RVC变声器完整实战手册：30分钟训出AI音色模型-创锋一号

RVC变声器完整实战手册：30分钟训出AI音色模型

【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

想给自己或游戏角色配一个能反复用的 AI 音色？本指南基于 RVC（检索式语音转换框架）带你走完全流程：搭好环境、准备 10 分钟低底噪音频、在普通显卡上训出第一个音色模型，再到推理页调参让声音更对味。文中版本号与参数均取自仓库实际配置，每一步都可能踩的报错也备好了按症状查的对照表，读完即可独立完成"备环境 → 训模型 → 出声音 → 调优"。

🎯 开工前先把三条验收标准钉死

先定验收线再动手，做完以下三条核对才算"跑通"；差哪条，回对应章节定位。

📋 跑通后能核对的三件事

训练日志出现 "Training is done."，且assets/weights/下新增一个60+MB的 .pth 文件——这才是可分享的成品模型；logs/里几百 MB 的 pth 只存实验状态，用于续训，不是成品。
assets/indices/下有配套的added_*.index检索索引文件。
推理页点"刷新音色"后能选到新音色，转换出声且音色对得上。

一个坑提前说：一键训练结束时若卡在索引步骤，日志可能报"假的"错误。只要看到 "Training is done" 就说明模型本身训完了，再单独点一次"训练特征索引"即可。

🧩 十分钟备好能开训的 RVC 环境

结论先行：当前分支只认Python 3.12x64，老教程里的 Python 3.9 装法已经失效，Ubuntu 24.04 与 Windows 均可。

🐍 三个组件十秒体检

先拿到代码并进入仓库根目录：

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

然后跑两条命令确认：

python --version ffmpeg -version

组件	要求值	为什么
Python	3.12x64	分支唯一适配版本，装依赖前建好 venv 隔离
FFmpeg	任一近期版本	切片与重采样全靠它；Windows 用户把 ffmpeg.exe、ffprobe.exe 放进根目录即可
显存	≥4GB	不足 4GB 的代码路径会直接回落到 CPU（见`configs/config.py`的设备判定），训练基本没戏

📦 按显卡挑对依赖文件

根目录下三份依赖清单，头部注释写明了两步安装顺序：先装带对应 CUDA 后缀的 PyTorch，再装其余依赖。

你的硬件	依赖文件	PyTorch 阶段
RTX 50 系以前（N卡）	`requirments_cu118_py312.txt`	cu118 版 torch 2.7.1
RTX 50 系	`requirments_cu128_py312.txt`	cu128 版 torch 2.7.1
A 卡 / I 卡 / 纯 CPU	`requirments_cpu_py312.txt`	CPU 版 torch，Windows 可走 DirectML

python -m pip install -r requirments_cu118_py312.txt

装完验证 torch 与 CUDA 是否对上：

python -c "import torch; print(torch.__version__, torch.cuda.is_available())"

第二个值打印 True 才算合格；否则是 torch 装错版本，按上表重装第一步。

⬇️ 补全底模与音高权重

WebUI 会自动创建运行目录，但模型文件必须放到指定路径，缺一个都起不来：

hf download lj1995/VoiceConversionWebUI --revision main --include "hubert_base/*" --local-dir assets hf download lj1995/VoiceConversionWebUI rmvpe.pt --revision main --local-dir assets/rmvpe hf download lj1995/VoiceConversionWebUI --revision main --include "pretrained/*" "pretrained_v2/*" --local-dir assets

assets/hubert_base/是特征提取模型，assets/rmvpe/rmvpe.pt是音高提取权重，assets/pretrained/与assets/pretrained_v2/分别是 v1/v2 底模；要用 UVR5 分离人声再补assets/uvr5_weights/，静音样本放logs/mute/（README 有完整命令）。

python webui.py

默认监听端口7865并自动开浏览器；换端口或服务器无桌面时用python webui.py --port 7866 --noautoopen。注意：控制台黑窗口全程别关，它一关服务就断。

🎙️ 把音频喂进 WebUI，完成第一次 RVC 训练

🎵 音频备料：48k 与总时长十分钟

备料项	建议值	原因
采样率	48k	与`configs/v1/48k.json`对齐，定了就别中途换
单段时长	5~10 秒	音频切短些，过长是张量尺寸报错的常见来源
总时长	10~50 分钟	不足 10 分钟音色难学到位；音色有特色且音质高，5~10 分钟也够用
底噪	越低越好	底噪大时训练轮数压低，底模带不动低质数据

