RVC AI 变声教程：三步跑通部署，练出你的第一个语音转换模型-酒店常州论坛

RVC AI 变声教程：三步跑通部署，练出你的第一个语音转换模型

【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 是一个基于 VITS 的开源语音转换项目：喂给它 10 分钟某个人的低底噪录音，训出一个音色模型，之后你说的任何话都能变成那个音色，相当于在家拥有一台 AI 变声引擎。本教程带你依次完成装环境、启动界面、训出第一个模型、变出第一段声音。

效果先睹

按本文做完之后，你能做到这三件事：

视频配音：用 10-50 分钟目标人物的干净语音训练后，任意台词都能用该人物音色生成，单次推理几秒出片，不满意可反复重生成。
游戏与直播语音：实时变声模式的端到端延迟为 170ms，配 ASIO 声卡可降到 90ms，对方听到你的语气，音色却是目标人物。
一句话原理：RVC 用检索式方法，把原声音里的音色特征替换成目标音色的特征。你的语气和情绪保留，换的只是"嗓子的质地"。

效果上限主要看训练数据：录音底噪越低，转换结果越接近本人。

跑起来之前要准备什么

前置项分三组，按顺序检查即可：

系统要求

Python 3.8 以上（必装）
显存 4G 及以上的显卡（推荐）：训练、推理都够用；显存更小的卡或纯 CPU 只能做推理，速度较慢
操作系统：Windows、Linux、macOS 均支持

模型文件（必装，但无需手动下载）

项目自带一键下载脚本，会把语音特征提取、v1/v2 预训练模型、人声分离、音高提取这几类模型自动放到assets/对应位置，其中 v2 预训练模型是训练时的默认选择

音频工具 FFmpeg（必装）

音频切片和格式转换都依赖它。Linux/macOS 用系统包管理器安装即可；Windows 用户把ffmpeg.exe、ffprobe.exe放到项目根目录也行

安装与启动

Windows 整合包安装步骤

Windows 用户走整合包路线：下载并解压RVC-beta.7z整合包，双击go-web.bat，几秒后浏览器自动打开 Gradio 界面，你会看到左侧排着 UVR5、预处理、训练、推理等选项卡。开发者若坚持源码安装，先装 PyTorch，再按显卡选对应依赖清单（Nvidia 用 requirements.txt，AMD/Intel 用 requirements-dml.txt），装完后的启动方式与下文一致。

Linux 源码安装与启动命令

克隆仓库后，装好 PyTorch 和与显卡匹配的依赖文件（Nvidia 用 requirements.txt，AMD ROCm 用 requirements-amd.txt，Intel IPEX 用 requirements-ipex.txt 并多加载一行 oneapi 环境变量），然后：

python infer-web.py

终端会打印本地端口地址，浏览器打开它，界面即就绪。

macOS 单脚本安装与启动

sh ./run.sh

这条命令会自动创建 Python 3.8 虚拟环境、装依赖、下载模型文件，最后直接拉起界面，你只需等待进度跑完。

各平台启动前建议先确认模型文件齐全，运行一次：

python tools/download_models.py

完成第一次变声

🎙️ 从数据到出声音共三步，每步都有明确的停止标志。

第一步：准备训练数据把 10-50 分钟（最少 5 分钟）的单人录音整理成 WAV，44.1kHz 单声道最理想，底噪尽量低。如果素材是歌曲，先用 UVR5 选项卡把 Vocals 分离出来，你会得到一段只剩人声的干净音频。把所有音频放进同一个文件夹。

第二步：预处理与训练在"预处理"选项卡填入模型名和音频目录路径，点击开始，自动切片和音高提取会依次完成。再到"训练"选项卡选模型版本 v2、采样率 48k，其余参数保持默认即可：total_epoch 默认 1000，batch_size 4（4G 显存可降为 2），learning_rate 0.0001。训练结束时你会看到进度条停在最后一轮，assets/weights/目录里多出一个 .pth 检查点文件。

第三步：推理出声音先点一次"训练索引"生成索引，再切到"推理"选项卡选中刚训好的模型，上传一段录音点击推理，扬声器里出来的就是转换结果：音色变成了目标人物，语气和情绪仍是你自己的。

常见翻车点

显存不足怎么办

现象：训练中途报 "CUDA out of memory"，进程直接退出。
原因：训练需要 4G 及以上显存，小显存显卡搭配过大的 batch_size 容易触顶。
怎么办：把 batch_size 降到 2 或 1，并关掉其他占用显存的程序；仍不够就只使用推理选项卡，或借云显卡训练。

训练完成但索引没生成

现象：训练结束后输出目录里没有 .index 文件，推理选项卡的索引下拉框是空的。
原因：训练集过大导致索引构建时内存溢出，或者漏点了生成按钮。
怎么办：在训练选项卡手动点击"训练索引"重新生成；仍失败就减少训练集中的音频数量。

路径含特殊字符导致 FFmpeg 报错

现象：启动或预处理时弹 FFmpeg 错误 / UTF-8 解码错误，日志里能看到乱码路径。
原因：文件路径中的空格、括号或中文字符干扰了 FFmpeg 的命令行解析。
怎么办：把项目和音频都移到纯英文、无空格的路径（例如D:/rvc/）再重试。

进阶入口

实时变声：运行gui_v1.py（Windows 下双击 go-realtime-gui.bat），麦克风输入、转换、播放的闭环延迟 170ms，适合直播和游戏。
API 调用：程序化接入参考 api_240604.py，支持传入语音地址和参数，返回转换后的音频。
批量推理：整个目录批量转换用 tools/infer_batch_rvc.py。
更多资料：疑难问题查 FAQ docs/cn/faq.md，调参技巧看训练指南 docs/en/training_tips_en.md，新功能关注更新日志。

动手清单

装好 FFmpeg，跑一次模型下载脚本补齐 assets 目录
启动界面：Windows 双击 go-web.bat，其他系统用上述启动命令
在 WebUI 里预处理 10 分钟语音，训练 1000 轮并生成索引
到推理选项卡完成第一次 AI 变声，听效果
遇到问题先查 FAQ，再对照本文排查路径与显存设置

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