打造个性化声音转换工具 – Retrieval-based Voice Conversion WebUI

在数字时代，声音成为了我们生活中不可或缺的一部分。无论是在社交媒体上分享生活片段，还是在工作中使用语音助手进行沟通，声音都扮演着重要的角色。然而，有没有一次你想要改变自己的声音，让它听起来像你最喜欢的歌手或电影角色？现在，有了Retrieval-based Voice Conversion WebUI，你可以轻松实现这一愿望。

了解项目

Retrieval-based Voice Conversion WebUI是一个基于VITS（Variational Inference Text-to-Speech）的声音转换框架，旨在让你能够将自己的声音转换成你喜欢的声音。这个项目具有一系列强大的功能，使其成为一个引人注目的工具：

1. 减少音调泄漏：通过使用检索集特征替换源特征，有效减少音调泄漏。
2. 简单快捷的训练：即使在相对较差的显卡上，也可以轻松快速训练。
3. 小数据量也能获得好结果：即使只有少量数据，也能获得相对良好的结果（建议至少10分钟的低噪声演讲）。
4. 支持模型融合：可以通过模型融合来改变音色。
5. 易于使用的Web界面：提供了直观的Web界面，让操作更加便捷。
6. 使用UVR5模型分离声音和乐器：可以使用UVR5模型迅速分离声音和乐器。
7. 使用高音提取算法：采用了最强大的高音提取算法InterSpeech2023-RMVPE，避免了消声问题，并且速度更快，资源消耗更低。
8. 支持多种图形卡加速：包括Nvidia、AMD、Intel ARC等图形卡的加速。

项目准备

在开始使用Retrieval-based Voice Conversion WebUI之前，你需要做一些准备工作。以下是准备环境的步骤：

1. 安装Python 3.8或更高版本。
2. 安装PyTorch相关核心依赖项（如果未安装）。

   pip install torch torchvision torchaudio

3. 使用Poetry工具或pip安装其他依赖项，具体取决于你的显卡类型。
   • Nvidia显卡：

     pip install -r requirements.txt

   • AMD/Intel显卡：

     pip install -r requirements-dml.txt

   • Intel ARC显卡（在Linux / WSL上使用Python 3.10）：

     pip install -r requirements-ipex.txt

4. 如果你是Mac用户，可以通过运行sh ./run.sh来安装依赖项。

准备预训练模型

Retrieval-based Voice Conversion需要一些预训练模型来进行推断和训练。你需要从项目的Huggingface空间下载这些模型和其他文件。以下是需要的文件列表：

• ./assets/hubert/hubert_base.pt
• ./assets/pretrained
• ./assets/uvr5_weights

如果你想测试模型的v2版本，还需要下载以下文件：

• ./assets/pretrained_v2

如果你使用Windows，可能还需要下载以下两个文件，如果已安装FFmpeg和FFprobe则可以跳过：

• ffmpeg.exe 下载链接
• ffprobe.exe 下载链接

如果要使用最新的SOTA RMVPE声音音高提取算法，你需要下载RMVPE权重并将其放置在RVC根目录中，具体下载链接请参考项目文档。

对于AMD/Intel显卡用户，还需要下载相应的权重文件，具体下载链接请参考项目文档。

对于Intel ARC显卡用户，在启动WebUI之前需要运行source /opt/intel/oneapi/setvars.sh命令。

最后，使用以下命令启动WebUI：

python infer-web.py

如果你使用Windows或macOS，你可以下载并解压RVC-beta.7z文件，然后在Windows上使用go-web.bat，在macOS上使用sh ./run.sh来直接使用RVC。

结语

Retrieval-based Voice Conversion WebUI是一个令人兴奋的项目，它为你提供了一个独特的方式来改变你的声音，创造出个性化的音频体验。无论是用于娱乐、创意制作还是其他用途，这个项目都能为你带来无限可能。不要犹豫，立即尝试吧！