Retrieval-based-Voice-Conversion-WebUI 训练与推理故障排查实战常见问题 FAQ 源码级解析【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本文以官方中文 FAQ 的法语版本 docs/fr/faq_fr.md 为骨架逐条拆解 RVC WebUI 从「数据预处理 → 一键训练 → 索引构建 → 音色推理 → 模型分享」全流程中最常见的 18 类故障与参数疑问并结合 infer-web.py、configs/config.py、infer/lib/train/process_ckpt.py 等源码定位每个问题的底层成因。读完后你可以独立定位 ffmpeg 路径报错、索引缺失、显存不足、张量维度崩溃等问题并掌握命令行推理参数、增量续训与模型共享的正确姿势。音频路径与编码ffmpeg 报错多半不是 ffmpeg 的锅官方 FAQQ1给出的第一条经验是看到 ffmpeg 报错或 UTF-8 报错时先怀疑路径而不是怀疑 FFmpeg 本身。具体有两种高频场景路径含特殊字符空格、括号等FFmpeg 在读取这类路径时可能解析失败抛出看起来像编码器错误的信息训练集路径含中文把含中文的路径写入filelist.txt时可能触发 UTF-8 编码错误。从源码结构看预处理阶段通过 infer/modules/train/preprocess.py 逐文件读取音频并写入实验目录任何一步读取失败都会被记录到logs/实验名/preprocess.log。因此排障顺序建议为将音频目录迁移到不含空格与特殊符号的纯英文路径下重试确认系统区域/编码设置与filelist.txt写入编码一致Windows 建议避免非 ASCII 路径检查preprocess.log中第一个- traceback条目定位真正失败的文件。一键训练后找不到 index 文件批处理 add 的修复原理FAQ Q2 描述了典型现象控制台已显示「训练结束程序关闭」说明模型本体已经训练成功但实验目录里迟迟没有added_*.index文件。原因是训练集过大时一次性index.add()会内存过载索引构建卡死或失败。当前仓库的修复实现就在 infer-web.py 的train_index()中关键步骤与 FAQ 描述一一对应# infer-web.py L639-L658特征向量超过 20 万条时先用 KMeans 降到 1 万个中心 if big_npy.shape[0] 2e5: big_npy MiniBatchKMeans( n_clusters10000, batch_size256 * config.n_cpu, compute_labelsFalse, initrandom, ).fit(big_npy).cluster_centers_ # infer-web.py L661-L669IVF 数量按特征规模动态计算 n_ivf min(int(16 * np.sqrt(big_npy.shape[0])), big_npy.shape[0] // 39) index faiss.index_factory(256 if version19 v1 else 768, IVF%s,Flat % n_ivf) index_ivf faiss.extract_index_ivf(index) index_ivf.nprobe 1 index.train(big_npy) # infer-web.py L678-L680分批次 add每批 8192 条避免内存峰值 batch_size_add 8192 for i in range(0, big_npy.shape[0], batch_size_add): index.add(big_npy[i : i batch_size_add])三个值得注意的实现细节KMeans 降维保护当拼接后的特征行数超过2e5时先用MiniBatchKMeans压缩到 10000 个聚类中心既减小了索引体积也让 IVF 训练更稳定动态 n_ivfn_ivf min(16*sqrt(N), N//39)即倒排桶数量随特征规模自适应不是写死的超参批量 add每 8192 条调用一次index.add()这正是 FAQ 所说的「使用批处理来添加索引解决 add 索引时的内存过载问题」。索引构建成功后最终文件命名为added_IVFn_ivf_Flat_nprobe_nprobe_实验名_版本.index并会通过硬链接/符号链接同步到外部索引目录outside_index_root默认即 assets/indices 所在位置。临时应对若训练已跑完但索引失败直接再次点击「训练索引」按钮即可单独重建无需重训模型。独立脚本版本见 tools/infer/train-index.pyv1256 维与 tools/infer/train-index-v2.pyv2768 维同样带 8192 批量 add。