RVC 语音转换 WebUI 十分钟跑通指南：面向新手的变声实战-二趣网

RVC 语音转换 WebUI 十分钟跑通指南：面向新手的变声实战

【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

这是一个基于 RVC（Retrieval-based Voice Conversion）的语音转换框架：打开浏览器 WebUI，上传音频文件，就能把声音变成目标音色。它用不到 10 分钟的干净语音数据就能训练出可用的变声模型，不需要你懂深度学习原理。

RVC 是什么：浏览器里的变声工作台

RVC 是一个基于 VITS 的语音转换（VC）框架，用 Gradio 把训练和推理都做成了网页界面。它解决的核心痛点是"训练变声模型麻烦、数据少效果差"：通过 top1 特征检索杜绝音色泄漏（自己的音色混进输出），在入门级显卡上也能快速训练和推理。

核心功能速览：你能用它做什么

功能	一句话说明
一键语音转换	在 WebUI 上传音频，选模型和索引，点击转换即得变声结果
一键训练音色模型	放入 10 分钟语音，一键跑完数据处理、音高提取、模型训练、索引构建
实时变声	双击`go-realtime-gui.bat`启动实时变声界面，端到端约 170ms 延迟
人声/伴奏分离	内置调用 UVR5 的能力，快速把歌声从歌曲里分离出来
音色模型融合	用 ckpt-merge 功能融合多个 .pth 模型，微调出更满意的音色

环境准备与最快启动步骤

最低硬件与软件要求

系统：Windows / Linux / macOS（macOS 有专门的run.sh脚本）
Python：推荐 3.8；若用 Poetry 安装依赖，3.7~3.10 都稳定，版本过新会装不上
显卡：NVIDIA 卡最佳（PyTorch CUDA 加速）；AMD/Intel 卡可走 DML 路线
ffmpeg：必须安装，负责所有音频读写

三步跑通

第 1 步：获取代码

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

第 2 步：安装依赖（在项目目录内执行）

pip install torch torchvision torchaudio pip install -r requirements.txt sudo apt install ffmpeg

macOS 用brew install ffmpeg；A 卡或 I 卡用户把第二条换成pip install -r requirements-dml.txt；Windows + RTX 30xx 的用户建议给 PyTorch 指定 CUDA 11.7 的轮子：pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117。

第 3 步：下载预训练模型并启动

./tools/dlmodels.sh python infer-web.py --port 7897

dlmodels.sh会把 hubert、pretrained 等底模拉到assets/（Windows 双击tools/dlmodels.bat）。启动后浏览器打开http://127.0.0.1:7897就是 RVC WebUI。习惯 Windows 的话也可以直接双击go-web.bat，效果等同。

关键目录与配置速查

按"对你有什么用"分组来看：

入口脚本组：infer-web.py是训练 + 推理 WebUI 的主入口；go-web.bat、go-realtime-gui.bat是 Windows 一键启动脚本；run.sh是 macOS/Linux 的一键装依赖 + 下模型 + 启动脚本。
模型权重组：assets/放运行必需的底模（hubert/、pretrained/、pretrained_v2/、uvr5_weights/等）；assets/weights/放你自己训练出的 .pth 音色模型；assets/indices/放 .index 特征检索库。缺哪个文件就按 README 的清单补到这里。
配置依赖组：requirements.txt是 N 卡依赖清单，requirements-dml.txt是 A/I 卡版；configs/里是 v1/v2 不同采样率（32k/40k/48k）的训练配置，日常不用动。
文档许可组：docs/有多语种 README、FAQ 与训练技巧；LICENSE是 MIT 协议。

其余核心代码集中在infer/（推理、训练、UVR5 模块）和tools/（模型下载、CLI 与批量推理），不折腾源码可以完全不看。

新手高频坑与一句话解法

坑	一句话原因	一句话解法
装依赖时`llvmlite`/`numba`报错	Python 版本过新，与锁定版本冲突	换 Python 3.8 重建虚拟环境重装
启动或转换时报 ffmpeg 相关错误	音频工具链没装	`sudo apt install ffmpeg`，macOS 用`brew install ffmpeg`，Windows 把 ffmpeg.exe 放根目录
训练时显存爆掉	batch size 按默认值偏大	调小 WebUI 里的 batch_size，或开启半精度训练
界面提示预训练模型不存在	底模没下到`assets/`	跑`tools/dlmodels.sh`（Windows 双击`dlmodels.bat`）
Windows 上 PyTorch 与 CUDA 版本对不上	装了不带 CUDA 或版本错配的轮子	指定 cu117 索引源重装 PyTorch

延伸资源

README.md：环境配置、模型下载清单、启动方式，一切细节以此为准
docs/cn/faq.md：中文常见问题解答
docs/cn/Changelog_CN.md：中文更新日志
tools/：模型下载脚本与命令行、批量推理工具

跑通后，先拿一段歌声在"单次推理"里试一次转换，再去训练页走一遍"一键训练"流程，跟着界面提示填参数即可上手。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

企业官网建设流程全解析