RVC 变声器完整实战教程：5 步跑通环境安装、训练、参数调优与模型分享-编程实验室

RVC 变声器完整实战教程：5 步跑通环境安装、训练、参数调优与模型分享

【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

Retrieval-based-Voice-Conversion-WebUI（RVC）是一个语音转换框架，用 10 分钟以内的音频数据就能训练出一个可用的变声模型。下面按你实际操作任务的顺序走：先装好环境跑起来，再备数据、训模型、调参数，最后把成果整理成能分享的成品。每个环节都给到可以直接照抄的数值，不做"适当调整"这种模糊表述。

RVC 分显卡类型安装依赖并启动 WebUI

装 RVC 只需要两条单行命令，选错依赖文件才会出问题。先按你的硬件查表：

硬件情况	装 PyTorch	装依赖	启动方式
Nvidia 显卡	`pip install torch torchvision torchaudio`	`pip install -r requirements.txt`	Windows 双击`go-web.bat`，或`python infer-web.py`
AMD 显卡（Windows）	同上	`pip install -r requirements-dml.txt`	双击`go-web-dml.bat`
Intel 核显	同上	`pip install -r requirements-ipex.txt`	`python infer-web.py`
无独显 / Mac	同上	`pip install -r requirements.txt`	`./run.sh`（脚本会自建 venv 并拉取底模）

Nvidia RTX 30 系列若遇到 CUDA 报错，改用官方索引安装：pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117

启动后浏览器会打开 7865 端口的 WebUI。两个安装期高频报错，先记结论：

OSError: Could not load shared object file: llvmlite.dll→ 装 Visual C++ 运行库，重启 WebUI 即可。
音频处理阶段 FFmpeg 相关报错、或索引路径提示含中文 → 把 RVC 克隆目录和音频素材都放到纯英文路径下（例如D:\rvc\src）。仓库克隆地址：https://gitcode.com/GitHub_Trending/re/Retrieval-based-Voice-Conversion-WebUI。

RVC 训练集准备：时长、质量与训练轮数取值表

训练集不是越长越好，是越干净越好。判断标准就三条：人声清晰、背景噪音低、说话人音色和情绪稳定。把多段音频统一成同一种格式（如 wav、44.1k）再丢进训练文件夹，能省掉切片归一化阶段的不稳定。

训练集时长	适合	预期效果	建议 total_epoch
1-2 分钟	音色特征非常鲜明的声音	能换出音色轮廓	20 左右
5-10 分钟	质量不错的语音样本	音色还原良好	50-100
10-30 分钟	主力区间	音质明显更好	100-200
30-50 分钟	覆盖多种说话场景	表现稳定全面	200 起步，观察 loss 决定

两条反直觉的取值：

数据本身音质差（底噪大、混响重）时，total_epoch 压到 20-30。轮数越多，噪音被学进模型得越牢。
高质量数据才值得上 150-200 轮，同时勾选"缓存所有训练集至显存"（10 分钟以内的小数据集开缓存能明显加速训练，大数据集别开，显存会炸且提速有限）。

RVC 训练不翻车：常见报错症状诊断清单

训练页的三步是固定顺序：step2a 处理数据（切片归一化）→ step2b 特征提取（CPU 提音高 + GPU 提特征）→ step3 训练模型与索引。报错基本只发生在后两步，按症状对号入座：

症状（日志/控制台原文）	先做哪个动作
`Cuda out of memory`（训练时）	batch_size 直接减半重试；减到 1 仍炸就换卡或关"缓存至显存"选项
`Cuda out of memory`（推理时）	改 configs/config.py 里的`x_pad / x_query / x_center / x_max`，4G 显存一组是`1 / 5 / 30 / 32`
训练结束提示 "Training is done. The program is closed."，但没有生成`.index`文件	训练集太大导致建索引时内存不足。去训练页单独点"训练特征索引"补跑；仍失败就分批处理
推理页音色下拉框里找不到刚训好的模型	先点"刷新音色列表和索引路径"；再确认`weights`文件夹里有对应`.pth`且训练日志无致命错误
`The size of tensor a (24) must match the size of tensor b (16)`	训练集里混了异常音频。检查`logs`实验目录下`wavs16k`等文件夹，删掉体积显著偏小的坏文件，重跑"处理数据"
`Expecting value: line 1 column 1 (char 0)`	本地代理在干扰网络请求。关掉全局代理、清掉环境变量里的`http_proxy`/`https_proxy`，重启 WebUI

排查入口永远是实验文件夹下的train.log和logs目录，别只看网页弹窗里的一句话。显存紧张时也可以把batch_size和"提取音高用的 CPU 进程数"同时调小，前者管显存、后者管内存。

index_rate 参数取值对照与调音顺序

调参从"模型推理"页开始，按这个顺序动滑块：先定 f0 偏移 → 再定 index_rate → 最后碰 filter_radius。

index_rate：决定"像不像原唱"的关键

index_rate	听感特点	适用场景
0.3-0.5	自然，轻微保留输入音色	日常对话、聊天变声
0.6-0.8	目标音色明显占主导	配音、模仿特定歌手
0.9-1.0	几乎完全替换成训练音色，基本不泄露输入嗓音	对音色保护要求高的场合

注意 index_rate 拉到 0 时，索引检索完全不生效，也就没有任何"防音色泄露"的作用。另外：训练集质量越高，index_rate 越可以往低走；训练集差就守在 0.8 以上。

其余滑块给默认值

参数	默认起点	怎么动
f0_change（音调偏移，半音）	0	男转女 +12 起步，女转男 -12 起步，±4 内微调
变调 key	0	与 f0_change 作用相近，二选一即可
filter_radius（音色平滑）	3	输出发毛就调大到 5-8，太糊就调小