4.6 KiB
4.6 KiB
Retrieval-based-Voice-Conversion-WebUI
一个基于VITS的简单易用的语音转换（变声器）框架
点此查看我们的演示视频 !
使用了RVC的实时语音转换: w-okada/voice-changer
底模使用接近50小时的开源高质量VCTK训练集训练，无版权方面的顾虑，请大家放心使用
后续会陆续加入高质量有授权歌声训练集训练底模
简介
本仓库具有以下特点
- 使用top1检索替换输入源特征为训练集特征来杜绝音色泄漏
- 即便在相对较差的显卡上也能快速训练
- 使用少量数据进行训练也能得到较好结果(推荐至少收集10分钟低底噪语音数据)
- 可以通过模型融合来改变音色(借助ckpt处理选项卡中的ckpt-merge)
- 简单易用的网页界面
- 可调用UVR5模型来快速分离人声和伴奏
环境配置
推荐使用poetry配置环境。
以下指令需在Python版本大于3.8的环境中执行:
# 安装Pytorch及其核心依赖，若已安装则跳过
# 参考自: https://pytorch.org/get-started/locally/
pip install torch torchvision torchaudio
#如果是win系统+Nvidia Ampere架构(RTX30xx)，根据 #21 的经验，需要指定pytorch对应的cuda版本
#pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117
# 安装 Poetry 依赖管理工具, 若已安装则跳过
# 参考自: https://python-poetry.org/docs/#installation
curl -sSL https://install.python-poetry.org | python3 -
# 通过poetry安装依赖
poetry install
你也可以通过pip来安装依赖：
注意: MacOS下faiss 1.7.2版本会导致抛出段错误，在手动安装时请使用命令pip install faiss-cpu==1.7.0指定使用1.7.0版本
pip install -r requirements.txt
其他预模型准备
RVC需要其他一些预模型来推理和训练。
你可以从我们的Hugging Face space下载到这些模型。
以下是一份清单，包括了所有RVC所需的预模型和其他文件的名称:
hubert_base.pt
./pretrained
./uvr5_weights
#如果你正在使用Windows，则你可能需要这个文件，若ffmpeg已安装则跳过
./ffmpeg
之后使用以下指令来启动WebUI:
python infer-web.py
如果你正在使用Windows，你可以直接下载并解压RVC-beta.7z，运行go-web.bat以启动WebUI。
仓库内还有一份小白简易教程.doc以供参考。