RVC WebUI 里做 UVR5 人声提取的完整指南【免费下载链接】Retrieval-based-Voice-Conversion-WebUIEasily train a good VC model with voice data 10 mins!项目地址: https://gitcode.com/GitHub_Trending/re/Retrieval-based-Voice-Conversion-WebUI翻唱缺伴奏、播客录音混响重Retrieval-based-Voice-Conversion-WebUIRVC WebUI是一个免费开源的 AI 音频项目它集成的 UVR5 引擎能把人声和伴奏一键拆开、还能去掉混响也就是 AI 音频分离。照下面的步骤走10 分钟内你能拿到第一份人声文件。 一分钟看懂 UVR5 能干什么UVR5 是 RVC WebUI 内置的一套分离模型你丢进去一首完整的歌它就猜出哪些频段是人声、哪些是伴奏然后拆成两个文件。你不用碰任何代码全程在网页界面点选。你放进去的它能分出来的结果存在哪一首完整歌曲放一个文件夹里人声文件 伴奏文件各一份界面指定的输出文件夹默认opt带混响、回声的录音去过回声/混响的干净人声同上界面里它藏在「伴奏人声分离去混响去回声」选项卡输入框支持整个文件夹或一次拖多个文件进来天然就是批量干活。 搭环境三步走拿代码、装依赖、开界面先确认你的 Python 版本高于 3.8。第一步获取项目代码git clone https://gitcode.com/GitHub_Trending/re/Retrieval-based-Voice-Conversion-WebUI cd Retrieval-based-Voice-Conversion-WebUI第二步按你的显卡装依赖先装 PyTorch已装可跳过你的硬件依赖文件说明NVIDIA 显卡requirements.txt最常用的一条路AMD 显卡requirements-amd.txtLinux 下的 ROCM 环境Intel 显卡requirements-ipex.txtLinux 下的 IPEX 环境A 卡 / I 卡Windowsrequirements-dml.txt走 DirectML 路线pip install -r requirements.txt把文件名换成上表对应你硬件的那份即可第三步启动界面Windows双击项目根目录的go-web.batmacOS / Linuxsh ./run.sh浏览器会自动打开 RVC WebUI 主界面。 主流程实战从选模型到验收结果1. 先把分离模型备齐UVR5 模型是一批.pth文件统一放在项目的assets/uvr5_weights/目录。跑一次下载脚本就能全齐python tools/download_models.py它会顺带把assets/uvr5_weights/下的人声分离模型和去混响的 onnx 模型都拉下来。下载慢的话也可以手动把同名单文件放进该目录。2. 选对模型按素材特点挑而不是按名字挑进入「伴奏人声分离去混响去回声」选项卡下拉框里选模型。对照你的素材特点你的素材选哪个模型一句话说明普通歌曲想拆人声/伴奏HP2_all_vocals不带和声时的默认选择主人声保留最稳同上想再精细一点HP3_all_vocals主人声保留略好于 HP2可能轻微漏进伴奏带和声的音频只要主唱HP5_only_main_vocal和声会被当背景滤掉主人声可能略被削弱立体声录音有房间回声onnx_dereverb_By_FoxJoyMDX-Net 去混响只治双声道混响单声道不行录音带延迟/回声VR-DeEchoNormal/VR-DeEchoAggressiveAggressive 去得更狠既要去回声又要去混响VR-DeEchoDeReverb能治单声道混响但耗时约为前两者的 2 倍3. 配参数一套新手默认值参数建议值白话解读输入待处理音频文件夹路径例D:\todo-songs直接把文件管理器地址栏的路径粘过来导出文件格式flac无损留给后期处理要发平台可换mp3输出主人声文件夹opt人声和伴奏各一个文件夹默认都叫 opt人声提取激进程度agg10可以理解为下手轻重数值越高抠得越狠默认 10 是平衡点别一上来就拉满填完点「转换」下方输出信息框会滚动进度。4. 验成果对着勾✅opt目录下出现了人声和伴奏两组文件✅ 人声文件里听不出明显的鼓点、贝斯残留✅ 伴奏文件里听不出空口唱歌的残影✅ 时长与原曲一致没有缺头少尾不满意别急着换参数优先换模型重跑一轮比动 agg 更见效。⚡ 提速指南批量、硬件与磁盘批量就是主业这个选项卡本身就吃整个文件夹把一期播客或一整张专辑放进同一个目录一次点「转换」全跑完不用循环调用别的东西。确认 GPU 真的在干活装了正确版本 PyTorch 且显卡驱动正常时分离会走 GPU日志里如果显示cpu说明依赖装错了路线回第二步按硬件表重装。慢是有原因的onnx_dereverbMDX-Net和VR-DeEchoDeReverb天生就是慢档日常去回声用VR-DeEchoNormal能快近一倍CPU 进程数相关默认值在 configs/config.py 里一般不用动。磁盘习惯原始音频、opt输出都建议放 SSD处理一张完整专辑会多出约同体积的输出文件提前留出空间。长歌可以按段落切成几段再跑失败了好重跑不心疼。 故障速查照着现象找动作现象可能原因解决动作模型下拉框是空的assets/uvr5_weights/里一个.pth都没有跑python tools/download_models.py或手动放入模型文件后重启界面界面打不开、报缺模块依赖没装全或装错了硬件路线按第二步的表格重装对应 requirements 文件处理速度慢得离谱走了 CPU或选了慢档模型确认 GPU 生效把 MDX-Net / DeReverb 换成 DeEchoNormal 试试人声后面拖着回声尾巴只做了一次分离没跑去混响模型先 MDX-Net 去立体声混响再用VR-DeEchoAggressive过一遍这是公认最干净的组合拆出来的人声里夹着和声选了 HP2/HP3但素材本身带和声换HP5_only_main_vocal重跑中途崩溃、内存爆掉文件太长、后台程序占内存把长文件分段处理关掉吃内存的后台程序更细的报错对照见 常见问题文档。 四个能立刻用起来的玩法玩法一翻唱伴奏把原曲放进待处理文件夹选HP2_all_vocals跑一遍拿出来的伴奏进录音软件录自己的嗓人声轨与伴奏轨混到一起一首新翻唱玩法二播客去混响原始录音丢进文件夹选VR-DeEchoNormal对比前后干声段落还觉得空就追加一次VR-DeEchoAggressive玩法三视频重配音从视频导出的音轨里提取人声清掉背景乐后重新配音新配音替换回视频音轨玩法四声乐学习材料提取外语歌的主唱人声用音频软件放慢到 0.75 倍速循环跟唱当听力练习用收尾现在就挑一首你翻过无数遍的歌跑完你的第一次 UVR5 人声提取结果多半会超出预期。接下来可以试试用HP2和HP3各跑一次同一首歌对比主人声保留的差异双击go-realtime-gui.bat体验低延迟的实时变声界面翻一翻 api_240604.py看看怎么把这套分离和变声能力接到自己的脚本里【免费下载链接】Retrieval-based-Voice-Conversion-WebUIEasily train a good VC model with voice data 10 mins!项目地址: https://gitcode.com/GitHub_Trending/re/Retrieval-based-Voice-Conversion-WebUI创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考