w-okada/voice-changer项目RVC实时语音转换客户端使用教程(v1.5.3.1)
项目地址: https://gitcode.com/gh_mirrors/vo/voice-changer 项目概述
w-okada/voice-changer是一个支持多种语音转换模型的实时语音转换客户端软件。本教程将重点介绍其中基于RVC(Retrieval-based-Voice-Conversion)模型的语音转换功能。
准备工作
模型训练说明
在使用本客户端前，需要预先训练好RVC模型。模型训练需要使用专门的训练工具完成，本客户端仅提供推理功能。训练好的模型可以来自两个主流RVC实现：
- 原始RVC实现
- ddPn08改进版RVC实现
建议用户先完成模型训练，准备好以下文件：
- 模型文件(.pth或.onnx格式)
- 特征文件(.npy格式，可选)
- 索引文件(.index格式，可选)
客户端启动指南
Windows系统
- 解压下载的压缩包
- 运行
start_http.bat批处理文件
Mac系统
- 解压下载的文件
- 执行
startHttp.command脚本 - 如遇开发者验证问题，可按住Control键再次点击执行
远程连接注意事项
如需远程连接，请使用带有https标识的启动文件：
- Windows:
.bat文件 - Mac:
.command文件
初始化过程
首次启动时，客户端会自动下载必要的依赖文件，此过程可能需要1-2分钟。完成后将显示启动器界面，请选择"RVC"选项进入语音转换功能。
快速入门
基本使用步骤
- 在设备设置区域选择输入/输出音频设备
- 点击"Start"按钮开始语音转换
- 等待几秒模型加载时间后即可体验实时语音转换
建议新手使用"client device"模式选择麦克风和扬声器，该模式操作更直观简单。
功能模块详解
1. 标题栏功能
标题栏提供了一系列实用功能按钮：
- 清除设置：重置所有配置
- 重新加载：刷新窗口
- 重新选择：返回启动器界面
2. 服务器控制
启动/停止
- Start：启动语音转换服务
- Stop：停止服务
监控面板
显示实时转换状态，关键指标包括：
- vol：转换后音量
- buf：音频分段处理时长(毫秒)
- res：转换处理耗时(毫秒)
建议调整参数使buf时间略长于res时间。
模型切换
支持在已上传的模型间快速切换，模型信息显示格式为： [是否考虑音高][采样率][特征通道数][训练来源]
3. 模型设置
模型槽位
支持设置多个模型槽位，可在不同模型间快速切换。
模型加载方式
- 本地文件：选择本地训练好的模型文件
- 网络下载：从预设模型库下载
相关文件
- 模型文件(.pth或.onnx)
- 特征文件(.npy)
- 索引文件(.index)
默认音高设置
提供音高转换基准值，典型设置：
- 男声转女声：+12
- 女声转男声：-12
4. 说话人设置
音高调整
实时调整输出语音的音高。
索引比率
控制使用训练特征的强度，范围0-1：
- 0：完全使用HuBERT原始特征
- 1：最大程度使用训练特征
静音阈值
设置音量阈值，低于此值将不进行转换处理，直接返回静音。
5. 转换器设置
输入分块数
决定每次处理的音频长度，值越大效率越高但延迟也会增加。
额外数据长度
决定使用多少历史音频参与当前帧计算，影响转换质量与计算耗时。
GPU选择
支持多GPU环境下指定使用的GPU设备。
6. 设备设置
工作模式
- 客户端设备模式：使用本地音频设备
- 服务器设备模式：使用服务器音频设备
音频输入/输出
选择具体的输入输出设备。
录音功能
仅在客户端模式下可用，可录制转换后的音频。
7. 实验室功能
提供模型融合功能，可以按比例混合多个源模型的特征，生成新的合成模型。
8. 质量控制
噪声抑制
启用/禁用浏览器内置的降噪功能。
增益控制
- 输入增益：调整输入音频音量
- 输出增益：调整输出音频音量
音高检测算法
- pm：轻量级算法
- harvest：高精度算法
分析器(实验性)
可记录服务器端的输入/输出音频，用于调试和分析。
使用建议
- 初次使用时建议保持默认参数，体验基本功能
- 根据硬件性能调整输入分块数和额外数据长度以平衡延迟和质量
- 转换不同性别声音时注意调整音高参数
- 如遇延迟问题，可参考监控面板的buf和res值进行优化
通过本教程，您应该已经掌握了w-okada/voice-changer项目中RVC语音转换客户端的基本使用方法。如需更高级的功能探索，建议逐步尝试各个设置项，观察其对输出效果的影响。
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
