RVC 语音模型上手实操：用 10 分钟语音训练出可用的 VC 模型-酒店常州论坛

RVC 语音模型上手实操：用 10 分钟语音训练出可用的 VC 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（Retrieval-based-Voice-Conversion-WebUI）是一个基于 VITS 的开源变声框架，官方定位是"用不超过 10 分钟的语音数据就能训练出效果不错的 VC 模型"。它提供网页界面，完成从训练集处理、模型训练到单次/批量推理的全流程，适合想给自己或某位歌手做 AI 音色模型、又不想手写代码的用户。

先弄懂它靠什么工作

一句话：RVC = VITS 生成框架 + top1 检索。底模用接近 50 小时的开源 VCTK 训练集预训练过，你只用少量数据微调出目标音色；推理时用 top1 检索把输入源特征替换成训练集特征，从机制上杜绝"音色泄漏"（结果声音往源音频或底模上靠）。这也解释了它为什么在显存较小的显卡上也能快速训练。

最小可用的安装命令

环境要求 Python 大于 3.8，外加 ffmpeg（Ubuntu 用sudo apt install ffmpeg，macOS 用brew install ffmpeg，Windows 可把 ffmpeg.exe、ffprobe.exe 放到项目根目录）。依赖安装分两步：

pip install torch torchvision torchaudio pip install -r requirements.txt

N 卡装requirements.txt即可；A 卡/I 卡装requirements-dml.txt；Linux 下的 AMD ROCm、Intel IPEX 分别对应requirements-amd.txt、requirements-ipex.txt。macOS 上也可以直接sh ./run.sh装依赖。

装完依赖还差一批预模型，清单在 README 里列了：./assets/hubert/hubert_base.pt、./assets/pretrained、./assets/uvr5_weights，想用 v2 底模再加./assets/pretrained_v2；想用 RMVPE 音高提取，把rmvpe.pt放到项目根目录。仓库的 tools/ 目录里带了dlmodels.sh和dlmodels.bat下载脚本，直接运行省去手动搬运。

启动 WebUI 并确认跑通

python infer-web.py

Windows 用户直接双击go-web.bat更省事。默认监听端口 7865，浏览器会自动打开界面，看到"模型推理""训练集""ckpt 处理""设置选项"这几个选项卡就算启动成功。界面里会显示检测到的显卡信息，卡号与显卡的对应关系以后在推理配置时会用到。

完整跑通一次一键训练

训练集准备：推荐 10 分钟至 50 分钟、底噪低的高质量语音，切成 5-10 秒的短片段，放进同一个文件夹（文件名和路径不要带空格、括号等特殊符号，路径不要有中文）。音质高、时长足的优质数据 200 轮都 OK；底噪大的数据 20-30 轮就够，调高了也带不回来。

操作路径：打开"训练集"选项卡 → 输入实验名（建议英文）和训练集路径 → 采样率选 48k → 总训练轮数按数据质量填 30 或 200 → 批量大小保持默认 4（显存不够就调小）→ 音高提取算法保持默认 rmvpe（效果最好且只微吃 GPU）→ 点"一键训练"。

看到什么算成功：控制台出现Training is done. The program is closed.即训练完成，后面紧邻的报错可以无视。产物有两处：weights/下出现 60MB 以上的 pth 文件（这是用来推理和分享的模型），logs/实验名/下出现added_开头的 index 索引文件和几百 MB 的中间 pth（仅供复现和续训，不要直接拿来推理）。

推理验证：切到"模型推理"选项卡 → 点"刷新音色列表和索引路径" → 下拉选择刚训的音色 → 填入待处理音频路径 → 变调填 0（升八度 12、降八度 -12）→ 音高提取算法选 rmvpe → 点转换。输出的 wav 在 output 目录，听感上音色贴合训练数据、无电音撕裂，这次实战就算跑通了。

踩坑速查

现象	原因	处理
ffmpeg error / utf8 error	音频路径含空格、()等特殊符号，或训练集在中文路径	换到纯英文无空格路径
一键训练结束没有 index 文件	训练集太大，添加索引步骤卡住	再点一次"训练索引"
把 logs 下几百 MB 的 pth 拿去推理报 key 不存在	那是存实验状态/续训用的中间文件	分享或推理用`weights/`下 60MB+ 的 pth；只有中间 pth 时去"ckpt 处理"选项卡做小模型提取
CUDA out of memory	显存不足	训练调小 batch_size，推理调小`configs/config.py`里的 x_pad、x_query、x_center、x_max；4GB 以下显存基本没救
Windows 报`llvmlite.dll`加载失败	缺微软 C++ 运行库	装 vc_redist.x64.exe 后重启 WebUI

继续深入看哪里

docs/cn/faq.md：官方问答，覆盖采样率、index rate、中断续训、GPU 选择等 18 个问题
docs/cn/Changelog_CN.md：版本更新日志
configs/config.py：改端口（默认 7865）、设备cuda:0卡号、推理显存参数
tools/dlmodels.sh / tools/dlmodels.bat：预模型下载脚本
实时变声走go-realtime-gui.bat，官方称端到端延迟 170ms，用 ASIO 设备可到 90ms，适合不想碰 WebUI 的进阶玩法

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