mirror of
https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI.git
synced 2026-08-29 10:09:32 +02:00
223 lines
8.9 KiB
Markdown
223 lines
8.9 KiB
Markdown
<div align="center">
|
||
|
||
<h1>Retrieval-based-Voice-Conversion-WebUI</h1>
|
||
Um framework simples e fácil de usar para conversão de timbre vocal / alteração de voz.<br><br>
|
||
|
||
[](https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI)
|
||
|
||
<img src="https://counter.seku.su/cmoe?name=rvc&theme=r34" /><br>
|
||
|
||
[](https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/blob/main/LICENSE)
|
||
[](https://huggingface.co/lj1995/VoiceConversionWebUI/tree/main/)
|
||
|
||
|
||
</div>
|
||
|
||
------
|
||
[**Changelog**](./Changelog_pt.md) | [**FAQ (Frequently Asked Questions)**](https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/wiki/FAQ-(Frequently-Asked-Questions))
|
||
|
||
[**English**](../en/README.en.md) | [**中文简体**](../../README.md) | [**日本語**](../jp/README.ja.md) | [**한국어**](../kr/README.ko.md) ([**韓國語**](../kr/README.ko.han.md)) | [**Français**](../fr/README.fr.md) | [**Türkçe**](../tr/README.tr.md) | [**Português**](../pt/README.pt.md)
|
||
|
||
|
||
Confira nosso [Vídeo de demonstração](https://www.bilibili.com/video/BV1pm4y1z7Gm/) aqui!
|
||
|
||
Treinamento/Inferência WebUI：go-webui.bat
|
||
|
||
|
||
GUI de conversão de voz em tempo real：go-realtime_gui.bat
|
||
|
||
|
||
|
||
> O dataset para o modelo de pré-treinamento usa quase 50 horas de conjunto de dados de código aberto VCTK de alta qualidade.
|
||
|
||
> Dataset de músicas licenciadas de alta qualidade serão adicionados ao conjunto de treinamento, um após o outro, para seu uso, sem se preocupar com violação de direitos autorais.
|
||
|
||
> Aguarde o modelo básico pré-treinado do RVCv3, que possui parâmetros maiores, mais dados de treinamento, melhores resultados, velocidade de inferência inalterada e requer menos dados de treinamento para treinamento.
|
||
|
||
## Resumo
|
||
Este repositório possui os seguintes recursos:
|
||
+ Reduza o vazamento de tom substituindo o recurso de origem pelo recurso de conjunto de treinamento usando a recuperação top1;
|
||
+ Treinamento fácil e rápido, mesmo em placas gráficas relativamente ruins;
|
||
+ Treinar com uma pequena quantidade de dados também obtém resultados relativamente bons (>=10min de áudio com baixo ruído recomendado);
|
||
+ Suporta fusão de modelos para alterar timbres (usando guia de processamento ckpt-> mesclagem ckpt);
|
||
+ Interface Webui fácil de usar;
|
||
+ Use o modelo UVR5 para separar rapidamente vocais e instrumentos.
|
||
+ Use o mais poderoso algoritmo de extração de voz de alta frequência [InterSpeech2023-RMVPE](#Credits) para evitar o problema de som mudo. Fornece os melhores resultados (significativamente) e é mais rápido, com consumo de recursos ainda menor que o Crepe_full.
|
||
+ Sistemas AMD/Intel usam as dependências de CPU; Windows pode usar DirectML e Linux usa CPU.
|
||
|
||
## Preparando o ambiente
|
||
|
||
Esta branch é destinada a **Python 3.12 x64**. Execute todos os comandos na raiz do repositório. Ubuntu 24.04 x86_64 é recomendado.
