【亲测免费】 Mangio-RVC-Fork 项目使用与配置指南
2026-01-30 04:34:55作者:瞿蔚英Wynne
1. 项目目录结构及介绍
Mangio-RVC-Fork 项目目录结构如下:
Mangio-RVC-Fork/
├── .github/
│ └── workflows/
├── audio-outputs/
├── audios/
├── configs/
├── docs/
├── formantshiftcfg/
├── i18n/
├── lib/
├── logs/
├── mangio_utils/
├── pretrained/
├── pretrained_v2/
├── tools/
├── train/
├── uvr5_weights/
├── weights/
├── .gitignore
├── Dockerfile
├── LICENSE
├── MDXNet.py
├── Makefile
├── README.md
├── Retrieval_based_Voice_Conversion_WebUI.ipynb
├── Retrieval_based_Voice_Conversion_WebUI_v2.ipynb
├── app.py
├── avoid-shutdown.ipynb
├── config.py
├── environment_dml.yaml
├── extract_f0_print.py
├── extract_feature_print.py
├── extract_locale.py
├── go-realtime-gui.bat
├── go-web.bat
├── gui_v0.py
├── gui_v1.py
├── guidml.py
├── i18n.py
├── infer-web.py
├── infer_batch_rvc.py
├── infer_uvr5.py
├── inference-presets.json
├── my_utils.py
├── poetry.lock
├── pyproject.toml
├── requirements-win-for-realtime_vc_gui.txt
├── requirements.txt
├── rmvpe.py
├── run.sh
├── rvc_for_realtime.py
├── slicer2.py
├── stftpitchshift
├── stftpitchshift.exe
├── stftpitchshift.lib
├── train_nsf_sim_cache_sid_load_pretrain.py
├── trainset_preprocess_pipeline_print.py
├── vc_infer_pipeline.py
└── venv.sh
目录说明:
.github/workflows/: 存放 GitHub Actions 工作流的配置文件。audio-outputs/: 存放处理后的音频输出文件。audios/: 存放原始音频文件。configs/: 存放项目的配置文件。docs/: 存放项目文档。formantshiftcfg/: 存放格式转换配置文件。i18n/: 存放国际化相关文件。lib/: 存放项目依赖的库文件。logs/: 存放日志文件。mangio_utils/: 存放项目自定义的工具类。pretrained/: 存放预训练的模型文件。pretrained_v2/: 存放版本2的预训练模型文件。tools/: 存放项目相关的工具脚本。train/: 存放训练相关的脚本和配置文件。uvr5_weights/: 存放 uvr5 模型的权重文件。weights/: 存放项目使用的权重文件。- 其他文件为项目启动、配置和运行所需的文件。
2. 项目的启动文件介绍
项目的启动文件包括以下几种:
run.sh: Linux 系统下的启动脚本,用于启动项目。go-realtime-gui.bat: Windows 系统下的启动批处理文件,用于启动实时 GUI。go-web.bat: Windows 系统下的启动批处理文件,用于启动 Web 界面。
用户可以根据自己的操作系统选择相应的启动文件。
3. 项目的配置文件介绍
项目的配置文件主要包括以下几种:
config.py: 项目的主配置文件,包含项目运行所需的参数设置。environment_dml.yaml: 环境配置文件,用于定义项目运行的环境变量。inference-presets.json: 推断预设文件,用于定义推断过程中使用的参数预设。
用户可以根据自己的需求修改这些配置文件中的参数,以达到自定义项目运行环境的目的。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
564
3.83 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
892
659
Ascend Extension for PyTorch
Python
375
443
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
348
198
昇腾LLM分布式训练框架
Python
116
145
暂无简介
Dart
794
197
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.36 K
775
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.12 K
268
React Native鸿蒙化仓库
JavaScript
308
359