统一转成 WAV，剪掉首尾静音，响度大致拉平；人声伴奏混录的素材先在 UVR5 选项卡里分离出纯人声。

🏋️ 一键训练前只盯三个参数

参数	界面默认	什么时候动它
batch_size	按显存自动估算（配置默认4）	显存告急先降它，最低到 1
total_epoch	20（上限 1200）	低质数据 20~30 轮足够，高质数据可提到 200
底模路径	v2 默认`assets/pretrained_v2/f0G40k.pth`	随采样率与音高选项自动切换，不用手填

填实验名与音色 ID、选48k采样率，点"一键训练"。日志里会打印实际执行的数据集处理与训练命令行，想脱离网页纯命令行训练时，照它切到 train/train.py 即可复现。

💥 显存告急时先降谁

报Cuda out of memory就降 batch_size，降到 1 还不够只能换卡。另外 WebUI 会按显存自动收缩configs/config.py末尾的x_pad/x_query/x_center/x_max四个推理参数（4GB 卡自动切到最紧的一组），你不用手动改，知道有这个机制就行。

🎧 推理出声：让 AI 音色对味的三个参数

🔁 出声音：刷新音色、模型配索引

推理页点"刷新音色"加载新模型，特征检索库路径会自动匹配assets/indices/下同名added_*.index，点转换即可下载成品。记住模型与索引是成对关系：给别人分享时，两个文件要一起给。

🎚️ RVC 参数调优：先玩这三个滑杆

参数	默认值	调法
变调（半音）	0	升八度填 12，降八度填 -12
音高提取算法	rmvpe	rmvpe 最快最省资源，pm、fcpe 为备选
检索特征占比（Index Rate）	0.75	常用区间0.6~0.8；越靠近 1 音色越贴训练集（杜绝泄露），越靠近 0 越贴源音频

还有两处容易漏：protect 滑杆默认 0.33，出现电音撕裂就拉高、索引发闷就调低；后处理重采样保持 0，输出与训练采样率一致最稳。取舍原则：训练集音质高于源音频时，Index Rate 调高保音色；训练集音质偏低时，调高只会更糊。长时长的优质训练集本身很少"漏"，这个参数反而不重要。

🧪 两个音色揉成一个

ckpt 处理选项卡里的 ckpt-merge 可以把两个 .pth 按权重融合成新音色：选好文件、设比例，新手从 0.5 : 0.5 起步，换不同素材试听记录最好听的比例。

🚑 RVC 报错解决：先认症状再动手

别乱试，按下面的表走。

🖥️ 启动与环境类

症状	可能原因	解法	优先级
浏览器打不开、连接失败	控制台被关，或端口7865被占	保持黑窗开启；`--port`换空闲端口	高
llvmlite.dll 加载错误	缺 VC++ 运行库	装 VC++ 2015-2022 运行库后重启 WebUI	高
Expecting value (char 0)	系统或服务端代理干扰	关掉局域网/全局代理再启动	中
ffmpeg error / utf8 error	路径带空格或中文	换纯英文无空格路径	中

🏋️ 训练与推理类

症状	可能原因	解法	优先级
Cuda out of memory	显存不够	降 batch_size；4GB 以下显存换卡	高
张量尺寸不匹配 (tensor size)	混入异常小的坏音频	删掉`wavs16k`里显著偏小的文件重训	中
推理页看不到新音色	没刷新 / 索引没生成	点"刷新音色"，再点"训练特征索引"	高
推理报 key 不存在	把 logs 大 pth 直接当模型用	用 ckpt 选项卡提取60+MB的小模型	中
文件页 / 内存 error	并行进程开太多	调低 CPU 进程数，音频手工切短	低

⚠️ 四个常见误区，对照自查

🧾 误解 → 正确做法

误解	正确做法
照着旧教程用 Python 3.9 装	当前分支只支持Python 3.12x64
直接把`logs/`几百 MB 的 pth 分享出去	用 ckpt 选项卡提取60+MB小模型再分享
轮数拉满一定更稳	低质 20~30 轮、高质到 200 轮，再高只会过拟合
中途改采样率会自动适配	改采样率等于换新实验名从头训；可拷贝上次提取的音高与特征加速

📚 继续深挖

📂 文档、源码与社区入口

常见报错与参数科普：docs/cn/faq.md；更新记录：docs/cn/Changelog_CN.md
分采样率模型超参：configs/；设备与显存判定规则：configs/config.py
训练主脚本与特征索引：train/；推理核心：infer/；UVR5 人声分离：tools/uvr5/
实时变声（端到端 170ms，ASIO 设备可到 90ms）：realtime_gui.py
多语言文档：docs/en/、docs/jp/、docs/kr/ 等；遇到新报错，优先去项目 Issues 与 Wiki 检索同类问题

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