训练完成后推理页找不到模型先刷新再查日志FAQ Q3 的排查路径很直接在「音色推理」页点击刷新音色列表再查看若仍看不到回查训练过程中的报错并把控制台输出、WebUI 截图、logs/实验名/*.log一并发给维护者分析。从源码看推理页扫描的是 assets/weights 目录下的成品模型而一键训练默认只在logs/实验名/下保存 epoch 检查点见下文 Q4 一节。如果训练中途异常退出没有走到「提取小模型」这一步weights 目录自然为空——这也是 Q3 强调要检查训练日志的原因先确认训练真的完整结束再怀疑列表刷新问题。模型分享与使用他人模型分清「检查点」与「成品权重」FAQ Q4 是新手最容易踩坑的一条核心结论logs/实验名/下的 pth 是实验检查点含完整优化器状态、epoch 信息体积可达数百 MB不是用来分享或推理的其用途是可复现性与继续训练要分享的是assets/weights/下 60MB 的成品 pth官方规划未来会把weights/实验名.pth与logs/实验名/added_*.index合并为单个weights/实验名.zip免去手动填 index 路径在那之前分享时请同时提供模型与索引不要把 logs 里数百 MB 的检查点 pth 直接拷进 weights 目录强行推理否则会报f0、tgt_sr等键缺失的错误。正确做法是用 WebUI 底部的ckpt 处理页签手动/自动补全音高f0与目标采样率信息后提取小模型。对应实现在 infer/lib/train/process_ckpt.py 的extract_small_model()# process_ckpt.py小模型的结构化保存格式 opt OrderedDict() opt[weight] {k: v.half() for k, v in ckpt.items() if enc_q not in k} opt[config] [...] # 按 sr 与 version 写入对应网络结构参数 opt[info] info # 如 Extracted model. 或 epoch 信息 opt[version] version opt[sr] sr # 32k / 40k / 48k opt[f0] int(if_f0) # 是否启用音高引导 torch.save(opt, assets/weights/%s.pth % name)可以看到成品权重是一个自描述的结构weight半精度参数、config按 32k/40k/48k × v1/v2 分别硬编码的网络结构、sr、f0、version、info。这正是「直接拷检查点会缺键」的根源——检查点里是原始训练状态而推理端按上述字段解析。同文件的show_info()可用于查看任意权重的info/sr/f0/version元信息merge()支持按alpha权重对两个同结构模型做插值融合对emb_g.weight形状不一致的情况做了截断兼容处理。WebUI 连接失败与 JSON 解析错误FAQ 中两条「五分钟问题」Q5 连接错误最常见原因是误关闭了控制台黑色命令行窗口。WebUI 服务运行在该进程里窗口一关服务即停浏览器自然连不上localhost:7865Q6 页面报Expecting value: line 1 column 1 (char 0)这是 Gradio 前端请求被代理拦截后返回了非 JSON 内容。官方建议关闭系统 LAN 代理/全局代理后刷新页面。脱离 WebUI 的命令行训练与推理FAQ Q7 说明两条命令行路线训练侧先在 WebUI 里跑一次训练消息窗口会打印出「数据集准备」与「训练」两个环节对应的命令行等效指令之后即可脱离 GUI 复跑。数据集准备脚本即 infer/modules/train/preprocess.py参数依次为输入目录、采样率、进程数、实验目录、是否禁用并行、切片时长训练主脚本为 infer/modules/train/train.py。推理侧官方发布渠道提供myinfer.py脚本早期版本示例命令行形如python myinfer.py 0 E:\codes\py39\...\1111.wav E:\codes\py39\logs\mi-test\added_IVF677_Flat_nprobe_7.index harvest test.wav weights/mi-test.pth 0.6 cuda:0 True对应参数解析f0up_key sys.argv[1] # 目标音高移调semitone示例 0 input_path sys.argv[2] # 输入音频路径 index_path sys.argv[3] # 索引文件路径 f0method sys.argv[4] # 音高提取方法harvest 或 pm opt_path sys.argv[5] # 输出音频路径 model_path sys.argv[6] # 模型 pth 路径 index_rate float(sys.argv[7]) # 索引率示例 0.6 device sys.argv[8] # 运行设备如 cuda:0 is_half bool(sys.argv[9]) # 是否半精度FAQ 附录中另收录了新版模型的 15 参版本在原有 9 个参数之后依次追加filter_radius滤波半径示例 5、tgt_sr目标采样率示例 44100、resample_sr重采样率示例 44100、rms_mix_rateRMS 混合率示例 1.0、version示例 1.0、protect版权保护开关示例 True。