10分钟训练出你的第一个AI声音模型：RVC变声WebUI完整新手实战指南-酒店常州论坛

10分钟训练出你的第一个AI声音模型：RVC变声WebUI完整新手实战指南

【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

想让AI用你的声音翻唱一首歌，或者让喜欢的歌手的音色演唱你写的词？这不再是实验室里才有的黑科技。开源项目Retrieval-based-Voice-Conversion-WebUI（社区简称RVC）就是为此而生的免费AI变声工具：你只需10分钟左右的语音素材，就能在网页界面上训练出一个可用的声音模型，再上传任意音频完成音色转换。准备好了吗？跟着这篇指南，从安装到做出第一首"AI翻唱"，一次跑通。

🎯 它是什么 · 为什么值得用

RVC 是一个基于 VITS 的变声（Voice Conversion，即把一段人声"换音色"而不改变唱腔和旋律）框架。它最核心的设计是检索式特征替换：推理时从训练集的声学特征中检索最相似的一段，替换输入源的音色特征，从根本上解决"音色泄漏"（输出音色被原唱带偏）的问题。

这对新手意味着三件实事：一是数据门槛极低，推荐 10 分钟低底噪语音，精简的高质量素材 5~10 分钟也能出好效果；二是显卡不挑剔，普通 4G 显存显卡就能推理，还支持 NVIDIA/AMD/Intel 三种加速路线（对应 N卡、AMD、Intel 三套依赖清单）；三是全家桶式功能，网页界面里内置了 UVR5 人声分离（把人声和伴奏拆开）、一键训练、音高提取（默认推荐最新的 RMVPE 算法，显著减少"哑音"问题）、模型融合等能力，全部 MIT 协议免费商用。

🚀 快速上手：从 0 到跑通

以下命令按顺序复制执行即可，全程不需要你改任何代码。

1. 克隆项目

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

2. 安装依赖（要求 Python 3.8+，先装好 PyTorch）

pip install torch torchvision torchaudio

然后按你的显卡选一份清单：

NVIDIA 显卡：pip install -r requirements.txt
AMD 显卡（Linux/ROCm）：pip install -r requirements-amd.txt
AMD/Intel 显卡（DirectML 方案）：pip install -r requirements-dml.txt
Intel 显卡（Linux/IPEX）：pip install -r requirements-ipex.txt

3. 安装 ffmpeg（RVC 用它读取和切分音频，必装）

sudo apt install ffmpeg # Ubuntu/Debian brew install ffmpeg # macOS # Windows：把 ffmpeg.exe / ffprobe.exe 放到项目根目录即可

4. 准备预训练模型

RVC 需要几组底模文件（hubert_base.pt、pretrained 底模、RMVPE 音高模型等），存放清单写在了 README.md 的"其他预模型准备"一节，项目 tools/ 目录里也提供了批量下载脚本dlmodels.sh/dlmodels.bat，按清单把文件放进对应目录（assets/hubert/、assets/pretrained/等）。

5. 启动 WebUI

python infer-web.py

Windows 用户直接双击go-web.bat，macOS 用户执行sh ./run.sh均可。浏览器打开后看到带数字编号的选项卡界面，就大功告成了。

🎤 核心功能实操：训练 + 推理一次走完

打开 WebUI 后，界面按流程编号：0-数据集处理 → 1-UVR5人声伴奏分离 → 2-一键训练 → 3-训练索引 → 4-推理 → 5-ckpt。

第一步：备料。把训练用的干声（纯人声、无人声伴奏混入）WAV 放进一个文件夹，在"0-数据集处理"里选择该文件夹作为训练集，点击"一键训练"前的预处理按钮（或直接在 2 号选项卡点"一键训练"，它会自动串联所有步骤）。

第二步：训练。关键参数建议如下：

参数项	推荐值	作用说明
训练轮数 total_epoch	素材含底噪取 20~30；高音质长素材可到 200	轮数过高会把底噪"学进去"，不是越多越好
批量大小 batch_size	按显存调整，4G 显存可从 1~2 起步	越大训练越快、越费显存
音高算法 f0 方法	rmvpe（默认）	效果最好且比 harvest 更快、占用更小
保护程度 protect	0.33（默认）	保护辅音等高频成分，值越大越不容易"糊"

训练成功后，assets/weights/下会生成一个60+MB 的 pth 模型（这才是该分享/推理用的文件），logs/实验名/下还会生成added_xxx.index索引文件（声音检索数据库）。

第三步：推理。切到"4-推理"选项卡，刷新音色、选中刚训练的模型，上传源音频：

参数项	推荐值	作用说明
索引比率 index_rate	0.3 ~ 0.66	越高越贴训练集音色（防泄漏），越低越吃推理源音质
音高 key	0 为原调，+12 升八度，-12 降八度	男转女常用 +12，女转男用 -12
输出路径	assets/logs 下的实验文件夹	转换结果会保存在这里

