准备工作#

1. 硬件要求：
   • GPU：推荐使用N卡，显存推荐8G以上。使用GPU训练和推理速度极快。CPU虽然也能用，但速度会非常慢，不适合训练。
   • 内存：至少16G。
   • 硬盘：预留20-30GB可用空间，用于存放模型和音频数据。
2. 软件：
   • 操作系统：Windows。
   • RVC：用于训练模型。
   • UVR：用于分离人声。

训练你自己的声音模型#

1. 数据准备（数据集）：
   • 音源要求： 准备你想要克隆的声音的音频文件（如你自己的声音），要求：
     • 格式：.wav（最佳）
     • 质量： 高清、无损最好。人声清晰，没有背景噪音、没有混响、没有音乐。
     • 内容： 如果是说话声音，需要包含多种音调；如果是唱歌，需要包含你的音域。时长10分钟到30分钟的纯净人声即可获得不错的效果。
     • 采样率： 最好是44100Hz。
   • 如何获取干净人声？
     • 自己录制： 使用Audacity等录音软件，在安静的环境下录制。
     • 提取干声： 如果是从已有歌曲中提取，需要使用UVR将人声和背景音乐分离开。

       UVR设置： 输出文件：

       • Instrumental：背景音乐
       • Vocals：人声

   • 数据处理：
     • 将所有准备好的.wav文件放在一个单独的文件夹里，例如./dataset/your_name/。
     • 文件名不要有中文或特殊符号。
2. 开始训练： 运行go-web.bat。设置好参数后点击一键训练即可。

   总训练轮数：建议300-500
   训练轮数越多，耗时越长，请自行规划好时间。

使用模型进行声音转换#

切换至模型推理，点击刷新就能看到训练好的模型。

待处理音频文件路径填写需要转换的音频文件路径，同样需要为干净的人声。

这一步很快，一首歌的时间大概仅需10秒左右。

希望这份教程能帮助你顺利进入RVC的世界！创作时请务必遵守法律法规，尊重他人的声音版权。