使用时请把所有路径替换为自己机器上的真实路径并按需调整其余参数。当前仓库内也自带命令行入口 tools/infer_cli.py 与批量推理脚本 tools/infer_batch_rvc.py以及实时接口 tools/rvc_for_realtime.py可覆盖同一类离线推理需求。CUDA / 显存不足降 batch、调 x_pad 一族参数FAQ Q8 的结论CUDA 报错小概率是环境配置或设备不支持问题大概率是显存不够。官方建议训练时降低 batch size降到 1 仍不够则可能需要换显卡推理时按需调整 configs/config.py 中的x_pad、x_query、x_center、x_max硬件门槛4GB 及以下显存如 1060 3G、各类 2G 卡基本可以放弃4GB 卡「还有一线希望」。这些参数在源码中的取值逻辑见 configs/config.py 的device_config()if self.is_half: # 6G 显存配置 x_pad, x_query, x_center, x_max 3, 10, 60, 65 else: # 5G 显存配置 x_pad, x_query, x_center, x_max 1, 6, 38, 41 if self.gpu_mem is not None and self.gpu_mem 4: x_pad, x_query, x_center, x_max 1, 5, 30, 32即仓库已经内置了三档默认值6G 半精度 / 5G 全精度 / 4G 低配并且会自动识别1060/1070/1080、P10/P40 等老卡强制切换 fp32use_fp32_config()同时把各 JSON 训练配置中的fp16_run改写为false4GB 卡还会把预处理切片系数preprocess_per从 3.7 降到 3.0。若自动档位仍 OOM可在此基础上手动下调x_query/x_center/x_max——它们共同决定了单段推理的音频长度与检索窗口调小即降低峰值显存代价是长句推理质量可能下降。total_epoch 与训练集时长两个最常被问错的超参FAQ Q9多少 epoch 合适给出了按数据质量分档的经验值训练集状况建议 total_epoch音质一般、噪声较大20~30已足够调高也救不回低质量数据的音质音质高、噪声低、时长充足可以适当加大200 也可以接受训练本身很快能备出高质量数据的机器通常撑得住更长训练FAQ Q10需要多长的训练集推荐10~50 分钟高音质、低背景噪声且音色统一的前提下可以更长「音色瘦 音色有辨识度」的高质量数据5~10 分钟即可有 1~2 分钟数据训练成功的案例但不可复现、参考意义有限要求音色极具辨识度且音质高低于 1 分钟的数据没有成功先例不推荐。索引率index rate解决「音调泄漏」的旋钮FAQ Q11 解释了索引率的作用机理这是 RVC「检索式」架构的关键当预训练底模与推理源音频的音质优于训练集时推理结果会被底模/源音频的音色「带偏」即音调泄漏音色泄漏——听起来像别人而非训练集本人索引率用于抑制/解决音色泄漏设为 1 时理论上不再有推理源带来的音色泄漏音色更贴近训练集但若训练集音质低于推理源过高的索引率反而会拉低音质设为 0 时检索混合完全关闭起不到保护训练集音色的作用训练集音质好、时长足、total_epoch 足够大时模型自身对底模的依赖减弱、泄漏本身就少此时索引率变得不重要甚至可以不用创建/分享 index 文件。实操上可以这样理解索引率越高 → 越像训练集本人、但细节可能变糊越低 → 越接近实时 VC 的「透声」效果、但越容易露出底模音色。0.5~0.7 是 FAQ 示例中给出的常用起点。推理时如何选择 GPUFAQ Q12 的两步法在 configs/config.py 中修改self.device cuda:0里的编号即选择第几张卡卡号与具体显卡的对应关系可在训练页签的显卡信息区查看config.gpu_name来自torch.cuda.get_device_name见 configs/config.py。另外从源码结构看device_config()对无 NVIDIA 卡的机器有自动降级链检测到 Intel XPU 用xpu:0其次 Apple MPS最后落到cpu并同步关闭半精度is_half False。训练中途如何保存可用的模型FAQ Q13 答案一句话通过 ckpt 处理页签底部的「模型提取」功能保存。这与 Q4 的机制一致——logs/下的 epoch 检查点不能直接推理需经extract_small_model()补全sr/f0/version元信息后写入 assets/weights。