RVC 语音转换 Web UI：10 分钟录音就能训出你的 AI 歌手，4G 显存可跑-创锋一号

RVC 语音转换 Web UI：10 分钟录音就能训出你的 AI 歌手，4G 显存可跑

【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

给短视频配音总怕声音"撞脸"，直播开麦又想换个更有特色的音色？Retrieval-based-Voice-Conversion-WebUI（下称 RVC）是一个基于 VITS 的语音转换框架：你丢进10 到 50 分钟的录音，它就能训练出一个属于你的 AI 歌手模型。整个过程在浏览器里点按钮完成，不用写一行代码。这篇 RVC Web UI 教程带你从 clone 仓库走到第一条转换出来的音频，顺路把新手最容易卡住的坑一次讲清。

🎯 能力全景：先判断它值不值得你装

RVC 提供两套界面：训练推理界面（go-web.bat 启动）负责训练和批量转换，实时变声界面（go-realtime-gui.bat 启动）负责开麦即改。按场景看你能拿到什么：

场景	你能拿到什么	门槛
把自己的声音克隆给短视频、游戏配音	10-50 分钟低底噪录音训练出 60+MB 的模型文件，推理时音色纯净不串味	至少 4GB 显存的显卡，训练集 10 分钟起步
直播、游戏里实时换声音	端到端延迟 170ms，配 ASIO 声卡可到 90ms	麦克风 + 扬声器，N/A/I 卡均可运行
处理整首歌曲再变声	内置 UVR5 人声分离模型，先拆人声再转换	需要先下载 uvr5_weights 权重
把两个模型音色调着玩	模型融合功能，可在 ckpt 选项卡里合并出混合音色	需要先训出至少两个模型

看完这张表：只要你有 4GB 显存、一小时的空闲时间，下面就能跑起来。

🧰 最小可跑路径：从清单到启动

硬件/系统清单（显存不足是最常见劝退点，先对号入座）：

显存：4GB 是最低要求；3GB（如 GTX 1060 3G）基本没救
Python：3.8 及以上
磁盘：约10GB可用空间（代码 + 预训练模型）
音频工具：FFmpeg，负责读写各种格式音频

1. 拉取代码——这一步把项目放到你电脑上：

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

2. 装依赖——按你的显卡选一份清单装。先装 PyTorch 全家桶：

pip install torch torchvision torchaudio

然后按显卡选装：

pip install -r requirements.txt # N卡 pip install -r requirements-dml.txt # A卡 / I卡 pip install -r requirements-amd.txt # A卡 + ROCM（仅 Linux） pip install -r requirements-ipex.txt # I卡 + IPEX（仅 Linux）

Windows 上 RTX 30 系（Ampere 架构）如果报错，换带 cu117 参数的安装命令指定 CUDA 版本即可。MacOS 用户直接一条命令：

sh ./run.sh

3. 装 FFmpeg——RVC 靠它解码音频：

sudo apt install ffmpeg # Ubuntu / Debian brew install ffmpeg # MacOS

Windows 用户把 ffmpeg.exe 和 ffprobe.exe 放进项目根目录就行。

4. 下载预训练模型——模型不下载，训练和推理都是空转。脚本会自动把 HuBERT 语音特征提取模型、VITS 预训练权重、UVR5 人声分离权重拉到 assets/ 目录：

sh tools/dlmodels.sh

5. 下载 RMVPE 音高提取文件——RMVPE 是项目默认使用的音高提取算法，比旧方案更快、资源占用更小、不容易出现哑音。把rmvpe.pt放到项目根目录；A卡/I卡用户额外再放一份rmvpe.onnx。

6. 启动：

python infer-web.py

浏览器打开http://localhost:7897就进入训练推理界面。Windows 用户也可以直接双击 go-web.bat 省去敲命令。

🎙️ 第一次实战：把 10 分钟录音变成你的 AI 歌手

装好之后别急着乱点，跑一遍最小真实流程：

准备素材：录10 分钟以上干净的人声（朗读、哼歌都行），底噪越小越好，存成一个文件夹。
打开训练选项卡，填实验名（比如my-voice），勾选"是否考虑音高"——要做唱歌变声必须勾上。
填好训练集音频文件夹路径，点一键训练。程序会自动切分音频、提取音高和特征、训练模型、训练检索索引，全程看控制台滚动日志就行。
训练完成后，weights/目录下会出现一个60+MB的.pth模型文件——这是你唯一需要保留和分享的模型。

接下来去推理界面：左侧选你的模型，右侧选目标音色，拖入一段你自己的录音，点推理，等几秒，输出目录里就多了一条 WAV。

成功的样子是这样的：人声轮廓像目标音色，咬字和节奏跟着你的原录音走，没有金属味和杂音。如果听着像"原音色和目标音色各占一半"，把索引比例往上调（最大 1.0）再试。

🛠️ 避坑速查

现象	原因	你能做的动作
Cuda out of memory	显存不够，4GB 是下限	训练时把 batch size 降到 1；推理时调小 configs/config.py 末尾的`x_pad`、`x_query`、`x_center`、`x_max`
一键训练结束却没有索引文件	训练集太大，加索引那步卡住	耐心等一会儿；长时间无响应就再点一次"训练索引"
Windows 报 llvmlite.dll 错误	缺微软 C++ 运行库	装上 vc_redist.x64.exe，重启电脑和 Web UI
网页弹出 Expecting value: line 1 column 1	系统代理拦截了本地请求	关掉全局/局域网代理；远程机器的 http_proxy 也要 unset

更多问题先翻常见问题，那里有 18 条完整排查路径。

📖 深入方向

训练参数怎么调、音高算法怎么选：训练技巧文档
模型融合（把两个音色混成一个新的）源码在 infer/modules/vc/utils.py
想脱离网页、写脚本批处理：看 tools/infer_cli.py 和 tools/infer/infer-pm-index256.py

下一步

现在就去把 go-web.bat 双击起来，录一段 10 分钟的干净人声，今天就能听到自己的 AI 歌手。卡住了就回上面的避坑表查一遍，RVC 的坑都有标准答案。

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