RVC 语音转换部署实战3 步跑通 Windows/Linux/macOS 全平台变声方案【免费下载链接】Retrieval-based-Voice-Conversion-WebUIEasily train a good VC model with voice data 10 mins!项目地址: https://gitcode.com/GitHub_Trending/re/Retrieval-based-Voice-Conversion-WebUIRVCRetrieval-based-Voice-Conversion-WebUI是基于 VITS 的跨平台语音克隆与变声框架可本地训练自己的音色模型并做实时变声。但多系统环境、预模型下载、音高算法配置总能把新手劝退——本文给出一条经过验证、可跑通的部署路径。一、它到底能干什么 低显存也能快速训练即使显卡性能一般训练速度依然可观数据量门槛低约 10 分钟低底噪语音数据就能训练出效果不错的模型网页界面操作训练、推理都在浏览器里完成不碰命令行也能用人声与伴奏分离内置 UVR5 模型一键拆分人声和 BGMA 卡 / I 卡加速非 N 卡用户同样能跑支持 ROCm 与 IPEX 路线。二、开工前先把资产备齐 部署 RVC 需要的不只是代码还有一批预模型资产。下面这张清单表汇总了全部依赖项照单打勾即可资产说明获取方式PyTorch核心推理/训练框架pip install torch torchvision torchaudioN 卡 Ampere 架构RTX 30xx特例需指定 CUDA 版本pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117requirements.txtN 卡依赖pip install -r requirements.txtrequirements-dml.txtA 卡 / I 卡DirectML依赖pip install -r requirements-dml.txtrequirements-amd.txtA 卡 ROCmLinux依赖pip install -r requirements-amd.txtrequirements-ipex.txtI 卡 IPEXLinux依赖pip install -r requirements-ipex.txthubert_base.pt、pretrained、uvr5_weightsRVC 必需的预模型v2 模型另需 pretrained_v2运行python tools/download_models.py自动下载到 assets/ 对应目录ffmpeg / ffprobe音频读写依赖Ubuntu/Debiansudo apt install ffmpegmacOSbrew install ffmpegWindows下载 ffmpeg.exe 与 ffprobe.exe 放到项目根目录rmvpe.ptRMVPE 人声音高提取模型放根目录官方仓库 Hugging Face 空间下载A 卡 / I 卡用户另需rmvpe.onnx提示Python 版本需大于 3.8。assets 目录结构可参考 assets/pretrained/ 与 assets/rmvpe/。三、三大系统落地路径Windows整合包或 pip 双路线路线 A · 整合包推荐新手下载并解压RVC-beta.7z后续完全不用碰命令行双击 go-web.bat → 启动 WebUI 训练推理界面双击 go-realtime-gui.bat → 启动实时变声界面路线 B · pip 手动装先按上表装 PyTorch再按显卡类型选 requirementspip install -r requirements.txt # N 卡 pip install -r requirements-dml.txt # A 卡 / I 卡选择建议想最快看到界面直接整合包想固定环境版本或做二次开发走 pip 路线也可用 Poetrypoetry init -n→poetry env use python路径→poetry run pip install -r requirements.txt建议 Python 3.7–3.10。Linux按显卡走分支pip install -r requirements.txt # N 卡 pip install -r requirements-amd.txt # A 卡 ROCm pip install -r requirements-ipex.txt # I 卡 IPEXI 卡 IPEX 用户启动前记得加载 Intel 环境source /opt/intel/oneapi/setvars.sh。A 卡额外配置Arch Linuxpacman -S rocm-hip-sdk rocm-opencl-sdk export ROCM_PATH/opt/rocm export HSA_OVERRIDE_GFX_VERSION10.3.0 # 部分显卡如 RX 6700XT需要另外确认当前用户在render与video组内否则 GPU 无权限访问sudo usermod -aG render $USERNAME sudo usermod -aG video $USERNAMEmacOS一行脚本收尾macOS 用户最简单仓库自带的 run.sh 会处理依赖安装sh ./run.sh四、两种玩法WebUI 训练推理 vs 低延迟实时变声 WebUI 训练推理模式—— 完整的训练 推理功能python infer-web.py # Poetry 用户 poetry run python infer-web.py适合谁想训练自己的语音克隆模型、批量转换音频的创作者。实时变声模式—— 低延迟的麦克风实时转换python gui_v1.py # 或 Windows 直接双击 go-realtime-gui.bat延迟数据端到端 170ms若使用 ASIO 输入输出设备可低至90ms较依赖硬件驱动支持。适合谁直播、游戏语音、实时 K 歌等需要边说边变的场景。五、踩坑速查 ⚠️现象原因处理ffmpeg 读取音频报错文件路径含空格、括号等特殊符号把音频挪到无特殊字符的路径下训练时显存不足OOMbatch size 超出显存上限训练时缩小 batch size推理时显存不足FAISS 检索参数过大调小 configs/config.py 末尾的x_pad、x_query、x_center、x_max参数分享的模型文件不对别人打不开拿了训练 logs 下的大文件要分享的是 assets/weights/ 下 60MB 的 pth 文件而非 logs 文件夹里的大文件六、延伸与求助跑起来之后遇到具体问题按优先级找官方 FAQdocs/cn/faq.md英文 docs/en/faq.md更新日志docs/cn/Changelog_CN.mdAutoDL 训练教程官方 Wiki 的《AutoDL 训练 RVC·AI 歌手教程》用云 GPU 花几毛钱就能训一个 AI 歌手在线演示ModelScope 上的 RVC v2 demo不装环境也能先试听效果资产清单备齐、三大系统选对路线、按玩法挑对入口——RVC 的部署就到此为止。剩下就是喂数据、训模型、听效果的事了。【免费下载链接】Retrieval-based-Voice-Conversion-WebUIEasily train a good VC model with voice data 10 mins!项目地址: https://gitcode.com/GitHub_Trending/re/Retrieval-based-Voice-Conversion-WebUI创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考