因此训练中途觉得效果已经不错时不必等全部 epoch 跑完随时可以对当前最新的 G 检查点做一次提取。训练时文件/内存错误降线程数与预切片FAQ Q14训练预处理阶段报文件错误/内存错误本质是并发进程太多、内存不够。两个对策调小「Threads of CPU」输入框的数值该值即 infer/modules/train/preprocess.py 中pipeline_mp_inp_dir()启动的multiprocessing.Process数量默认取config.n_cpu而n_cpu0时回落到cpu_count()见 configs/config.py预先把训练集切分成更短的音频文件再喂给 WebUI降低单进程峰值内存。用新数据继续训练增量续训四步法FAQ Q15 给出了官方续训流程值得逐步对照操作把全部新 wav 数据放入path2新的训练集目录填写新实验名exp_name2 path2执行处理数据集与特征提取把上一个实验exp_name1的最后几个 G 文件和 D 文件复制到exp_name2目录点击「训练模型」训练会从上一实验的末尾 epoch 继续而不是从零开始。第 4 步能成立的机制可以从源码结构看训练脚本按实验目录中已存在的G_*/D_*检查点恢复模型与优化器状态复制旧检查点等于注入了初始权重与 epoch 进度。注意新实验名必须是全新的与 Q18 的采样率规则同理避免新旧特征目录混淆。llvmlite.dll 加载失败装 VC 运行时FAQ Q16 收录的报错OSError: 无法加载共享对象文件: llvmlite.dll FileNotFoundError: 找不到模块 lib\site-packages\llvmlite\binding\llvmlite.dll或其依赖项这是Windows 专属问题llvmlitenumba 的底层运行时依赖微软 Visual C 可再发行组件。官方解法安装 Visual C Redistributablevc_redist.x64.exe微软官网渠道获取后重启程序即可。两类张量维度 RuntimeError 的针对性处理Q17RuntimeError: 张量扩展大小(17280)必须与维度 1 的现有大小(0)匹配FAQ 给出的处理删除体积明显小于其他文件的 wav这类异常短的片段会在特征对齐阶段产生 0 行张量然后重新点击「训练模型」与「训练索引」。这与 Q10 的结论呼应——过短片段本身就是数据质量风险点。Q18RuntimeError: 张量 a 的大小(24)必须与张量 b 的大小(16)在维度 2 上匹配成因是训练中途更换了采样率导致新旧特征的 mel 维度不一致32k/40k/48k 对应不同filter_length可对照 infer/lib/train/process_ckpt.py 中各档位的config首元素 513/1025。官方规则不要在中途改采样率直接继续训练若必须改采样率换一个新的实验名从零开始训练加速技巧可以把上一次提取出的**音高与特征目录0/、1/、2/、2b/**复制到新实验目录省掉重新提取的时间。排障总览一张表定位问题现象最可能原因处理ffmpeg/utf8 报错路径含空格、括号或中文换纯英文无特殊字符路径Q1训练完没有added_*.index训练集过大导致一次性 add 内存过载重新点「训练索引」批量 add 已修复Q2推理页看不到模型未提取小模型/列表未刷新先刷新查logs/实验名/*.logQ3分享后对方报缺键分享了 logs 检查点而非 weights 成品用 ckpt 页签提取 60MB 小模型Q4连接错误控制台窗口被关重启 go-web 脚本Q5Expecting value: line 1 column 1系统代理拦截关 LAN/全局代理后刷新Q6CUDA OOM显存不足训练降 batch推理调x_pad/x_query/x_center/x_maxQ8音色不像本人音调泄漏适当调高索引率提高 total_epochQ9、Q11文件/内存错误预处理并发进程过多调小 Threads of CPU 或预切片Q14llvmlite.dll 找不到缺 VC 运行时Windows安装 vc_redist.x64Q16tensor 尺寸 17280 vs 0存在异常短的 wav删除后重训模型与索引Q17tensor 24 vs 16 不匹配中途改了采样率改实验名重训可复用 0/1/2/2b 特征目录Q18以上所有结论均以 docs/fr/faq_fr.md 为事实来源源码佐证集中在 infer-web.py索引构建、configs/config.py设备与显存档位、infer/lib/train/process_ckpt.py小模型提取与融合与 infer/modules/train/preprocess.py预处理并发可按路径直接查阅对应实现。【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
