【免费下载】 w-okada/voice-changer项目RVC实时语音转换客户端使用教程(v1.5.3.1)

项目概述

w-okada/voice-changer是一个支持多种语音转换模型的实时语音转换客户端软件。本教程将重点介绍其中基于RVC(Retrieval-based-Voice-Conversion)模型的语音转换功能。

准备工作

模型训练说明

在使用本客户端前，需要预先训练好RVC模型。模型训练需要使用专门的训练工具完成，本客户端仅提供推理功能。训练好的模型可以来自两个主流RVC实现：

1. 原始RVC实现
2. ddPn08改进版RVC实现

建议用户先完成模型训练，准备好以下文件：

• 模型文件(.pth或.onnx格式)
• 特征文件(.npy格式，可选)
• 索引文件(.index格式，可选)

客户端启动指南

Windows系统

1. 解压下载的压缩包
2. 运行start_http.bat批处理文件

Mac系统

1. 解压下载的文件
2. 执行startHttp.command脚本
3. 如遇开发者验证问题，可按住Control键再次点击执行

远程连接注意事项

如需远程连接，请使用带有https标识的启动文件：

• Windows: .bat文件
• Mac: .command文件

初始化过程

首次启动时，客户端会自动下载必要的依赖文件，此过程可能需要1-2分钟。完成后将显示启动器界面，请选择"RVC"选项进入语音转换功能。

快速入门

基本使用步骤

1. 在设备设置区域选择输入/输出音频设备
2. 点击"Start"按钮开始语音转换
3. 等待几秒模型加载时间后即可体验实时语音转换

建议新手使用"client device"模式选择麦克风和扬声器，该模式操作更直观简单。

功能模块详解

1. 标题栏功能

标题栏提供了一系列实用功能按钮：

• 清除设置：重置所有配置
• 重新加载：刷新窗口
• 重新选择：返回启动器界面

2. 服务器控制

启动/停止

• Start：启动语音转换服务
• Stop：停止服务

监控面板

显示实时转换状态，关键指标包括：

• vol：转换后音量
• buf：音频分段处理时长(毫秒)
• res：转换处理耗时(毫秒)

建议调整参数使buf时间略长于res时间。

模型切换

支持在已上传的模型间快速切换，模型信息显示格式为： [是否考虑音高][采样率][特征通道数][训练来源]

3. 模型设置

模型槽位

支持设置多个模型槽位，可在不同模型间快速切换。

模型加载方式

• 本地文件：选择本地训练好的模型文件
• 网络下载：从预设模型库下载

相关文件

• 模型文件(.pth或.onnx)
• 特征文件(.npy)
• 索引文件(.index)

默认音高设置

提供音高转换基准值，典型设置：

• 男声转女声：+12
• 女声转男声：-12

4. 说话人设置

音高调整

实时调整输出语音的音高。

索引比率

控制使用训练特征的强度，范围0-1：

• 0：完全使用HuBERT原始特征
• 1：最大程度使用训练特征

静音阈值

设置音量阈值，低于此值将不进行转换处理，直接返回静音。

5. 转换器设置

输入分块数

决定每次处理的音频长度，值越大效率越高但延迟也会增加。

额外数据长度

决定使用多少历史音频参与当前帧计算，影响转换质量与计算耗时。

GPU选择

支持多GPU环境下指定使用的GPU设备。

6. 设备设置

工作模式

• 客户端设备模式：使用本地音频设备
• 服务器设备模式：使用服务器音频设备

音频输入/输出

选择具体的输入输出设备。

录音功能

仅在客户端模式下可用，可录制转换后的音频。

7. 实验室功能

提供模型融合功能，可以按比例混合多个源模型的特征，生成新的合成模型。

8. 质量控制

噪声抑制

启用/禁用浏览器内置的降噪功能。

增益控制

• 输入增益：调整输入音频音量
• 输出增益：调整输出音频音量

音高检测算法

• pm：轻量级算法
• harvest：高精度算法

分析器(实验性)

可记录服务器端的输入/输出音频，用于调试和分析。

使用建议

1. 初次使用时建议保持默认参数，体验基本功能
2. 根据硬件性能调整输入分块数和额外数据长度以平衡延迟和质量
3. 转换不同性别声音时注意调整音高参数
4. 如遇延迟问题，可参考监控面板的buf和res值进行优化

通过本教程，您应该已经掌握了w-okada/voice-changer项目中RVC语音转换客户端的基本使用方法。如需更高级的功能探索，建议逐步尝试各个设置项，观察其对输出效果的影响。