基于检索的语音转换

一个基于VITS的易用语音转换框架。

[!注意] 目前正在开发中...作为库和API在rvc中提供

安装和使用

标准设置

首先，在你的项目中创建一个目录。assets文件夹将包含推理和训练所需的模型，result文件夹将包含训练结果。

rvc init

这将在你的工作目录中创建一个assets文件夹和.env文件。

[!警告] 该目录应为空或不含assets文件夹。

自定义设置

如果你已经下载了模型或想更改这些配置，请编辑.env文件。如果你还没有.env文件，

rvc env create

可以创建一个。

此外，下载模型时，你可以使用

rvc dlmodel

或

rvc dlmodel {download_dir}

最后，在env文件中指定模型的位置，就完成了！

库使用

推理音频

from pathlib import Path

from dotenv import load_dotenv
from scipy.io import wavfile

from rvc.modules.vc.modules import VC


def main():
      vc = VC()
      vc.get_vc("{model.pth}")
      tgt_sr, audio_opt, times, _ = vc.vc_inference(
            1, Path("{InputAudio}")
      )
      wavfile.write("{OutputAudio}", tgt_sr, audio_opt)


if __name__ == "__main__":
      load_dotenv("{envPath}")
      main()

CLI使用

推理音频

rvc infer -m {model.pth} -i {input.wav} -o {output.wav}

选项	标志	类型	默认值	描述
modelPath	-m	Path	*必需	模型路径或文件名（在env中设置的目录中读取）
inputPath	-i	Path	*必需	输入音频路径或文件夹
outputPath	-o	Path	*必需	输出音频路径或文件夹
sid	-s	int	0	说话者/歌手ID
f0_up_key	-fu	int	0	变调（整数，半音数，升高一个八度：12，降低一个八度：-12）
f0_method	-fm	str	rmvpe	音高提取算法（pm, harvest, crepe, rmvpe）
f0_file	-ff	Path \| None	None	F0曲线文件（可选）。每行一个音高。替换默认F0和音高调制
index_file	-if	Path \| None	None	特征索引文件路径
index_rate	-if	float	0.75	搜索特征比率（控制口音强度，太高会产生伪音）
filter_radius	-fr	int	3	如果>=3：对获取的音高结果应用中值滤波。该值表示滤波半径，可以减少气声
resample_sr	-rsr	int	0	在后处理中将输出音频重采样到最终采样率。设置为0表示不重采样
rms_mix_rate	-rmr	float	0.25	调整音量包络缩放。越接近0，越模仿原始声音的音量。设置相对较低时可以帮助掩盖噪音并使音量听起来更自然。越接近1将是更加一致的大音量
protect	-p	float	0.33	保护无声辅音和呼吸声，防止电子音乐中出现撕裂等伪音。设置为0.5以禁用。降低值以增加保护，但可能降低索引准确性

API使用

首先，启动服务器。

rvc-api

或

poetry run poe rvc-api

推理音频

获取为blob

curl -X 'POST' \
      'http://127.0.0.1:8000/inference?res_type=blob' \
      -H 'accept: application/json' \
      -H 'Content-Type: multipart/form-data' \
      -F 'modelpath={model.pth}' \
      -F 'input={input audio path}'

获取为json（包含时间）

curl -X 'POST' \
      'http://127.0.0.1:8000/inference?res_type=json' \
      -H 'accept: application/json' \
      -H 'Content-Type: multipart/form-data' \
      -F 'modelpath={model.pth}' \
      -F 'input={input audio path}'

Docker使用

通过脚本构建和运行：

./docker-run.sh

或者手动使用：

构建：
```
docker build -t "rvc" .
```

运行：

docker run -it \
  -p 8000:8000 \
  -v "${PWD}/assets/weights:/weights:ro" \
  -v "${PWD}/assets/indices:/indices:ro" \
  -v "${PWD}/assets/audios:/audios:ro" \
  "rvc"

注意假设权重、索引和输入音频存储在当前目录/assets中