点击"转换"，几十秒后就能听到成果——如果训练集里有明显的人声痕迹，恭喜，你的 AI 歌手已经会唱歌了。

🎬 实战：把一首歌变成"你的声音"翻唱

给你个有画面感的目标：晚上，你上传一首原唱，几分钟后 AI 用目标音色完整唱出副歌。完整流程如下：

拆人声：在"1-UVR5"选项卡里对原唱歌曲做分离，得到干净的人声轨——这是推理质量的地基，混着伴奏的源音频会让音色发虚。
选音色：用自己 10 分钟录音训练的模型，或直接选用一个已发布的 pth 模型（放到assets/weights/后刷新音色）。
调参数：f0 方法选 rmvpe，index_rate从 0.5 起步，音高 key按声线差值设定（男源转女目标就 +12）。
转换试听：先转一小段副歌验证音色对不对，满意后再整曲跑完。
合体：把 AI 人声和第一步分离出的伴奏在任意音频软件里对齐合并，一首属于你的 AI 翻唱就完成了。

想更进一步玩实时变声？运行go-realtime-gui.bat（实时变声界面源码在 tools/rvc_for_realtime.py），选好转音设备即可边说边变声，端到端延迟已优化至170ms，使用 ASIO 设备可压到90ms，几乎无感。

⚙️ 进阶指南：调优与技巧

基础跑通之后，这些"旋钮"能让你的模型更上一层楼：

模型融合：用"5-ckpt"选项卡里的 ckpt-merge，把两个模型按权重混合，能调出更自然、更接近理想音色的结果（比如 70% 真人 + 30% 风格化模型）。
批量推理：不想一个个点"转换"？命令行直接跑 tools/infer_batch_rvc.py，一个文件夹全部转完：

python tools/infer_batch_rvc.py --model_name 实验名 --input_path ./input_wavs --f0method rmvpe --f0up_key 0

API 集成：项目自带两套接口，api_240604.py 是推荐的最新版，可以把它嵌进你自己的自动化流程或前端服务里。
显存与速度优化：训练爆显存就降 batch_size；推理阶段可在 configs/config.py 里调小x_pad、x_query等检索窗口参数来省显存；4G 以下显存建议放弃训练、只做推理。
ONNX 导出：追求推理速度可以用 tools/export_onnx.py 导出 ONNX 模型，配套演示见 tools/onnx_inference_demo.py。

⚠️ 避坑指南：常见问题与排查

以下每一条都来自社区高频问题（完整版见 docs/cn/faq.md），按"现象 → 原因 → 解决"对号入座：

现象	原因	解决
报 ffmpeg error / utf8 error	音频路径带空格、括号等符号，或含中文	把训练集目录改成纯英文、无空格的路径
训练显示 "Training is done" 却没有索引文件	训练集过大导致加索引卡住	回"3-训练索引"选项卡手动再点一次"训练索引"
推理列表里找不到新训练的音色	音色列表未刷新	点"刷新音色"；还没有就去`logs/实验名/`看训练日志
分享模型后别人用不了	分享的是`logs/`下几百 MB 的训练断点，不是推理模型	只分享`assets/weights/`下 60+MB 的 pth 及对应 index 文件
Cuda out of memory	显存不足	训练降 batch_size；推理调小 config.py 末尾的检索窗口参数
浏览器 Connection Error	误关了黑色控制台窗口	保持控制台窗口开启
弹 "Expecting value: line 1 column 1"	开了局域网/全局代理（含远程主机的 http_proxy）	关闭客户端与服务端代理后再访问
训练时报文件/内存 error	CPU 进程开太多、音频切得太长	拉低"提取音高和处理数据使用的CPU进程数"，手工把长音频切短

🎉 现在，轮到你了

你的第一个 AI 歌手只差三步：

录一段10 分钟安静的干声素材（手机在安静房间录的即可）；
按上面的流程装环境、启动 WebUI，跑完一次一键训练；
挑一首你熟悉的歌做推理，把结果发到社区听大家挑毛病——迭代两轮，音色相似度会让你自己都惊讶。

想查参数细节，读一读 docs/cn/faq.md 和 docs/en/faq_en.md；想追踪新特性，看 docs/cn/Changelog_CN.md。遇到问题直接在社区提问，RVC 拥有中文、英文、日文、韩文等多语言活跃社区，你的问题大概率已经有人踩过坑并写好了答案。

麦克风准备好了，按下录制键吧——十分钟后，你会听到"另一个自己"在唱歌。

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