对不对，再上正式训练。相同参数重新点"训练模型"会从上次检查点继续，不用从头再来。

显存不够就调小批次大小 batch_size；训练完成后，weights 文件夹下会出现 60MB 以上、可直接分享和推理的模型文件。

音色的三个落地用法

游戏配音：录制 10-15 分钟角色台词，训练出音色后，在推理选项卡批量转换对话音频。关键是训练集的录音环境和音色要统一，别混入其他声音。

AI 翻唱：先用 UVR5 从歌曲里分离出人声轨，拿干净人声训练模型，训练时勾选"带音高指导"。转换完翻唱人声后，把伴奏重新合回去就是成品。

直播变声：双击 go-realtime-gui.bat 打开实时变声界面，选好麦克风和扬声器设备即可。官方给出的端到端延迟约 170ms，机器带不动时把采样率降到 32k 更流畅。

❓ 效果不佳怎么排查：RVC 问题排查步骤

先查数据：多数音质问题出在数据上。底噪大，训练再久也压不下去，先降噪或重录；训练集里有大段静音或坏文件的，手工切掉。

再查参数：输出音色偏向输入源或底模（音色泄露）时，把推理的 index_rate 调高；反过来再调低。训练中途不要更换采样率，换了就得换实验名从头再来。

最后查硬件：训练爆显存就先减小 batch_size，同时把"提取音高和处理数据使用的CPU进程数"调低。更多报错解释可以看 docs/cn/faq.md，训练流程源码在 infer/modules/train/。

高频报错速查：

先用预训练模型把推理流程跑通，再换上自己的 10 分钟语音试跑一轮，音色方向对了，逐步加数据、加轮数即可。

【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