|
||
|
||
### Ubuntu 24.04
|
||
|
||
```bash
|
||
sudo apt update
|
||
sudo apt install -y python3.12 python3.12-venv python3.12-dev ffmpeg unzip libsndfile1 libportaudio2
|
||
|
||
python3.12 -m venv .venv
|
||
source .venv/bin/activate
|
||
python -m pip install --upgrade pip setuptools wheel
|
||
```
|
||
|
||
### Windows
|
||
|
||
Instale o Python 3.12 x64 e crie um ambiente virtual:
|
||
|
||
```powershell
|
||
py -3.12 -m venv .venv
|
||
.venv\Scripts\activate
|
||
python -m pip install --upgrade pip setuptools wheel
|
||
```
|
||
|
||
### Escolha de dependências por hardware
|
||
|
||
| Hardware | Instalação |
|
||
| --- | --- |
|
||
| CPU, AMD, Intel | Use `requirments_cpu_py312.txt`; Windows pode usar DirectML, Linux usa CPU |
|
||
| NVIDIA RTX série 50 | Instale primeiro o Torch CUDA 12.8 e depois `requirments_cu128_py312.txt` |
|
||
| NVIDIA anterior à série RTX 50 | Instale primeiro o Torch CUDA 11.8 e depois `requirments_cu118_py312.txt` |
|
||
|
||
#### CPU, AMD, Intel
|
||
|
||
```bash
|
||
python -m pip install -r requirments_cpu_py312.txt
|
||
```
|
||
|
||
#### NVIDIA RTX série 50: duas etapas
|
||
|
||
```bash
|
||
python -m pip install torch==2.7.1+cu128 torchaudio==2.7.1+cu128 \
|
||
--index-url https://download.pytorch.org/whl/cu128 \
|
||
--extra-index-url https://pypi.org/simple
|
||
python -m pip install -r requirments_cu128_py312.txt
|
||
```
|
||
|
||
#### NVIDIA anterior à série RTX 50: duas etapas
|
||
|
||
```bash
|
||
python -m pip install torch==2.7.1+cu118 torchaudio==2.7.1+cu118 \
|
||
--index-url https://download.pytorch.org/whl/cu118 \
|
||
--extra-index-url https://pypi.org/simple
|
||
python -m pip install -r requirments_cu118_py312.txt
|
||
```
|
||
|
||
Verifique Torch e CUDA:
|
||
|
||
```bash
|
||
python -c "import torch; print('torch:', torch.__version__); print('cuda:', torch.version.cuda); print('cuda available:', torch.cuda.is_available())"
|
||
```
|
||
|
||
|
||
### Fontes de pacotes
|
||
|
||
Os três arquivos `requirments_*.txt` definem suas fontes no topo. Para usar fontes oficiais, substitua somente `--index-url` e `--extra-index-url`, mantendo versões, sufixos CUDA e a ordem das duas etapas.
|
||
|
||
| Default mirror | Official source |
|
||
| --- | --- |
|
||
| `https://mirrors.pku.edu.cn/pypi/simple` | `https://pypi.org/simple` |
|
||
| `https://mirrors.nju.edu.cn/pytorch/whl/cpu` | `https://download.pytorch.org/whl/cpu` |
|
||
| `https://mirrors.nju.edu.cn/pytorch/whl/cu118` | `https://download.pytorch.org/whl/cu118` |
|
||
| `https://mirrors.nju.edu.cn/pytorch/whl/cu128` | `https://download.pytorch.org/whl/cu128` |
|
||
|
||
## Modelos e diretórios de execução
|
||
|
||
O WebUI cria os diretórios de execução automaticamente. Baixe os modelos do [repositório de modelos Hugging Face](https://huggingface.co/lj1995/VoiceConversionWebUI/tree/main) e mantenha esta estrutura:
|
||
|
||
```text
|
||
assets/
|
||
├── hubert_base/
|
||
│ ├── config.json
|
||
│ ├── preprocessor_config.json
|
||
│ └── pytorch_model.bin
|
||
├── rmvpe/rmvpe.pt
|
||
├── pretrained/
|
||
├── pretrained_v2/
|
||
├── uvr5_weights/
|
||
├── weights/ # user RVC .pth models
