企业官网建设流程全解析

RVC 安装与训练完整指南：10 分钟录音做出自己的 AI 语音克隆模型

【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

RVC（Retrieval-based Voice Conversion WebUI）是一个基于 VITS 的开源变声框架：用一个人 10~50 分钟的说话录音就能训练出专属的 AI 语音克隆模型，之后任何音频都可以换成这个人的声音。本文覆盖这个 RVC 变声工具从安装、训练到推理、排错的完整流程。

RVC 语音转换能做什么，不能做什么

先说结论：RVC 解决的是"把一个人的声音替换成另一个人"的问题——先用少量目标人声录音训练出音色模型，推理时再把输入音频的音色替换为目标音色，其中用 top1 检索直接替换输入源特征来抑制"音色泄漏"（输出里混入原音色的现象）。框架还内置了 UVR5 人声伴奏分离、RMVPE 音高提取和模型融合功能，全部在一个网页界面里完成。

判断自己是否适合，对照下面两列即可：

RVC 安装教程：按显卡选依赖文件并补齐预训练模型

安装环节的关键只有一点：根据显卡选对 requirements 文件，并补齐assets下的预训练模型。两者缺一，后面都会卡住。

第一步：获取代码并安装依赖。需要 Python 3.8 及以上环境：

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

第二步：按显卡环境选择依赖文件（N 卡直接用上一步命令，其余按下表替换）：

如果改用 Poetry 安装，Python 建议 3.7~3.10，其他版本安装llvmlite==0.39.0时可能冲突。

第三步：安装 FFmpeg。音频读写依赖ffmpeg与ffprobe：Ubuntu/Debian 用sudo apt install ffmpeg，macOS 用brew install ffmpeg；Windows 用户将ffmpeg.exe和ffprobe.exe放到项目根目录即可。

第四步：补齐预训练模型。至少需要assets/hubert、assets/pretrained、assets/uvr5_weights三个目录下的文件；要使用 v2 版本模型，还需assets/pretrained_v2。运行 tools/download_models.py 可批量下载上述文件。

第五步：启动 WebUI。执行python infer-web.py，默认监听 7865 端口，端口被占用时可加--port 7861更换。Windows 整合包里的go-web.bat则默认以 7897 端口启动。

⚠️重要：运行期间不要关闭终端窗口，它是后端服务本体；关闭后浏览器会提示 Connection Error。

RVC 模型训练流程：从素材准备到索引生成

训练入口是 WebUI 的「训练」选项卡，整体分为三个环节：备料、一键训练、验证产物。

准备一份干净的人声音频库

素材质量直接决定效果上限，比加大训练轮数重要得多：

• 时长：推荐 10~50 分钟；音质高、底噪低、音色统一时，5~10 分钟也可行；1 分钟以下不建议。
• 内容：同一人的统一音色，去掉底噪、爆音和静音段。
• 路径：所有文件放入同一个训练文件夹，路径避免空格、括号和中文，这两类符号是后续 ffmpeg 报错和 utf8 错误的主要来源。

一键训练生成检查点与索引文件

在「训练」选项卡填好实验名、目标采样率和「模型是否带音高指导」后，点「一键训练」即可串行执行：数据预处理（切片、归一化）→ 音高与特征提取（F0 曲线 + HuBERT 特征）→ 模型训练 → 索引训练。

• 采样率：v2 版本可选 32k / 40k / 48k，v1 仅 40k / 48k；40k 是通用选择，48k 音质上限最高，32k 计算开销最小。
• 训练产物：检查点按保存频率持续写入logs/实验名/，生成器为G_xxx.pth、判别器为D_xxx.pth。
• 训练轮数 total_epoch：默认 20；素材底噪大时 20~30 轮足够，调高也带不动低音质素材；素材优质且时长充足时，200 轮没有问题。
• 中断与续训：关闭终端重启后，用相同参数再次点训练，会从上次检查点继续，不会从零开始。

验证训练产物并定位实验目录

训练成功与否看两处：

1. 输出信息出现 "Training is done" 即代表模型训练完成，其后紧邻的个别报错可忽略。
2. logs/实验名/下出现added_IVF..._Flat_nprobe_....index索引文件，它是推理时把声音"锁"在目标音色上的特征检索库。

也可以在训练设置中开启"每次保存时间点将小模型保存至 weights 文件夹"，省去事后手动提取。

⚠️重要：训练中途不能更换目标采样率继续训练，否则会报 tensor 尺寸不匹配错误；必须更换实验名从头训练（可拷贝上次的音高与特征文件夹加速）。

控制输出效果的三个 RVC 变声参数：变调、索引率、F0 算法

推理入口是「模型推理」选项卡：先点「刷新音色列表和索引路径」选中刚训好的模型，填入待处理音频路径（参考输入框中的示例格式），选择 F0 算法后点「转换」。真正影响结果的就是下表三个参数：

另外两个常调参数：protect（保护清辅音和呼吸声）默认 0.33，拉满 0.5 即关闭保护；批量推理时索引率默认为 1，可按需调低。训练集本身优质且时长充足时，模型对索引率的依赖会明显下降。

高频报错对照表：从现象到解决方案

遇到报错先按下表定位，绝大多数情况不需要重新训练：

提示：若报文件/内存错误，多为 CPU 进程开太多，把「提取音高和处理数据使用的 CPU 进程数」调低，并手动把训练音频切短一些。

语音克隆模型如何正确分享，以及更多资料入口

分享模型前必须分清两类文件：logs/实验名/下的 pth 是实验检查点（体积达几百 MB，用于复现和继续训练），直接拷到weights强行推理会报 f0、tgt_sr 等 key 缺失错误；可分享的是weights目录下 60+MB 的 pth。

标准流程：在「ckpt 处理」选项卡最下方的"模型提取"功能中，输入logs下 G 开头的检查点路径（采样率、是否带音高、版本可自动识别），提取出轻量小模型存入weights；再把该 pth 与对应的added_....index索引文件一起打包发给对方，解压到对应目录即可使用。

遇到问题时，优先查阅仓库自带的官方资料：

• 常见问题解答：docs/cn/faq.md（WebUI 内「常见问题解答」选项卡即展示此文件）
• 更新日志：docs/cn/Changelog_CN.md
• 索引生成与模型转换脚本：tools/infer/
• 各采样率模型配置：configs/v1/ 与 configs/v2/
• 英文训练细节说明：docs/en/training_tips_en.md
• 界面与启动逻辑入口：infer-web.py

回头看整条路径：按显卡装好依赖 → 补齐预训练模型 → 备料、一键训练、验证产物 → 用三个参数控制推理输出 → 按表排错 → 提取小模型分享。效果差距主要来自素材是否干净、音色是否统一，而不是参数玄学。先用最短的 10 分钟素材完整跑通一遍，再逐步增加数据量，问题大多能在 docs/cn/faq.md 和上表的对照中自行解决。

【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