【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
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0188- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
awesome-zig一个关于 Zig 优秀库及资源的协作列表。Makefile00
热门内容推荐
最新内容推荐
5个实战技巧:用langchaingo构建企业级对话系统的全流程指南解锁模块化编辑:Milkdown框架的可扩展开发指南[技术专题] OpenWeChat消息处理:从核心原理到高级实践Dapr集群部署失败?5步实战指南助你快速定位并解决问题小爱音箱AI升级定制指南:从零开始的设备改造与功能扩展Vanna AI训练数据效率提升实战指南:从数据准备到模型优化全流程解析打造现代界面新范式:Glass Liquid设计理念与实践指南PandaWiki部署实战:从环境准备到系统优化全指南4个步骤掌握Claude AI应用容器化部署:claude-quickstarts项目Docker实践指南4个高效步骤:Pixelle-Video API集成与开发实战指南
项目优选
收起
deepin linux kernel
C
27
12
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
598
4.03 K
Ascend Extension for PyTorch
Python
440
531
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++
920
768
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
368
247
🎉 (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
1.46 K
822
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
112
168
暂无简介
Dart
844
204
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
69
21
昇腾LLM分布式训练框架
Python
130
156