|
||
└── indices/ # user .index files
|
||
logs/
|
||
└── mute/ # training silence samples
|
||
|
||
# Exact paths used by the code
|
||
assets/hubert_base/config.json
|
||
assets/hubert_base/preprocessor_config.json
|
||
assets/hubert_base/pytorch_model.bin
|
||
assets/rmvpe/rmvpe.pt
|
||
assets/pretrained/*.pth
|
||
assets/pretrained_v2/*.pth
|
||
assets/uvr5_weights/*
|
||
assets/weights/*.pth
|
||
assets/indices/*.index
|
||
logs/mute/*
|
||
```
|
||
|
||
### Baixar modelos
|
||
|
||
```bash
|
||
python -m pip install --upgrade huggingface_hub
|
||
|
||
# Required for inference and feature extraction
|
||
hf download lj1995/VoiceConversionWebUI --revision main \
|
||
--include "hubert_base/*" --local-dir assets
|
||
hf download lj1995/VoiceConversionWebUI rmvpe.pt --revision main \
|
||
--local-dir assets/rmvpe
|
||
|
||
# Required for v1/v2 training
|
||
hf download lj1995/VoiceConversionWebUI --revision main \
|
||
--include "pretrained/*" "pretrained_v2/*" --local-dir assets
|
||
hf download lj1995/VoiceConversionWebUI mute.zip --revision main \
|
||
--local-dir .model-downloads
|
||
python -m zipfile -e .model-downloads/mute.zip logs
|
||
|
||
# Required only for UVR5 vocal separation
|
||
hf download lj1995/VoiceConversionWebUI --revision main \
|
||
--include "uvr5_weights/*" --local-dir assets
|
||
```
|
||
|
||
Ambientes Windows AMD/Intel DirectML também precisam de:
|
||
|
||
```bash
|
||
hf download lj1995/VoiceConversionWebUI rmvpe.onnx --revision main \
|
||
--local-dir assets/rmvpe
|
||
```
|
||
|
||
|
||
### FFmpeg
|
||
|
||
O comando Ubuntu acima instala o FFmpeg. No Windows, coloque estes arquivos na raiz do repositório:
|
||
|
||
- [ffmpeg.exe](https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/ffmpeg.exe?download=true)
|
||
- [ffprobe.exe](https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/ffprobe.exe?download=true)
|
||
|
||
## Iniciar o WebUI
|
||
|
||
```bash
|
||
python webui.py
|
||
```
|
||
|
||
Servidor Ubuntu sem interface gráfica:
|
||
|
||
```bash
|
||
python webui.py --noautoopen
|
||
```
|
||
|
||
A porta padrão é `7865`. Coloque modelos `.pth` em `assets/weights/` e arquivos `.index` em `assets/indices/`.
|
||
|
||
## Credits
|
||
+ [ContentVec](https://github.com/auspicious3000/contentvec/)
|
||
+ [VITS](https://github.com/jaywalnut310/vits)
|
||
+ [HIFIGAN](https://github.com/jik876/hifi-gan)
|
||
+ [Gradio](https://github.com/gradio-app/gradio)
|
||
+ [FFmpeg](https://github.com/FFmpeg/FFmpeg)
|
||
+ [Ultimate Vocal Remover](https://github.com/Anjok07/ultimatevocalremovergui)
|
||
+ [audio-slicer](https://github.com/openvpi/audio-slicer)
|
||
+ [Vocal pitch extraction:RMVPE](https://github.com/Dream-High/RMVPE)
|
||
+ The pretrained model is trained and tested by [yxlllc](https://github.com/yxlllc/RMVPE) and [RVC-Boss](https://github.com/RVC-Boss).
|
||
|
||
## Thanks to all contributors for their efforts
|
||
<a href="https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/graphs/contributors" target="_blank">
|
||
<img src="https://contrib.rocks/image?repo=RVC-Project/Retrieval-based-Voice-Conversion-WebUI" />
|
||
</a>
|