# Retrieval-based Voice Conversion (RVC)（基于检索的语音转换）

规范地址：https://xstavern.com/wiki/extensions/rvc/
原文：https://sillytaverncn.net/extensions/rvc/
核对日期：2026-11-03
授权迁移，保留作者、上游许可与出处。

Retrieval-based Voice Conversion (RVC)（基于检索的语音转换）

# Retrieval-based Voice Conversion (RVC)（基于检索的语音转换）

本指南将指导您使用 RVC，这是一种允许将语音特征从一个音频片段转移到另一个音频片段的技术，使声音能够以不同的音调和风格说话。

您是否曾经欣赏过那些著名的"总统玩 X"视频？它们就是使用 RVC 创建的。通过 RVC 扩展，您可以让您的 SillyTavern 角色用任何您想要的声音说话，无论是动漫、电影，甚至是您自己独特的声音。

RVC 不是 TTS：它更像是语音到语音的转换。它需要一个音频片段作为输入。在后台，RVC 与 SillyTavern 的 TTS 扩展协同工作：它等待 TTS 生成音频文件（无论您是否使用 RVC，TTS 都会这样做），然后 RVC 将进行第二次处理，将 TTS 音频文件转换为您的 RVC 配置中的克隆声音。

## RVC 设置

SillyTavern 的 RVC 支持几个执行音频转换的 API 源：

* [rvc-python](https://github.com/daswer123/rvc-python)
* [SillyTavern Extras](https://github.com/SillyTavern/SillyTavern-Extras)（已弃用）

### 通用前提条件

在开始之前，请确保您满足以下前提条件。

#### ffmpeg

确保您的 PATH 环境变量中有 `ffmpeg` 二进制文件。此工具用于转换传入的音频。

**Windows**：

* 使用 SillyTavern Launcher 脚本中的工具箱自动安装 ffmpeg：<https://github.com/SillyTavern/SillyTavern-Launcher>
* 或在此处下载构建版本：<https://www.gyan.dev/ffmpeg/builds/>
* 如何修改 PATH 变量：<https://www.architectryan.com/2018/03/17/add-to-the-path-on-windows-10/>
* 要测试您是否正确完成了设置，请打开命令提示符并运行 ```ffmpeg```。它应该打印 ffmpeg 版本和信息。

**Linux**：

使用您的包管理器安装 ffmpeg。

```shell
# Debian/Ubuntu
sudo apt install ffmpeg
# Arch Linux
sudo pacman -S ffmpeg
# Fedora
sudo dnf install ffmpeg
```

**macOS**：

使用 [Homebrew](https://brew.sh/) 安装 ffmpeg：

```shell
brew install ffmpeg
```

#### 确保 TTS 已启用并正常工作

RVC 依赖于 TTS，您需要启用 TTS 扩展。在尝试添加 RVC 之前，您的 TTS 必须已经正常工作并能朗读您的聊天内容！

请注意：

* 系统 TTS 引擎完全不支持语音转换。
* 流式 TTS 将等待音频流结束后再进行转换。

#### 安装扩展

从扩展面板（堆叠块图标）的"Download Extensions & Assets"菜单中安装"RVC"扩展。

#### 在 SillyTavern 中启用 RVC

在 SillyTavern 中，导航到 **Extensions** > **RVC** 并启用它。

#### 选择源

在扩展设置中，选择要使用的 RVC 源。然后继续进行特定源的安装说明。

### rvc-python 设置

#### 1. 安装软件包

按照 GitHub 页面的安装说明进行操作：[rvc-python 安装](https://github.com/daswer123/rvc-python?tab=readme-ov-file#installation)。如果您有 Nvidia GPU，建议按照 CUDA 安装说明进行操作。

如果您在 Windows 上安装时遇到问题（例如构建 fairseq 步骤失败），请确保在您的电脑上安装了以下软件：

* [Windows 10 SDK](https://developer.microsoft.com/en-us/windows/downloads/windows-sdk/)
* [Visual Studio Build Tools 2022](https://visualstudio.microsoft.com/downloads/#build-tools-for-visual-studio-2022)

#### 2. 准备模型

创建一个用于存储 RVC 模型的目录。默认情况下，它被命名为 `rvc_models`，并在启动服务器时从您的当前目录中获取。每个模型都是一个子文件夹（其名称将在 UI 中可见），应包含 `.pth`（必需）和 `.index`（可选）文件。

了解更多：[rvc-python 模型管理](https://github.com/daswer123/rvc-python?tab=readme-ov-file#model-management)

#### 3. 启动 API 服务器

通过运行以下命令启动 API 服务器：

```shell
python -m rvc_python api -p 5050 -l -md models_path
```

**参数：**

* `5050` - 设置服务器的监听端口。如果要在不同端口上托管，请更改此值。
* `models_path` - 设置模型的路径。如果要使用默认的 `rvc_models` 目录，请删除此参数。
* `-l` - 设置服务器监听所有网络接口。删除此参数则仅监听本地主机。

