10分钟上手跨平台变声神器：RVC全系统部署指南

还在为找不到简单易用的变声工具烦恼？是否尝试过多种软件却卡在复杂的环境配置？本文将带你3步完成Retrieval-based-Voice-Conversion-WebUI（简称RVC）在Windows、Linux和MacOS系统的部署，让你轻松实现高质量语音转换。读完本文你将获得：

• 全平台环境搭建的详细步骤
• 常见错误的解决方案
• 两种启动模式的使用方法
• 官方资源的快速访问路径

项目简介

Retrieval-based-Voice-Conversion-WebUI是一款基于VITS的语音转换框架，具有以下特点：

• 即使在性能一般的显卡上也能快速训练模型
• 仅需10分钟低底噪语音数据即可训练出良好效果
• 提供直观易用的网页界面
• 支持人声与伴奏分离
• 支持A卡和I卡加速

官方文档：docs/cn/faq.md 项目许可证：LICENSE

环境配置

Windows系统

Windows用户可以通过以下两种方式安装依赖：

方法1：通过pip安装

# 安装Pytorch
pip install torch torchvision torchaudio

# 如果是Nvidia Ampere架构(RTX30xx)，需要指定cuda版本
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117

# 根据显卡类型安装对应依赖
# N卡
pip install -r requirements.txt

# A卡/I卡
pip install -r requirements-dml.txt

方法2：使用整合包

1. 下载并解压RVC-beta.7z
2. 双击go-web.bat启动WebUI
3. 双击go-realtime-gui.bat启动实时变声界面

Linux系统

通用方法

# 安装Pytorch
pip install torch torchvision torchaudio

# N卡
pip install -r requirements.txt

# A卡ROCM
pip install -r requirements-amd.txt

# I卡IPEX
pip install -r requirements-ipex.txt
source /opt/intel/oneapi/setvars.sh

AMD显卡额外配置

# Arch Linux安装驱动
pacman -S rocm-hip-sdk rocm-opencl-sdk

# 某些显卡可能需要的环境变量
export ROCM_PATH=/opt/rocm
export HSA_OVERRIDE_GFX_VERSION=10.3.0

# 将用户添加到相应组
sudo usermod -aG render $USERNAME
sudo usermod -aG video $USERNAME

MacOS系统

MacOS用户可以通过run.sh脚本快速安装依赖：

sh ./run.sh

预模型准备

RVC需要一些预模型才能进行推理和训练，你可以通过以下方式获取：

下载必要资产

使用工具文件夹中的脚本下载所需模型：

# 下载脚本位置
tools/download_models.py

需要下载的资产包括：

• ./assets/hubert/hubert_base.pt
• ./assets/pretrained
• ./assets/uvr5_weights

如果想使用v2版本模型，还需要下载：

• ./assets/pretrained_v2

安装ffmpeg

Ubuntu/Debian

sudo apt install ffmpeg

MacOS

brew install ffmpeg

Windows

下载ffmpeg.exe和ffprobe.exe并放置在根目录。

下载RMVPE模型

RMVPE是人声音高提取算法，需要下载对应的模型文件：

• rmvpe.pt

A卡/I卡用户还需要下载：

• rmvpe.onnx

启动应用

WebUI模式

这是最常用的模式，提供完整的训练和推理功能：

# 通用启动命令
python infer-web.py

# 使用Poetry
poetry run python infer-web.py

实时变声模式

该模式提供低延迟的实时语音转换：

# Windows直接双击
go-realtime-gui.bat

# 其他系统
python gui_v1.py

界面介绍

RVC提供了两种主要界面，分别适用于不同场景：

训练推理界面

通过go-web.bat启动，主要功能包括模型训练、语音转换等。

实时变声界面

通过go-realtime-gui.bat启动，实现低延迟的实时语音转换。目前已实现端到端170ms延迟，使用ASIO输入输出设备可达到90ms延迟。

常见问题解决

音频路径问题

ffmpeg读取路径带空格、()等特殊符号时可能出现错误，请确保音频文件路径不包含特殊字符。

显存不足

训练时可以缩小batch size，推理时可以调整config.py结尾的x_pad，x_query，x_center，x_max参数。

模型分享

用于分享的模型是weights文件夹下大小为60+MB的pth文件，而非logs文件夹下的大文件。

更多常见问题解答：docs/cn/faq.md

总结

Retrieval-based-Voice-Conversion-WebUI提供了跨平台的语音转换解决方案，无论你使用Windows、Linux还是MacOS系统，都能找到适合的部署方式。通过简单的配置，你就可以开始训练自己的语音模型或进行实时语音转换。

如果你在使用过程中遇到问题，可以查阅官方文档或加入社区寻求帮助。祝你的语音转换之旅愉快！

参考资源

• 更新日志
• 常见问题解答
• AutoDL训练教程
• 在线演示