RVC教程（rvc教程的下载链接）

RVC是做声音音色转换的，但语气、语调还是根据参考音频（即你要变音的音频）。如果想无限接近要变音的效果，除了确保训练出一个优质的模型，参考音频需要尽量参考模型人物的说话风格。

RVC是做语音转语音，花儿不哭新退出的GPT-soVITS目前只支持TTS文本转语音，赛道不同。

在变音过程中，音调很重要。要根据实际情况升调降调。

目前装在E盘，RVC1006Nvidia

两个执行程序，一个是go-realtime-gui，用来做实时变声的。另一个是go-web，做声音模型训练和推理的。

一、素材搜集：

提取至少30分钟人声，建议内容丰富，最好还要有丰富的语调变化，包含目标人物的低中高音区。

然后转换成不含杂音的纯净人声。分离伴奏、消除混响。推荐使用UVR工具，这是一款跟RVC一样在github上开源的项目，是目前最强的音频分离程序。

UVR支持批量处理，支持mpt格式处理。无需先提取语音。

step1：分离伴奏和人声

分离伴奏和人声的最强模型是MDX-net中的UVR-MDX-NET Main这个主模型

SEGMENT SIZE，数值越大，质量可能会越高，但是需要的时间也会更长，建议使用默认的256就可以

overlap，范围在0.001到0.999之间，数值越大，质量可能会越高，但是需要跑的时间会更长，建议选default

vocals only，勾选后，只会有一个人声的音频文件，不勾选的话会有人声和其他声音，两个音频文件

第二个Instrumental Only跟第三个是反着来的

第四个sample mode（30）如果你需要分离的音频文件有几十分钟，几个小时那么长，那么你可以勾选它，让程序只分离前30秒看看效果，这样可以节省试错时间

右下角的SELECT SAVED SETTINGS是用来保存参数的，默认会自动保存，不需要改动

在选择好这些选项后，点下方的开始（start）运行程序，输出到文件夹1

step2：分离人声中的和声

完成第一步后，将第一步输出的output，作为本步骤的输入input，继续对这些素材进行处理，分离出和声。

推荐VR-Architecture中的5HP-Karaoke模型

window size这个数值越小，质量越高，同样建议用默认数值

AGGRESSION SETTING，这个值越大，对和声的检测范围越大，但是数值太大可能会把主人声也削弱了，不同音频文件的最佳数值是不同的，可以使用默认值10

输出到文件夹2

二、训练

实验名：即模型名，一般名字+版本号，不能含中文。比如：xiaojiu-001

目标采样率选最高，勾选音高指导（才能支持转换歌曲），版本推荐V2

把文件夹2作为训练文件夹，按以下配置，开始训练。

说明：

保存频率、总训练轮数需要依靠对训练素材的评估判断，没有具体建议值。

一般来说，可以勾选仅保存最新的ckpt文件（因为往往最新的效果最好），如果这一项选否，那么根据【保存频率】进行模型的保存，这样可以逐一尝试这些模型看哪个效果最好。同理，应该在最后一项【是否每次保存将最小模型保存在weights文件夹中选择“是”】

加载预训练底模G、D这些都不用改。

如果没有.index、.npy文件，可以点击训练特征索引来生成