maobailing_rvc

maobailing_rvc — RVC v2 / 40kHz 声线克隆模型

一款基于 RVC（Retrieval-based-Voice-Conversion-WebUI）v2、在 40kHz 采样率下训练的中文女声声线克隆模型。

数据集来源

训练该模型所用数据集全部来源于index-tts 2克隆产物，未使用任何人类语音数据训练。

模型简介

文件清单

maobailing_rvc.pth            # RVC 推理模型（53 MB）
maobailing_rvc.index          # faiss 索引（IVF751_Flat_nprobe_1, ~89 MB）
maobailing_rvc_trained.index  # faiss 训练索引（~2.3 MB）
config.json                   # 模型配置
PARAMS.md                     # 完整参数说明
README.md                     # 本说明
LICENSE                       # Apache-2.0

训练数据

• 中文女声干声数据集（6 段 FLAC，单声道，22.05kHz，约 29.4 分钟）。
• 预处理：切片为 163 段；重采样 40k / 16k；RMVPE 提取 f0；HuBERT 提取 768 维特征。
• 说话人：单一说话人（speaker_id = 0）。

使用方法（RVC WebUI / 命令行）

1. 将 maobailing_rvc.pth 放入 assets/weights/，maobailing_rvc.index 放入 assets/indices/。
2. WebUI 中选择模型 maobailing_rvc，设置推荐参数：
   • index_rate = 0.6、rms_mix_rate = 0.5、protect = 0.4、f0_method = rmvpe、f0_up_key = 0（女声偏高/吃力可调 ±2）。
3. 上传干声，点击转换。

命令行推理（参考）：使用 RVC 的 VC 接口（get_vc + vc_single）。关键环境变量需设为： weight_root=<assets/weights>、rmvpe_root=<assets/rmvpe>、index_root=<assets/indices>； 超长音频建议设 RVC_CUDA_GRAPH=0 并分段处理。

环境

• Python 3.12.13
• torch 2.7.1+cu118、torchaudio 2.7.1+cu118
• faiss-cpu 1.15.0、transformers 4.49.0、gradio 3.14.0、librosa 0.10.2、soundfile 等
• 仓库版本要求 Python 3.12（依赖文件 requirments_cu118_py312.txt）

说明：安装时未启用 onnxruntime-gpu（其依赖的 nvidia-cudnn-cu11==8.9.5.29 在 PyPI/镜像上不存在，且与 torch 冲突；该路径仅用于 Windows/DirectML，Linux+CUDA 推理不需要）。详见 PARAMS.md。

许可

本项目模型按 Apache License 2.0 发布，详见 LICENSE。训练数据与使用场景请遵守相应版权与授权要求。

致谢

• RVC-Project / RVC-Boss 的 RVC 框架；index-tts 2；RMVPE、ContentVec/HuBERT、HiFi-GAN / VITS 等相关开源项目。