RVC

1. 平台介绍

Retrieval-based Voice Conversion WebUI (RVC) 是一个开源的 V2V（Voice-to-Voice，语音到语音） 声音变换与克隆框架。它基于 VITS 架构 与 基于特征检索（Retrieval-based） 的技术改进，核心能力在于能够把源音频的音色替换为目标 Speaker 的音色，同时保留原语音的 语调、情感和节奏。

2. 主要功能

1. 推理转换（AI 翻唱 / 变声）：支持上传干声/语音并选择模型以生成目标音色的音频。用户可调整 变调（Pitch）、变音算法（如 RMVPE, PM, Harvest, Crepe）及音色融合度。
2. 模型训练（声音克隆）：仅需 10~20 分钟 干净的目标语音干声即可训练出专属音色模型。
3. 实时变声（GUI）：配合虚拟音频线（如 VB-Cable）与低延迟驱动（ASIO），可在 Discord、游戏、直播等场景中实现低延迟实时变声。
4. 辅助工具：
5. 人声伴奏分离：内置人声与伴奏切分工具。
6. 模型融合（Ckpt Merge）：可将多个音色权重进行比例叠加，混合出新的音色。

3. 适用人群

1. VTuber / 游戏主播 / 内容创作者：用于实时变声或制作角色语音包。
2. AI 音乐爱好者：用于制作 AI 歌手翻唱（AI Cover）。
3. 配音员 / 音频工程师：用于修正人声音效或做音色替换。

4. 免费/付费情况

1. 完全免费与开源：项目基于 MIT 许可证 开源，费用为 100% 免费，支持离线部署运行。
2. 源码与更新地址：项目托管于 GitHub - RVC-Project/Retrieval-based-Voice-Conversion-WebUI。

5. 如何使用（快速上手指南）

硬件与环境准备

1. 操作系统：支持 Windows / Linux / macOS。
2. 硬件建议：推荐使用 NVIDIA 显卡（建议 6GB 及以上显存；纯 CPU 可运行但推理/训练极其缓慢）。

下载与启动

1. 从 GitHub Release 页面下载整合包（预安装环境与依赖）。
2. 解压后点击 go-webui.bat 启动 WebUI 界面，默认会自动打开浏览器访问 http://127.0.0.1:7865。
3. （如需实时变声）运行 go-realtime_gui.bat。

音色推理（转换声音）

1. 切换到 “模型推理” 选项卡。
2. 将训练好的 .pth 模型文件放入 assets/weights/ 目录，将对应 .index 文件放入 assets/indices/。
3. 点击“刷新音色列表”，选择目标模型。
4. 上传需要转换的音频文件。
5. 调节关键参数：
6. 变调（Pitch/Key）：男声变女声通常设置为 +12，女声变男声 -12；若是同性别翻唱保持 0。
7. 音高提取算法：优先推荐 RMVPE（效果最好且速度快、不哑音）。
8. 检索特征占比：建议保持 0.6 - 0.75，防止漏音。
9. 点击 “转换” 并导出音频。

模型训练（自制音色）

1. 切换到 “训练” 选项卡。
2. 步骤 1：输入实验名称，选择采样率（推荐 40k/48k）与是否包含音高 F0。
3. 步骤 2a：指定训练干声文件夹路径，点击“处理数据”。
4. 步骤 2b：选择 RMVPE 算法提取特征和音高。
5. 步骤 3：设置总训练轮数（Epoch，建议 100~300），点击“训练模型”与“训练特征索引”。

6. 注意事项

1. 数据质量决定一切：训练素材务必使用无噪音、无伴奏、无重度混响的 干净干声。有杂音的数据会导致输出有电音或破音。
2. 版权与肖像权安全：切勿将未经授权的他人音色模型用于公开发布、商业用途或欺诈行为。
3. 算法选择：推理和提取音高时优先使用 RMVPE。以前常用的 Harvest 耗时极长，PM 容易变哑音。
4. 路径不能包含中文：存放 RVC 项目文件及音频数据集的目录路径中 严禁包含中文或特殊字符，否则容易引发 PyTorch 加载报错。