企业官网建设流程全解析

十分钟录音炼出专属音色转换模型：RVC WebUI 低门槛上手

【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 WebUI（Retrieval-based-Voice-Conversion-WebUI）是一个主打低数据量语音转换的项目。一段 10 分钟的录音，加上几分钟的训练时间，你就能拿到一个专属音色转换模型，还能直接挂到麦克风上做实时变声。下面按"先玩起来、再讲原理"的顺序带你走一遍。

最快上手路径：先把实时变声跑起来 🔊

别急着训练，先看效果。Windows 下双击 go-realtime-gui.bat 就能打开实时变声界面；用 A 卡或核显走 DirectML 的，改点 go-realtime-gui-dml.bat。项目目前端到端延迟约 170ms；配上支持 ASIO 的声卡做输入输出，能压到 90ms 左右——但这条路径很吃硬件驱动。先用示例音色试几句，确认体验没问题，再决定要不要往下练自己的模型。

主线实操：十分钟模型训练全流程

体验过关后，双击 go-web.bat 打开训练推理界面，整个流程分三步。

第一步：十分钟训练集怎么备

录音总时长控制在 10~50 分钟比较稳。音质高、底噪低、音色统一的话，多多益善；精简到 5~10 分钟但音色有个人特色，同样能出可用的模型。备完数据记得翻一遍 wavs16k 文件夹：把明显比其他文件小一圈的音频挑出来删掉，过短的切片会让训练中途崩掉，具体报错见文末速查表。

第二步：一键跑训练

回到界面走一键训练：提取特征、提取音高、训练模型会依次执行。这一页最核心的参数是 total_epoch（训练轮数），先给默认值跑通，后面专门讲怎么调。

第三步：给模型建索引

训练结束检查一下产物里有没有以 added 开头的索引文件。索引可以理解为训练集音色的"样本库"，推理时靠它查表对色。没生成的话，手动再点一次"训练索引"按钮，通常就能补上。

两个关键旋钮：total_epoch 与 index_rate 怎么取舍 ⚙️

这两个数决定"像不像"和"清不清晰"之间的平衡，值得单独说清。

• total_epoch（训练轮数）：训练集音质差、底噪大时，20~30 轮就够，再往上堆也拉不高音质；音质好、底噪低、时长也充足时，放到 200 轮左右没问题，模型会贴得更紧。
• index_rate（索引用量）：它控制推理时从样本库里取多少训练集特征来盖住输入源。调到 1，理论上输入源的音色不会再串进来，但音质会更贴近训练集——训练集本身糙的话反而降质；调到 0，则完全没有检索保护，音色可能往推理源或底模上飘。

这里有个省事的结论：训练集又优质又充足时，模型自己就不太去借推理源的音色，index_rate 的重要性下降，你甚至可以干脆不建、不分享 index 文件。

模型文件怎么留，哪些 pth 能分享 📦

训练完你会看到好几份 pth，别发错。rvc_root/logs/实验名 目录下的 pth 存的是实验状态，只供复现和继续训练，不能拿出去分享。真正可分享的，是 weights 文件夹里 60+MB 那个 pth。后续版本还会把 weights/exp_name.pth 与对应的 added_xxx.index 合并打包成 weights/exp_name.zip，到时候直接发 zip，省掉对方手动填 index 的步骤。想跑命令行推理或做二次集成的，入口在 tools/infer_cli.py，每个参数都有说明。

为什么 10 分钟就够用

答案在底模上。RVC 的 VCTK 底模用接近 50 小时的开源数据训出来，覆盖 100 位说话人、多种口音，数据开源，没有版权顾虑。底模见过足够多样的发声方式，等于把"怎么把声音发清楚"这件事学完了；你要补的只有"目标音色长什么样"，而这一部分，10 分钟统一音色的录音就足以让模型抓住特征——这就是低数据量训练能成立的原因。

报错速查：两条最常见的

• RuntimeError: The expanded size of the tensor (17280) must match the existing size (0) at non-singleton dimension 1：训练集里混进了过短音频。去 wavs16k 删掉明显偏小的文件再重训；因为一键流程中断了，训完记得再点一次"训练索引"。
• 一键训练结束没有 added 开头的 index 文件：多因训练集过大卡住加索引步骤。重新点"训练索引"补上即可；只要显示 "Training is done. The program is closed."，模型本身就已训成。

其余情况（ffmpeg 报错、显存不足、中断续训等）都写在 docs/cn/faq.md，遇到卡点先翻一遍。

写在最后

官方 RVCv3 底模已在路上：参数更大、训练数据更多、效果更强，推理速度基本持平，需要的训练数据还会更少。建议先把这套流程完整跑通，等 v3 底模放出后拿同一份数据重训一遍，等于免费升档。

【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