Retrieval-based-Voice-Conversion-WebUI 训练与推理故障排查实战：常见问题 FAQ 源码级解析
Retrieval-based-Voice-Conversion-WebUI 训练与推理故障排查实战常见问题 FAQ 源码级解析【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本文以官方中文 FAQ 的法语版本 docs/fr/faq_fr.md 为骨架逐条拆解 RVC WebUI 从「数据预处理 → 一键训练 → 索引构建 → 音色推理 → 模型分享」全流程中最常见的 18 类故障与参数疑问并结合 infer-web.py、configs/config.py、infer/lib/train/process_ckpt.py 等源码定位每个问题的底层成因。读完后你可以独立定位 ffmpeg 路径报错、索引缺失、显存不足、张量维度崩溃等问题并掌握命令行推理参数、增量续训与模型共享的正确姿势。音频路径与编码ffmpeg 报错多半不是 ffmpeg 的锅官方 FAQQ1给出的第一条经验是看到 ffmpeg 报错或 UTF-8 报错时先怀疑路径而不是怀疑 FFmpeg 本身。具体有两种高频场景路径含特殊字符空格、括号等FFmpeg 在读取这类路径时可能解析失败抛出看起来像编码器错误的信息训练集路径含中文把含中文的路径写入filelist.txt时可能触发 UTF-8 编码错误。从源码结构看预处理阶段通过 infer/modules/train/preprocess.py 逐文件读取音频并写入实验目录任何一步读取失败都会被记录到logs/实验名/preprocess.log。因此排障顺序建议为将音频目录迁移到不含空格与特殊符号的纯英文路径下重试确认系统区域/编码设置与filelist.txt写入编码一致Windows 建议避免非 ASCII 路径检查preprocess.log中第一个- traceback条目定位真正失败的文件。一键训练后找不到 index 文件批处理 add 的修复原理FAQ Q2 描述了典型现象控制台已显示「训练结束程序关闭」说明模型本体已经训练成功但实验目录里迟迟没有added_*.index文件。原因是训练集过大时一次性index.add()会内存过载索引构建卡死或失败。当前仓库的修复实现就在 infer-web.py 的train_index()中关键步骤与 FAQ 描述一一对应# infer-web.py L639-L658特征向量超过 20 万条时先用 KMeans 降到 1 万个中心 if big_npy.shape[0] 2e5: big_npy MiniBatchKMeans( n_clusters10000, batch_size256 * config.n_cpu, compute_labelsFalse, initrandom, ).fit(big_npy).cluster_centers_ # infer-web.py L661-L669IVF 数量按特征规模动态计算 n_ivf min(int(16 * np.sqrt(big_npy.shape[0])), big_npy.shape[0] // 39) index faiss.index_factory(256 if version19 v1 else 768, IVF%s,Flat % n_ivf) index_ivf faiss.extract_index_ivf(index) index_ivf.nprobe 1 index.train(big_npy) # infer-web.py L678-L680分批次 add每批 8192 条避免内存峰值 batch_size_add 8192 for i in range(0, big_npy.shape[0], batch_size_add): index.add(big_npy[i : i batch_size_add])三个值得注意的实现细节KMeans 降维保护当拼接后的特征行数超过2e5时先用MiniBatchKMeans压缩到 10000 个聚类中心既减小了索引体积也让 IVF 训练更稳定动态 n_ivfn_ivf min(16*sqrt(N), N//39)即倒排桶数量随特征规模自适应不是写死的超参批量 add每 8192 条调用一次index.add()这正是 FAQ 所说的「使用批处理来添加索引解决 add 索引时的内存过载问题」。索引构建成功后最终文件命名为added_IVFn_ivf_Flat_nprobe_nprobe_实验名_版本.index并会通过硬链接/符号链接同步到外部索引目录outside_index_root默认即 assets/indices 所在位置。临时应对若训练已跑完但索引失败直接再次点击「训练索引」按钮即可单独重建无需重训模型。独立脚本版本见 tools/infer/train-index.pyv1256 维与 tools/infer/train-index-v2.pyv2768 维同样带 8192 批量 add。