README_HF.md

---

title: AI-RVC 语音转换 & AI 翻唱
emoji: 🎤
colorFrom: blue
colorTo: purple
sdk: gradio
sdk_version: 3.50.2
app_file: app.py
pinned: false
license: mit
---


# 🎤 AI-RVC 语音转换 & AI 翻唱

基于 RVC v2 + RMVPE 的高质量语音转换系统，支持一键 AI 翻唱功能。

## 功能特点

- **AI 歌曲翻唱**：上传歌曲自动分离人声、转换音色、混合伴奏，一键生成翻唱
- **人声分离**：默认 Mel-Band Roformer (KimberleyJensen)，在 MVSEP 公开 Multisong 指标中为 Vocals SDR 11.01 / Instrum SDR 17.32
- **语音转换**：RVC v2 架构 + FAISS 检索增强流程
- **RMVPE 音高提取**：高精度 F0 提取，噪声鲁棒性强
- **角色模型**：内置 117 个可下载角色模型
- **混音效果**：支持人声混响、音量调节、4 种混音预设
- **卡拉OK模式**：分离主唱和伴唱轨道
- **VC预处理**：4 种模式（自动、直通、学习型DeEcho、旧版手工链）
- **双VC管道**：支持当前实现和官方实现

## 使用方法

### 1. 下载角色模型

首次使用需要下载角色模型：
1. 进入「歌曲翻唱」标签页
2. 展开「下载角色模型」折叠面板
3. 选择并下载一个角色（推荐：星空凛、芙宁娜、纳西妲等）

### 2. 开始翻唱

1. 上传歌曲文件（支持 MP3/WAV/FLAC）
2. 选择已下载的角色
3. 调整参数：
   - 音调偏移：男转女 +12，女转男 -12
   - 混音预设：通用/人声突出/伴奏突出/现场感
   - 卡拉OK模式：启用主唱/伴唱分离
4. 点击「🚀 开始翻唱」
5. 下载生成的翻唱作品

## 参数说明

### 基础参数

- **音调偏移**：半音数，正数升调，负数降调（男转女: +12, 女转男: -12）
- **索引率**：越高越像训练音色（建议 10-50%）
- **说话人ID**：多说话人模型的说话人选择（通常为 0）

### 混音预设

- **通用**：默认均衡设置
- **人声突出**：人声 +15%，伴奏 -10%，混响 -5%
- **伴奏突出**：人声 -10%，伴奏 +15%，混响 -5%
- **现场感**：默认音量，混响 +10%

### VC 预处理模式

- **自动**：根据模型可用性自动选择（推荐）
- **直通**：主唱直接进入 RVC
- **学习型 DeEcho**：使用 UVR DeEcho/DeReverb
- **旧版手工链**：仅用于对比测试

## 可用角色模型（117 个）

| 系列 | 角色示例 |
|------|----------|
| Love Live! | 星空凛、园田海未、东条希、小泉花阳、南小鸟 |
| Love Live! Sunshine!! | 高海千歌、樱内梨子、黑泽黛雅、黑泽露比、国木田花丸 |
| Love Live! 虹咲学园 | 上原步梦、中须霞、天王寺璃奈、近江彼方、优木雪菜 |
| 原神 | 芙宁娜、枫原万叶、纳西妲、八重神子、雷电将军 |
| Hololive | Fuwawa、Mococo |
| 偶像大师 | 神崎兰子、梦见莉亚梦、双叶杏、本田未央、岛村卯月 |

> 完整列表请在 UI 中查看「下载角色模型」面板

## 技术架构

```

音频输入 → CoverPipeline

              ↓

          人声分离 (Mel-Band Roformer)

              ↓

          RVC 语音转换 (HuBERT + RMVPE + FAISS)

              ↓

          混音 (音量调节 + 混响)

              ↓

          AI 翻唱成品

```

## 常见问题

**Q: 首次运行很慢？**

A: 首次运行会自动下载模型文件（HuBERT、RMVPE、Roformer 等），请耐心等待。

**Q: 高音断音/撕裂？**

A: 尝试降低保护系数（0.33 → 0.2），增大滤波半径（3 → 5）。

**Q: 转换后声音失真？**

A: 降低索引率，调整音调偏移，使用更高质量的输入音频。

**Q: 如何选择合适的角色？**

A: 建议选择与原唱性别、音色相近的角色，效果更自然。

## 性能说明

- **GPU 加速**：自动检测并使用 GPU（CUDA/ROCm）
- **处理时间**：一首 3-5 分钟的歌曲约需 2-5 分钟处理
- **显存需求**：建议 4GB 以上显存

## 限制说明

- **音频长度**：建议单次处理不超过 10 分钟
- **文件大小**：建议上传文件不超过 50MB
- **并发处理**：同时只能处理一个任务

## 更多信息

- **GitHub 仓库**：https://github.com/mason369/AI-RVC
- **完整文档**：查看仓库中的 README.md
- **Colab 版本**：AI_RVC_Colab.ipynb
- **问题反馈**：GitHub Issues

## 免责声明

本项目仅供学习研究和个人娱乐用途，不得用于任何商业目的。严禁使用本软件进行欺诈、传播虚假信息或侵犯他人权益。用户对使用本软件产生的所有内容和后果承担全部责任。

## 致谢

- [RVC-Project](https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI) - 原始 RVC 项目
- [Mel-Band RoFormer](https://arxiv.org/abs/2310.01809) - 人声分离模型
- [audio-separator](https://github.com/nomadkaraoke/python-audio-separator) - 音源分离框架
- [RMVPE](https://arxiv.org/abs/2306.15412) - F0 提取
- [Gradio](https://gradio.app/) - Web 界面框架

---

**License**: MIT
**Version**: 2.0
**Last Updated**: 2026-03-10