#### 4. 连接到服务器

* 在 RVC 扩展设置中，设置适当的 **rvc-python API URL**。默认情况下，它将是 `http://localhost:5050`。
* 如果您已安装支持 CUDA 加速的 rvc-python，请勾选 **Use CUDA** 复选框。
* 按"Refresh"加载可用声音列表。

#### 5. 配置语音映射

**语音映射为每个角色或用户角色定义语音转换设置。**

* 要设置语音映射，从"Character"下拉菜单中选择您的角色或角色名称，然后选择 RVC "Voice"，然后点击 Apply。
* 您也可以选择配置其他相关设置，如音高校正或过滤。
* 如果您正确完成了所有操作，语音映射调试区域将显示类似 'Betty:MyVoice(rvpme)' 的内容。

### SillyTavern Extras 设置

#### 1. 准备 RVC 模型文件

* 在文件浏览器中，导航到：`\SillyTavern-extras\data\models\rvc`。
* 创建一个子文件夹，如 'Betty'，并将 `.pth` 和 `.index` 文件放入其中。（提示：您可以从 https://voice-models.com 下载语音文件，确保语音名称表明它是 RVPME。）

#### 2. 安装要求

使用以下命令安装必要的要求：

```shell
pip install -r requirements-rvc.txt`
```

#### 3. 启用 RVC 运行 SillyTavern-extras

启动启用了 RVC 模块的 SillyTavern-extras。此示例调用假设您使用了预装在 SillyTavern-extras 中的 Edge TTS：

```shell
python server.py --enable-modules=rvc，edge-tts
```

如果您有一个性能足够的 GPU，您可以选择在 GPU 上运行 RVC，方法是在启动命令中添加 ```--cuda```。根据快速测试，朗读 50 个标记（约 36 个单词）的 VRAM 使用量为 3.4GB，200 个标记（约 150 个单词）为 7.6GB。

#### 4. 设置语音映射

为 RVC 创建语音映射。将您的角色设置为所需的 SillyTavern 角色名称，将语音设置为您在步骤 1 中创建的 RVC 文件夹，然后点击 Apply。如果您正确完成了操作，语音映射将显示类似 'Betty:MyVoice(rvpme)' 的内容。

#### 5. 选择音高提取

* 选择 "rmvpe" 作为音高提取方法。
* 如果您在使用 "rmvpe" 时遇到问题，请尝试其他方法（例如，"harvest" 或 "torchcrepe"）。

#### 6. （可选）配置 RVC 以将生成内容保存到文件

如果出于测试或故障排除目的，您希望保存生成的 RVC 音频，请在启动命令中添加 ```--rvc-save-file```。这将在 `SillyTavern-extras/data/tmp/rvc_output.wav` 下保存最后一次生成的内容：

```shell
python server.py --enable-modules=rvc，edge-tts --rvc-save-file
```

#### 基于表情的动态语音

##### 1. 配置 RVC 模型

在您的 RVC 模型文件夹中，为每个分类的表情（例如，愤怒、恐惧、喜悦、爱、悲伤、惊讶）准备单独的 `.pth` 和 `.index` 文件。

##### 2. 启用模块

启用 RVC 和 classify 模块：

```shell
python server.py --enable-modules=rvc，classify
```

##### 3. 使用 RVC 模块

剩余的设置与单独使用 RVC 模块类似（如上所述）。

## 训练您自己的 RVC 模型

### 使用 RVC Easy Menu by Deffcolony（仅限 Windows）

自动安装和启动 Mangio-RVC：https://github.com/deffcolony/rvc-easy-menu

#### 1. 克隆仓库

将仓库克隆到您想要的位置：

```shell
git clone https://github.com/deffcolony/rvc-easy-menu.git
```

#### 2. 启动 RVC-Launcher.bat

* 打开 `RVC-Launcher.bat` 文件。
* 选择选项 1 安装 RVC。

#### 3. 完成安装

当提示时，安装所需的包和依赖项。

#### 4. 打开 WebUI 进行语音训练

安装完成后，选择选项 2 打开 WebUI 进行语音训练。

### Mangio-RVC：训练语音模型

***数据集准备***：

**1. 准备音频**：

* 将要训练的音频放在 `datasets` 文件夹中。
* 确保音频没有背景噪音 – 只需要原始语音。
* 更长的音频可以获得更好的输出质量。

***WebUI 训练***：

**1. 访问训练标签页**：

* 点击 WebUI 中的训练标签页。

**2. 配置实验**：

* 输入实验名称（例如，`my-epic-voice-model`）。
* 将版本设置为 v2。

**3. 处理数据和提取特征**：

* 点击"Process data"和"Feature extraction"。
* 将"Save frequency"设置为 50。

**4. 训练参数**：

* 将"Total training epochs"设置为 300。
* 点击"Train feature index"和"Train model"。

许可与致谢：https://xstavern.com/wiki/licensecredits/