训练完成后推理页找不到模型先刷新再查日志FAQ Q3 的排查路径很直接在「音色推理」页点击刷新音色列表再查看若仍看不到回查训练过程中的报错并把控制台输出、WebUI 截图、logs/实验名/*.log一并发给维护者分析。从源码看推理页扫描的是 assets/weights 目录下的成品模型而一键训练默认只在logs/实验名/下保存 epoch 检查点见下文 Q4 一节。如果训练中途异常退出没有走到「提取小模型」这一步weights 目录自然为空——这也是 Q3 强调要检查训练日志的原因先确认训练真的完整结束再怀疑列表刷新问题。模型分享与使用他人模型分清「检查点」与「成品权重」FAQ Q4 是新手最容易踩坑的一条核心结论logs/实验名/下的 pth 是实验检查点含完整优化器状态、epoch 信息体积可达数百 MB不是用来分享或推理的其用途是可复现性与继续训练要分享的是assets/weights/下 60MB 的成品 pth官方规划未来会把weights/实验名.pth与logs/实验名/added_*.index合并为单个weights/实验名.zip免去手动填 index 路径在那之前分享时请同时提供模型与索引不要把 logs 里数百 MB 的检查点 pth 直接拷进 weights 目录强行推理否则会报f0、tgt_sr等键缺失的错误。正确做法是用 WebUI 底部的ckpt 处理页签手动/自动补全音高f0与目标采样率信息后提取小模型。对应实现在 infer/lib/train/process_ckpt.py 的extract_small_model()# process_ckpt.py小模型的结构化保存格式 opt OrderedDict() opt[weight] {k: v.half() for k, v in ckpt.items() if enc_q not in k} opt[config] [...] # 按 sr 与 version 写入对应网络结构参数 opt[info] info # 如 Extracted model. 或 epoch 信息 opt[version] version opt[sr] sr # 32k / 40k / 48k opt[f0] int(if_f0) # 是否启用音高引导 torch.save(opt, assets/weights/%s.pth % name)可以看到成品权重是一个自描述的结构weight半精度参数、config按 32k/40k/48k × v1/v2 分别硬编码的网络结构、sr、f0、version、info。这正是「直接拷检查点会缺键」的根源——检查点里是原始训练状态而推理端按上述字段解析。同文件的show_info()可用于查看任意权重的info/sr/f0/version元信息merge()支持按alpha权重对两个同结构模型做插值融合对emb_g.weight形状不一致的情况做了截断兼容处理。WebUI 连接失败与 JSON 解析错误FAQ 中两条「五分钟问题」Q5 连接错误最常见原因是误关闭了控制台黑色命令行窗口。WebUI 服务运行在该进程里窗口一关服务即停浏览器自然连不上localhost:7865Q6 页面报Expecting value: line 1 column 1 (char 0)这是 Gradio 前端请求被代理拦截后返回了非 JSON 内容。官方建议关闭系统 LAN 代理/全局代理后刷新页面。脱离 WebUI 的命令行训练与推理FAQ Q7 说明两条命令行路线训练侧先在 WebUI 里跑一次训练消息窗口会打印出「数据集准备」与「训练」两个环节对应的命令行等效指令之后即可脱离 GUI 复跑。数据集准备脚本即 infer/modules/train/preprocess.py参数依次为输入目录、采样率、进程数、实验目录、是否禁用并行、切片时长训练主脚本为 infer/modules/train/train.py。推理侧官方发布渠道提供myinfer.py脚本早期版本示例命令行形如python myinfer.py 0 E:\codes\py39\...\1111.wav E:\codes\py39\logs\mi-test\added_IVF677_Flat_nprobe_7.index harvest test.wav weights/mi-test.pth 0.6 cuda:0 True对应参数解析f0up_key sys.argv[1] # 目标音高移调semitone示例 0 input_path sys.argv[2] # 输入音频路径 index_path sys.argv[3] # 索引文件路径 f0method sys.argv[4] # 音高提取方法harvest 或 pm opt_path sys.argv[5] # 输出音频路径 model_path sys.argv[6] # 模型 pth 路径 index_rate float(sys.argv[7]) # 索引率示例 0.6 device sys.argv[8] # 运行设备如 cuda:0 is_half bool(sys.argv[9]) # 是否半精度FAQ 附录中另收录了新版模型的 15 参版本在原有 9 个参数之后依次追加filter_radius滤波半径示例 5、tgt_sr目标采样率示例 44100、resample_sr重采样率示例 44100、rms_mix_rateRMS 混合率示例 1.0、version示例 1.0、protect版权保护开关示例 True。