RVC部署完整指南：从安装到出声的两条路径-育师

RVC部署完整指南：从安装到出声的两条路径

【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

把10分钟的人声数据变成可用的AI音色模型，或让麦克风以170ms的延迟实时变声——这是Retrieval-based-Voice-Conversion-WebUI（下文简称RVC）能做的两件事。这篇RVC部署指南覆盖Windows、Linux与macOS，走完后你会在浏览器里打开训练推理界面，或在桌面端接上麦克风直接听到变声后的自己。

为什么是它

训练门槛高→ 常规做法要大量数据和好显卡，RVC用10分钟低底噪语音就能出不错的效果，中端显卡也跑得动。
分离人声要靠别的软件→ 内置UVR5模型，在界面里选个预设就能把人声和伴奏拆开。
变声后声音发闷、音高乱跳→ 音高提取用的是RMVPE算法（Interspeech 2023），效果显著更好，且比crepe_full更省资源。
基于特征的变声会"漏"原音色→ RVC用top1检索把源特征替换成训练集特征，从机制上杜绝泄漏。
A卡、I卡用户常被排除在外→ 提供AMD（DirectML/ROCm）与Intel（IPEX）加速支持。

开始之前

前置条件	要求	说明
操作系统	Windows / Linux / macOS	Windows体验最省事，有现成整合包
Python	3.8及以上	macOS的run.sh会自动处理3.8环境
显卡	N卡优先，A卡/I卡可用	非N卡用户要换对应的依赖清单
ffmpeg	已安装	负责音频读写；Windows需将ffmpeg.exe、ffprobe.exe放在根目录
预模型	hubert、rmvpe、pretrained系列.pth等	用tools/download_models.py一键下载
磁盘	数GB空闲	预模型、训练日志与推理产物都要落盘

两条上手路径

Windows整合包：一键启动步骤

下载RVC-beta.7z整合包并解压，包内已配好Python运行时与模型文件。
双击go-web.bat，等待终端打印启动信息（该脚本等价于以7897端口运行infer-web.py）。
浏览器打开127.0.0.1:7897。

✨你应该看到：训练推理网页正常打开，左侧有"人声分离""训练""推理"等标签页；若终端直接报错或提示文件找不到，多半是解压目录含中文或空格，换个纯英文路径重试。

Linux / macOS手动搭建：最快配置方法

第1步：拿到代码

git clone https://gitcode.com/GitHub_Trending/re/Retrieval-based-Voice-Conversion-WebUI

第2步：安装依赖

macOS走捷径：sh ./run.sh会自动创建3.8虚拟环境、按requirements.txt装依赖、下载全部预模型，最后直接启动界面，一条命令完成。
Linux / Windows：先装PyTorch（选择与本机驱动匹配的CUDA版本，RTX 30系建议指定cu117源），再按显卡类型安装对应依赖清单：
- N卡：pip install -r requirements.txt
- A卡（DirectML，Windows）：requirements-dml.txt
- A卡（ROCm，Linux）：requirements-amd.txt，个别显卡需设置HSA_OVERRIDE_GFX_VERSION环境变量
- I卡（IPEX，Linux）：requirements-ipex.txt，并先执行source /opt/intel/oneapi/setvars.sh

第3步：下载预模型

python tools/download_models.py

脚本会拉取hubert_base.pt、rmvpe.pt、vocals.onnx，以及pretrained与pretrained_v2两套底模和UVR5权重，对应仓库里的assets目录。

第4步：装ffmpeg

Ubuntu/Debian用apt install ffmpeg，macOS用brew install ffmpeg，Windows把ffmpeg.exe和ffprobe.exe放进根目录即可。

第5步：启动

python infer-web.py

✨你应该看到：终端打印出Web地址，浏览器打开7897端口即出现完整界面。如果启动时报assets/... not found，回到第3步补下预模型。

两个使用场景

训练推理模式：批量产出音色模型

启动方式为python infer-web.py（Windows双击go-web.bat）。典型流程是在界面里依次完成人声分离、切片、训练、推理：先拿一段目标人声素材，训出一个音色模型，再把任意干声批量转成这个音色。训练完可分享的是weights文件夹里60MB以上的.pth文件，而不是logs里的大文件。适合做AI歌手、配音替换这类离线批处理任务。

实时变声模式：麦克风直接出效果

启动方式为Windows双击go-realtime-gui.bat，其他系统运行python gui_v1.py。官方实测端到端延迟170ms，换用ASIO输入输出设备可压到90ms（依赖硬件驱动支持）。适合直播、语音通话、游戏连麦这类要求"边说边变"的场景。

卡住了怎么办

音频读取报错：ffmpeg路径问题

现象：指定音频后读不出来，或报乱码错误
最可能原因：文件路径含空格、括号等符号
解决方式：把音频移到纯英文、无空格的目录再试

训练时CUDA out of memory

现象：训练中途显存爆掉
最可能原因：batch size偏大
解决方式：调小batch size；若卡在推理检索阶段，缩小configs/config.py末尾的x_pad、x_query、x_center、x_max四个参数

依赖安装中途失败

现象：pip安装报llvmlite冲突或版本错误
最可能原因：Python版本不在支持区间
解决方式：改用3.7–3.10（Poetry路径）或3.8（pip/run.sh路径）重装环境

N卡30系启动报CUDA错误

现象：torch能导入，运行时却提示CUDA版本不匹配
最可能原因：PyTorch wheel的CUDA版本与驱动不一致
解决方式：卸载后指定cu117源重装torch、torchvision、torchaudio三个包

实时变声延迟高、有卡顿

现象：实时模式下回音明显滞后
最可能原因：使用了普通声卡设备
解决方式：Windows换ASIO设备，或调小界面中的音频块参数

⚠️ 以上都没覆盖到你的情况时，先翻一下中文FAQ，大部分环境疑难都有现成答案。

继续深入

docs/cn/faq.md：中文常见问题集，环境报错和训练调优的第一站。
docs/cn/Changelog_CN.md：更新日志，升级或换整合包版本前先看这里。
configs/config.py：全局参数文件，推理检索相关参数集中在文件末尾。
tools/infer/：批量推理与索引训练的独立脚本，适合不想打开网页、只想跑命令的场景。

下一步建议：先拿自己录的一段1分钟干声走一遍"分离→训练→推理"完整流程，确认链路通了，再扩展到完整数据集。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

RVC部署完整指南：从安装到出声的两条路径