马上注册，下载更多AI资源软件
您需要 登录 才可以下载或查看，没有账号？立即注册
×
RVC V3版：用少量录音实现高质量AI变声与唱歌，适合翻唱配音与直播
Retrieval-based-Voice-Conversion-WebUI（简称 RVC） 是一个开源的 AI 语音音色转换工具，简单说就是“变声器”框架。它能把一个人的说话/唱歌声音，转换成另一个人的音色，同时尽量保持原来的内容和语调。官方标语是“Easily train a good VC model with voice data ≤ 10 mins!”——用大约 10 分钟左右的干净语音数据，就能训练出效果不错的模型。
RVC 把复杂的 AI 语音转换变得相对亲民，普通人用少量自己的录音就能训练专属音色模型，特别适合想玩 AI 翻唱、角色配音或实时变声的人。
今天分享的 RVC V3版（官方版本 2.3.260718） 是三年来该项目的首次大更新，兼容旧版模型，简化界面，新增 FCPE 音高算法、人声伴奏分离以及实时推理优化。
具体更新日志如下：
降低网页使用难度（推理输入音频无需输入路径，前端实时日志优化，保存推理用小模型后自动刷新模型列表，推理首页选择模型后自动检测匹配的index路径等）；
数据特征提取、训练模型、索引阶段可中途掐断，重启继续进度；
GPU自动识别判断推理模式和精度；
修复依赖问题（例如pyworld，fairseq，matplotlib，pyav，onnxruntime-gpu环境修复等）；
解决编码问题；
网页启动自动探寻可用端口；
单卡训练不用DDP；
基础模型不变，若干影响效果的修复，使用现有微调模型更新整合包/代码包版本重新推理，或者使用新版本重新训练再推理，均有可能效果会有提升；
支持FCPE音高提取算法；
实时变声模式gui支持cuda graph推理加速，算法推理延时指标最高加速4.7倍（4090D测试结果），同时显卡占用相对20~30%左右；
移除了已明显无用或过时的功能；
人声与伴奏分离后端由 UVR5 更换为 PyMSS，并支持推理时中断 （更好的人声分离算法能显著提高推理效果）；
优化输入音频的读取与重采样流程，在条件允许时使用 GPU 处理，以提高推理效率并降低 CPU 占用；
修复 Windows 环境下训练进程的 libuv 兼容问题；
主要特点
数据需求少：推荐收集至少 10 分钟低噪音的说话/唱歌音频就能训练，不需要海量数据。
训练门槛低、速度快：在普通或较差的显卡上也能较快完成训练。
减少“音色泄漏”：用检索（top1 retrieval）的方法，把输入声音的特征替换成训练数据的特征，让转换后的声音更像目标音色，少串味。
简单网页界面：有友好的 WebUI，操作直观，训练、推理（转换声音）、模型管理都能在网页上完成。
支持实时变声：有专门的实时变声界面，端到端延迟可低至约 170ms（用好硬件和驱动甚至能到 90ms 左右）。
人声分离：内置工具可快速把歌曲里的人声和伴奏分开。
音高提取先进：用 RMVPE 等算法，有效减少哑音、跑调问题，速度快、占用资源少。
模型融合：可以把不同模型的音色“混合”，创造出新的声音效果。
兼容性较好：支持 NVIDIA 显卡（包括较新的 50 系）、部分 AMD/Intel 方案，也有 CPU 选项。
应用领域
AI 唱歌/翻唱：最常见用途，用某人的声音唱任何歌（例如训练某位歌手或角色的模型来翻唱）。
语音克隆与变声：把普通说话声变成特定人物的音色，用于配音、有声书、视频配音等。
实时语音变声：游戏、直播、语音聊天时实时改音色。
内容创作：短视频、二次元、虚拟角色配音，快速生成个性化声音。
实验与研究：语音合成、音色转换相关的 AI 实验。
使用教程：（支持N卡/A卡和I卡，建议显存6G起）
包含训练和推理，网盘内包含详细使用教程，教程来自“AI探索与发现”
下载地址：
迅雷云盘：https://pan.xunlei.com/s/VOySAWVDSF6hoAcGdAt65DBzA1?pwd=25dx
夸克网盘：
百度网盘：
| 
发表于 
发表于