Retrieval-based-Voice-Conversion-WebUI

一个基于VITS的简单易用的变声框架

更新日志 | 常见问题解答 | AutoDL·5毛钱训练AI歌手 | 对照实验记录 | 在线演示

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

请期待RVCv3的底模，参数更大，数据集更大，效果更好，基本持平的推理速度，需要训练数据量更少。

由于某些地区无法直连Hugging Face，即使设法成功访问，速度也十分缓慢，特推出模型/整合包/工具的一键下载器，欢迎试用：RVC-Models-Downloader

训练推理界面	实时变声界面

go-web.bat	go-realtime-gui.bat
可以自由选择想要执行的操作。	我们已经实现端到端170ms延迟。如使用ASIO输入输出设备，已能实现端到端90ms延迟，但非常依赖硬件驱动支持。

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
使用最先进的人声音高提取算法InterSpeech2023-RMVPE根绝哑音问题，效果更好，运行更快，资源占用更少
A卡I卡加速支持

点此查看我们的演示视频 !

环境配置

Python 版本限制

建议使用 conda 管理 Python 环境

版本限制原因参见此bug

python --version # 3.8 <= Python < 3.11

Linux/MacOS 一键依赖安装启动脚本

执行项目根目录下run.sh即可一键配置venv虚拟环境、自动安装所需依赖并启动主程序。

sh ./run.sh

手动安装依赖

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
```
根据自己的显卡安装对应依赖

N卡
```
 pip install -r requirements.txt
```
A卡/I卡
```
 pip install -r requirements-dml.txt
```
A卡ROCM(Linux)
```
 pip install -r requirements-amd.txt
```
I卡IPEX(Linux)
```
 pip install -r requirements-ipex.txt
```

其他资源准备

1. assets

RVC需要位于assets文件夹下的一些模型资源进行推理和训练。

自动下载资源(默认)

默认情况下，RVC可在主程序启动时自动检查并下载所需资源。如果下载失败，您还可以选择手动下载后存放到相应位置。

手动下载资源

所有资源文件均位于Hugging Face space

你可以在tools文件夹找到下载它们的脚本

你也可以使用模型/整合包/工具的一键下载器：RVC-Models-Downloader

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。

./assets/hubert/hubert_base.pt

 rvcmd assets/hubert # RVC-Models-Downloader command

./assets/pretrained

 rvcmd assets/v1 # RVC-Models-Downloader command

./assets/uvr5_weights

 rvcmd assets/uvr5 # RVC-Models-Downloader command

想使用v2版本模型的话，需要额外下载

./assets/pretrained_v2

 rvcmd assets/v2 # RVC-Models-Downloader command

2. 安装 ffmpeg 工具

若已安装ffmpeg和ffprobe则可跳过此步骤。

Ubuntu/Debian 用户

sudo apt install ffmpeg

MacOS 用户

brew install ffmpeg

Windows 用户

下载后放置在根目录。

rvcmd tools/ffmpeg # RVC-Models-Downloader command

下载ffmpeg.exe
下载ffprobe.exe

3. 下载 rmvpe 人声音高提取算法所需文件

如果你想使用最新的RMVPE人声音高提取算法，则你需要下载音高提取模型参数并放置于RVC根目录。

下载rmvpe.pt

 rvcmd assets/rmvpe # RVC-Models-Downloader command

下载 rmvpe 的 dml 环境(可选, A卡/I卡用户)

下载rmvpe.onnx

 rvcmd assets/rmvpe # RVC-Models-Downloader command

4. AMD显卡Rocm(可选, 仅Linux)

如果你想基于AMD的Rocm技术在Linux系统上运行RVC，请先在这里安装所需的驱动。

若你使用的是Arch Linux，可以使用pacman来安装所需驱动：

pacman -S rocm-hip-sdk rocm-opencl-sdk

对于某些型号的显卡，你可能需要额外配置如下的环境变量（如：RX6700XT）：

export ROCM_PATH=/opt/rocm
export HSA_OVERRIDE_GFX_VERSION=10.3.0

同时确保你的当前用户处于render与video用户组内：

sudo usermod -aG render $USERNAME
sudo usermod -aG video $USERNAME

开始使用

直接启动

使用以下指令来启动 WebUI

python infer-web.py

Linux/MacOS 用户

./run.sh

对于需要使用IPEX技术的I卡用户(仅Linux)

source /opt/intel/oneapi/setvars.sh
./run.sh

使用整合包 (Windows 用户)

下载并解压RVC-beta.7z，解压后双击go-web.bat即可一键启动。

rvcmd packs/general/latest # RVC-Models-Downloader command

参考项目

ContentVec
VITS
HIFIGAN
Gradio
FFmpeg
Ultimate Vocal Remover
audio-slicer
Vocal pitch extraction:RMVPE
- The pretrained model is trained and tested by yxlllc and RVC-Boss.

hermeslin/Retrieval-based-Voice-Conversion-WebUI