Retrieval-based-Voice-Conversion-WebUI

<div align="center"> <h1>基于检索的语音转换Web界面</h1> 一个基于VITS的简单易用的变声框架<br><br>

<img src="https://counter.seku.su/cmoe?name=rvc&theme=r34" /><br>

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

English | 中文简体 | 日本語 | 한국어 (韓國語) | Français | Türkçe | Português

</div>

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，数据更大，效果更好，基本持平的推理速度，需要训练数据量更少。

<table> <tr> <td align="center">训练推理界面</td> <td align="center">实时变声界面</td> </tr> <tr> <td align="center"><img src="https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/assets/129054828/092e5c12-0d49-4168-a590-0b0ef6a4f630"></td> <td align="center"><img src="https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/assets/129054828/730b4114-8805-44a1-ab1a-04668f3c30a6"></td> </tr> <tr> <td align="center">go-web.bat</td> <td align="center">go-realtime-gui.bat</td> </tr> <tr> <td align="center">可以自由选择想要执行的操作。</td> <td align="center">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。</td> </tr> </table>

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。效果最好（显著地）但比crepe_full更快、资源占用更小
• A卡I卡加速支持

点此查看我们的演示视频 !

环境配置

以下指令需在Python版本大于3.8的环境中执行。

Windows/Linux/MacOS等平台通用方法

下列方法任选其一。

1. 通过pip安装依赖

1. 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

2. 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

3. 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

2. 通过poetry来安装依赖

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安装依赖时，python建议使用3.7-3.10版本，其余版本在安装llvmlite==0.39.0时会出现冲突

poetry init -n
poetry env use "path to your python.exe"
poetry run pip install -r requirments.txt

MacOS

可以通过run.sh来安装依赖

sh ./run.sh

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下载这些模型。

1. 下载资源文件

以下是RVC所需的所有预训练模型和其他文件的清单。你可以在tools文件夹中找到下载它们的脚本。

• ./assets/hubert/hubert_base.pt

• ./assets/pretrained

• ./assets/uvr5_weights

如果想使用v2版本模型，还需要额外下载

• ./assets/pretrained_v2

2. 安装 ffmpeg

如果已安装ffmpeg和ffprobe，可以跳过此步骤。

Ubuntu/Debian 用户

sudo apt install ffmpeg

MacOS 用户

brew install ffmpeg

Windows 用户

下载后放在根目录。

• 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，需要下载音高提取模型参数并放在RVC根目录。

• 下载rmvpe.pt

下载 rmvpe 的 dml 环境(可选，适用于AMD/Intel显卡用户)

• 下载rmvpe.onnx

4. AMD显卡Rocm(可选，仅适用于Linux)

如果你想在Linux系统上使用AMD的Rocm技术运行RVC，请先在这里安装所需驱动。

Arch Linux用户可以使用pacman安装所需驱动：

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

对于某些型号的显卡（如RX6700XT），可能需要额外设置以下环境变量：

export ROCM_PATH=/opt/rocm
export HSA_OVERRIDE_GFX_VERSION=10.3.0

同时确保你的当前用户属于render和video用户组：

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

开始使用

直接启动

使用以下命令启动WebUI

python infer-web.py

如果之前使用Poetry安装依赖，可以通过以下方式启动WebUI

poetry run python infer-web.py

使用整合包

下载并解压RVC-beta.7z

Windows 用户

双击go-web.bat

MacOS 用户

sh ./run.sh

对于需要使用IPEX技术的Intel显卡用户(仅Linux)

source /opt/intel/oneapi/setvars.sh

参考项目

• ContentVec
• VITS
• HIFIGAN
• Gradio
• FFmpeg
• Ultimate Vocal Remover
• audio-slicer
• Vocal pitch extraction:RMVPE
  • 预训练模型由yxlllc和RVC-Boss训练和测试。

感谢所有贡献者的努力

<a href="https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/graphs/contributors" target="_blank"> <img src="https://contrib.rocks/image?repo=RVC-Project/Retrieval-based-Voice-Conversion-WebUI" /> </a>