RVC WebUI 里做 UVR5 人声提取的完整指南-酒店常州论坛

RVC WebUI 里做 UVR5 人声提取的完整指南

【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

翻唱缺伴奏、播客录音混响重？Retrieval-based-Voice-Conversion-WebUI（RVC WebUI）是一个免费开源的 AI 音频项目，它集成的 UVR5 引擎能把人声和伴奏一键拆开、还能去掉混响，也就是 AI 音频分离。照下面的步骤走，10 分钟内你能拿到第一份人声文件。

🧩 一分钟看懂 UVR5 能干什么

UVR5 是 RVC WebUI 内置的一套分离模型：你丢进去一首完整的歌，它就猜出哪些频段是人声、哪些是伴奏，然后拆成两个文件。你不用碰任何代码，全程在网页界面点选。

你放进去的	它能分出来的	结果存在哪
一首完整歌曲（放一个文件夹里）	人声文件 + 伴奏文件，各一份	界面指定的输出文件夹，默认`opt`
带混响、回声的录音	去过回声/混响的干净人声	同上

界面里它藏在「伴奏人声分离&去混响&去回声」选项卡，输入框支持整个文件夹或一次拖多个文件进来，天然就是批量干活。

🔧 搭环境三步走：拿代码、装依赖、开界面

先确认你的 Python 版本高于 3.8。

第一步：获取项目代码

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

第二步：按你的显卡装依赖（先装 PyTorch，已装可跳过）

你的硬件	依赖文件	说明
NVIDIA 显卡	`requirements.txt`	最常用的一条路
AMD 显卡	`requirements-amd.txt`	Linux 下的 ROCM 环境
Intel 显卡	`requirements-ipex.txt`	Linux 下的 IPEX 环境
A 卡 / I 卡（Windows）	`requirements-dml.txt`	走 DirectML 路线

pip install -r requirements.txt

（把文件名换成上表对应你硬件的那份即可）

第三步：启动界面

Windows：双击项目根目录的go-web.bat
macOS / Linux：

sh ./run.sh

浏览器会自动打开 RVC WebUI 主界面。

🎯 主流程实战：从选模型到验收结果

1. 先把分离模型备齐

UVR5 模型是一批.pth文件，统一放在项目的assets/uvr5_weights/目录。跑一次下载脚本就能全齐：

python tools/download_models.py

它会顺带把assets/uvr5_weights/下的人声分离模型和去混响的 onnx 模型都拉下来。下载慢的话，也可以手动把同名单文件放进该目录。

2. 选对模型：按素材特点挑，而不是按名字挑

进入「伴奏人声分离&去混响&去回声」选项卡，下拉框里选模型。对照你的素材特点：

你的素材	选哪个模型	一句话说明
普通歌曲，想拆人声/伴奏	`HP2_all_vocals`	不带和声时的默认选择，主人声保留最稳
同上，想再精细一点	`HP3_all_vocals`	主人声保留略好于 HP2，可能轻微漏进伴奏
带和声的音频，只要主唱	`HP5_only_main_vocal`	和声会被当背景滤掉，主人声可能略被削弱
立体声录音有房间回声	`onnx_dereverb_By_FoxJoy`（MDX-Net 去混响）	只治双声道混响，单声道不行
录音带延迟/回声	`VR-DeEchoNormal`/`VR-DeEchoAggressive`	Aggressive 去得更狠
既要去回声又要去混响	`VR-DeEchoDeReverb`	能治单声道混响，但耗时约为前两者的 2 倍

3. 配参数：一套新手默认值

参数	建议值	白话解读
输入待处理音频文件夹路径	例：`D:\todo-songs`	直接把文件管理器地址栏的路径粘过来
导出文件格式	`flac`	无损，留给后期处理；要发平台可换`mp3`
输出主人声文件夹	`opt`	人声和伴奏各一个文件夹，默认都叫 opt
人声提取激进程度（agg）	10	可以理解为"下手轻重"：数值越高抠得越狠，默认 10 是平衡点，别一上来就拉满

填完点「转换」，下方输出信息框会滚动进度。

4. 验成果：对着勾

✅opt目录下出现了人声和伴奏两组文件
✅ 人声文件里听不出明显的鼓点、贝斯残留
✅ 伴奏文件里听不出"空口唱歌"的残影
✅ 时长与原曲一致，没有缺头少尾

不满意别急着换参数，优先换模型重跑一轮，比动 agg 更见效。

⚡ 提速指南：批量、硬件与磁盘

批量就是主业：这个选项卡本身就吃整个文件夹，把一期播客或一整张专辑放进同一个目录，一次点「转换」全跑完，不用循环调用别的东西。
确认 GPU 真的在干活：装了正确版本 PyTorch 且显卡驱动正常时，分离会走 GPU；日志里如果显示cpu，说明依赖装错了路线，回第二步按硬件表重装。
慢是有原因的：onnx_dereverb（MDX-Net）和VR-DeEchoDeReverb天生就是慢档，日常去回声用VR-DeEchoNormal能快近一倍；CPU 进程数相关默认值在 configs/config.py 里，一般不用动。
磁盘习惯：原始音频、opt输出都建议放 SSD；处理一张完整专辑会多出约同体积的输出文件，提前留出空间。长歌可以按段落切成几段再跑，失败了好重跑，不心疼。

🩺 故障速查：照着现象找动作

现象	可能原因	解决动作
模型下拉框是空的	`assets/uvr5_weights/`里一个`.pth`都没有	跑`python tools/download_models.py`，或手动放入模型文件后重启界面
界面打不开、报缺模块	依赖没装全，或装错了硬件路线	按第二步的表格重装对应 requirements 文件
处理速度慢得离谱	走了 CPU，或选了慢档模型	确认 GPU 生效；把 MDX-Net / DeReverb 换成 DeEchoNormal 试试
人声后面拖着回声尾巴	只做了一次分离，没跑去混响模型	先 MDX-Net 去立体声混响，再用`VR-DeEchoAggressive`过一遍，这是公认最干净的组合
拆出来的人声里夹着和声	选了 HP2/HP3，但素材本身带和声	换`HP5_only_main_vocal`重跑
中途崩溃、内存爆掉	文件太长、后台程序占内存	把长文件分段处理，关掉吃内存的后台程序

更细的报错对照见常见问题文档。

🎤 四个能立刻用起来的玩法

玩法一：翻唱伴奏

把原曲放进待处理文件夹，选HP2_all_vocals跑一遍
拿出来的伴奏进录音软件，录自己的嗓
人声轨与伴奏轨混到一起，一首新翻唱

玩法二：播客去混响

原始录音丢进文件夹，选VR-DeEchoNormal
对比前后干声段落
还觉得空就追加一次VR-DeEchoAggressive

玩法三：视频重配音

从视频导出的音轨里提取人声
清掉背景乐后重新配音
新配音替换回视频音轨

玩法四：声乐学习材料

提取外语歌的主唱人声
用音频软件放慢到 0.75 倍速
循环跟唱，当听力练习用

收尾

现在就挑一首你翻过无数遍的歌，跑完你的第一次 UVR5 人声提取，结果多半会超出预期。接下来可以试试：

用HP2和HP3各跑一次同一首歌，对比主人声保留的差异
双击go-realtime-gui.bat，体验低延迟的实时变声界面
翻一翻 api_240604.py，看看怎么把这套分离和变声能力接到自己的脚本里

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