零基础玩转AI语音转换工具：从安装到变声全攻略

快速定位关键启动脚本

1️⃣ 选择适合你的启动方式

当你需要进行语音转换时，首先要根据使用场景选择合适的启动脚本：

• Web界面模式：通过 go-web.bat 启动，适合进行批量语音处理和模型管理
• 实时变声模式：通过 go-realtime-gui.bat 启动，适用于实时语音交流场景

💡 提示：两个脚本均适用于Windows系统，双击即可运行。Linux用户可使用 run.sh 脚本启动对应功能。

2️⃣ 核心执行文件解析

所有功能的实现核心都集中在 infer-web.py 文件中，它包含：

• Web界面的完整逻辑
• 语音转换的核心算法
• 模型加载与管理功能

通过命令行手动启动的方法：

python infer-web.py

📌 核心要点：如果启动失败，通常是依赖包未正确安装或端口被占用，可尝试更换端口或检查环境配置。

功能模块与文件对应关系

语音处理核心模块

infer/ 目录包含了所有语音转换相关的核心代码：

• F0预测器：infer/lib/infer_pack/modules/F0Predictor/ 提供多种音调预测算法
• 模型推理：infer/lib/infer_pack/onnx_inference.py 实现ONNX格式模型的推理功能
• 音频处理：infer/lib/audio.py 负责音频的加载、处理和保存

模型与资源管理

assets/ 目录是项目的资源中心：

• 预训练模型：assets/pretrained/ 和 assets/pretrained_v2/ 存放不同版本的基础模型
• 权重文件：assets/weights/ 存储训练好的语音转换模型
• ** Hubert模型**：assets/hubert/ 包含语音特征提取所需的模型文件

环境搭建决策指南

1️⃣ 依赖管理选择

根据你的使用习惯选择合适的依赖管理方式：

pip安装方式

适合快速部署和简单使用：

pip install -r requirements.txt

Poetry管理方式

适合开发环境和依赖版本精确控制：

poetry install

💡 提示：如果是AMD显卡用户，请使用 requirements-amd.txt；Intel用户可尝试 requirements-ipex.txt 以获得更好性能。

2️⃣ 新手避坑指南

• 版本冲突：确保Python版本与 requirements 文件中指定的版本一致
• 模型下载：首次运行时会自动下载必要模型，确保网络通畅
• 权限问题：避免在系统目录下运行，可能导致文件写入失败
• CUDA支持：如果没有NVIDIA显卡，需使用CPU模式运行，处理速度会较慢

启动流程对比与操作指南

Web界面 vs 实时变声对比表

特性	Web界面模式	实时变声模式
启动脚本	go-web.bat	go-realtime-gui.bat
主要用途	批量处理、模型训练	实时语音交流
资源占用	中高	高
延迟	无	低
操作复杂度	中等	简单

3️⃣ 基本操作步骤

1️⃣ 准备工作

• 克隆项目仓库：

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

• 安装依赖（选择pip或Poetry方式）

2️⃣ 启动Web界面

• 双击 go-web.bat 或运行命令：

python infer-web.py

• 在浏览器中访问显示的本地地址（通常是 http://localhost:7860）

3️⃣ 使用实时变声

• 双击 go-realtime-gui.bat
• 选择输入输出设备和模型
• 开始实时语音转换

📌 核心要点：语音数据小于等于10分钟也可以训练出优秀的变声模型，建议使用清晰、无噪音的语音样本以获得最佳效果。

配置文件详解

核心配置文件

configs/ 目录包含项目的关键配置：

• 采样率配置：configs/v1/ 和 configs/v2/ 下的 json 文件定义了不同采样率的参数
• 主配置文件：configs/config.py 包含全局配置参数

国际化支持

i18n/ 目录提供多语言支持：

• 语言文件：i18n/locale/ 下包含多种语言的翻译文件
• 国际化工具：i18n/i18n.py 提供国际化相关功能

💡 提示：如果需要添加新的语言支持，可以参考现有语言文件的格式创建新的翻译文件。

高级工具与扩展功能

批量处理与模型管理

tools/ 目录提供了多种实用工具：

• 批量推理：tools/infer_batch_rvc.py 支持批量处理音频文件
• 模型转换：tools/export_onnx.py 可将模型转换为ONNX格式
• 模型训练：tools/infer/train-index.py 用于训练语音索引

实时语音转换

tools/rvc_for_realtime.py 提供实时语音转换的核心功能，可集成到其他应用程序中使用。

📌 核心要点：高级功能建议在熟悉基本操作后再尝试，使用前请阅读 docs/ 目录下的相关文档，特别是针对不同语言的教程和常见问题解答。