使用时请把所有路径替换为自己机器上的真实路径并按需调整其余参数。当前仓库内也自带命令行入口 tools/infer_cli.py 与批量推理脚本 tools/infer_batch_rvc.py以及实时接口 tools/rvc_for_realtime.py可覆盖同一类离线推理需求。CUDA / 显存不足降 batch、调 x_pad 一族参数FAQ Q8 的结论CUDA 报错小概率是环境配置或设备不支持问题大概率是显存不够。官方建议训练时降低 batch size降到 1 仍不够则可能需要换显卡推理时按需调整 configs/config.py 中的x_pad、x_query、x_center、x_max硬件门槛4GB 及以下显存如 1060 3G、各类 2G 卡基本可以放弃4GB 卡「还有一线希望」。这些参数在源码中的取值逻辑见 configs/config.py 的device_config()if self.is_half: # 6G 显存配置 x_pad, x_query, x_center, x_max 3, 10, 60, 65 else: # 5G 显存配置 x_pad, x_query, x_center, x_max 1, 6, 38, 41 if self.gpu_mem is not None and self.gpu_mem 4: x_pad, x_query, x_center, x_max 1, 5, 30, 32即仓库已经内置了三档默认值6G 半精度 / 5G 全精度 / 4G 低配并且会自动识别1060/1070/1080、P10/P40 等老卡强制切换 fp32use_fp32_config()同时把各 JSON 训练配置中的fp16_run改写为false4GB 卡还会把预处理切片系数preprocess_per从 3.7 降到 3.0。若自动档位仍 OOM可在此基础上手动下调x_query/x_center/x_max——它们共同决定了单段推理的音频长度与检索窗口调小即降低峰值显存代价是长句推理质量可能下降。total_epoch 与训练集时长两个最常被问错的超参FAQ Q9多少 epoch 合适给出了按数据质量分档的经验值训练集状况建议 total_epoch音质一般、噪声较大20~30已足够调高也救不回低质量数据的音质音质高、噪声低、时长充足可以适当加大200 也可以接受训练本身很快能备出高质量数据的机器通常撑得住更长训练FAQ Q10需要多长的训练集推荐10~50 分钟高音质、低背景噪声且音色统一的前提下可以更长「音色瘦 音色有辨识度」的高质量数据5~10 分钟即可有 1~2 分钟数据训练成功的案例但不可复现、参考意义有限要求音色极具辨识度且音质高低于 1 分钟的数据没有成功先例不推荐。索引率index rate解决「音调泄漏」的旋钮FAQ Q11 解释了索引率的作用机理这是 RVC「检索式」架构的关键当预训练底模与推理源音频的音质优于训练集时推理结果会被底模/源音频的音色「带偏」即音调泄漏音色泄漏——听起来像别人而非训练集本人索引率用于抑制/解决音色泄漏设为 1 时理论上不再有推理源带来的音色泄漏音色更贴近训练集但若训练集音质低于推理源过高的索引率反而会拉低音质设为 0 时检索混合完全关闭起不到保护训练集音色的作用训练集音质好、时长足、total_epoch 足够大时模型自身对底模的依赖减弱、泄漏本身就少此时索引率变得不重要甚至可以不用创建/分享 index 文件。实操上可以这样理解索引率越高 → 越像训练集本人、但细节可能变糊越低 → 越接近实时 VC 的「透声」效果、但越容易露出底模音色。0.5~0.7 是 FAQ 示例中给出的常用起点。推理时如何选择 GPUFAQ Q12 的两步法在 configs/config.py 中修改self.device cuda:0里的编号即选择第几张卡卡号与具体显卡的对应关系可在训练页签的显卡信息区查看config.gpu_name来自torch.cuda.get_device_name见 configs/config.py。另外从源码结构看device_config()对无 NVIDIA 卡的机器有自动降级链检测到 Intel XPU 用xpu:0其次 Apple MPS最后落到cpu并同步关闭半精度is_half False。训练中途如何保存可用的模型FAQ Q13 答案一句话通过 ckpt 处理页签底部的「模型提取」功能保存。这与 Q4 的机制一致——logs/下的 epoch 检查点不能直接推理需经extract_small_model()补全sr/f0/version元信息后写入 assets/weights。因此训练中途觉得效果已经不错时不必等全部 epoch 跑完随时可以对当前最新的 G 检查点做一次提取。训练时文件/内存错误降线程数与预切片FAQ Q14训练预处理阶段报文件错误/内存错误本质是并发进程太多、内存不够。两个对策调小「Threads of CPU」输入框的数值该值即 infer/modules/train/preprocess.py 中pipeline_mp_inp_dir()启动的multiprocessing.Process数量默认取config.n_cpu而n_cpu0时回落到cpu_count()见 configs/config.py预先把训练集切分成更短的音频文件再喂给 WebUI降低单进程峰值内存。用新数据继续训练增量续训四步法FAQ Q15 给出了官方续训流程值得逐步对照操作把全部新 wav 数据放入path2新的训练集目录填写新实验名exp_name2 path2执行处理数据集与特征提取把上一个实验exp_name1的最后几个 G 文件和 D 文件复制到exp_name2目录点击「训练模型」训练会从上一实验的末尾 epoch 继续而不是从零开始。第 4 步能成立的机制可以从源码结构看训练脚本按实验目录中已存在的G_*/D_*检查点恢复模型与优化器状态复制旧检查点等于注入了初始权重与 epoch 进度。注意新实验名必须是全新的与 Q18 的采样率规则同理避免新旧特征目录混淆。llvmlite.dll 加载失败装 VC 运行时FAQ Q16 收录的报错OSError: 无法加载共享对象文件: llvmlite.dll FileNotFoundError: 找不到模块 lib\site-packages\llvmlite\binding\llvmlite.dll或其依赖项这是Windows 专属问题llvmlitenumba 的底层运行时依赖微软 Visual C 可再发行组件。官方解法安装 Visual C Redistributablevc_redist.x64.exe微软官网渠道获取后重启程序即可。两类张量维度 RuntimeError 的针对性处理Q17RuntimeError: 张量扩展大小(17280)必须与维度 1 的现有大小(0)匹配FAQ 给出的处理删除体积明显小于其他文件的 wav这类异常短的片段会在特征对齐阶段产生 0 行张量然后重新点击「训练模型」与「训练索引」。这与 Q10 的结论呼应——过短片段本身就是数据质量风险点。Q18RuntimeError: 张量 a 的大小(24)必须与张量 b 的大小(16)在维度 2 上匹配成因是训练中途更换了采样率导致新旧特征的 mel 维度不一致32k/40k/48k 对应不同filter_length可对照 infer/lib/train/process_ckpt.py 中各档位的config首元素 513/1025。官方规则不要在中途改采样率直接继续训练若必须改采样率换一个新的实验名从零开始训练加速技巧可以把上一次提取出的**音高与特征目录0/、1/、2/、2b/**复制到新实验目录省掉重新提取的时间。排障总览一张表定位问题现象最可能原因处理ffmpeg/utf8 报错路径含空格、括号或中文换纯英文无特殊字符路径Q1训练完没有added_*.index训练集过大导致一次性 add 内存过载重新点「训练索引」批量 add 已修复Q2推理页看不到模型未提取小模型/列表未刷新先刷新查logs/实验名/*.logQ3分享后对方报缺键分享了 logs 检查点而非 weights 成品用 ckpt 页签提取 60MB 小模型Q4连接错误控制台窗口被关重启 go-web 脚本Q5Expecting value: line 1 column 1系统代理拦截关 LAN/全局代理后刷新Q6CUDA OOM显存不足训练降 batch推理调x_pad/x_query/x_center/x_maxQ8音色不像本人音调泄漏适当调高索引率提高 total_epochQ9、Q11文件/内存错误预处理并发进程过多调小 Threads of CPU 或预切片Q14llvmlite.dll 找不到缺 VC 运行时Windows安装 vc_redist.x64Q16tensor 尺寸 17280 vs 0存在异常短的 wav删除后重训模型与索引Q17tensor 24 vs 16 不匹配中途改了采样率改实验名重训可复用 0/1/2/2b 特征目录Q18以上所有结论均以 docs/fr/faq_fr.md 为事实来源源码佐证集中在 infer-web.py索引构建、configs/config.py设备与显存档位、infer/lib/train/process_ckpt.py小模型提取与融合与 infer/modules/train/preprocess.py预处理并发可按路径直接查阅对应实现。【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
