Retrieval-based-Voice-Conversion-WebUI 是基于 VITS 技术的开源语音转换框架，支持多平台显卡加速。仅需少量语音数据即可训练高质量模型。介绍环境准备、安装步骤、核心功能、应用场景、性能优化及常见问题解决方案，涵盖从入门到进阶的完整流程，帮助用户实现跨平台语音转换。
Retrieval-based-Voice-Conversion-WebUI 是一个基于 VITS 技术构建的开源语音转换框架，支持 NVIDIA、AMD、Intel 全平台显卡加速。该项目仅需少量语音数据即可训练出高质量的变声模型。
第一步：获取项目源码
git clone https://gitcode.com/GitHub_Trending/re/Retrieval-based-Voice-Conversion-WebUI
cd Retrieval-based-Voice-Conversion-WebUI
第二步：选择适合你显卡的依赖安装
# NVIDIA 用户 pip install -r requirements.txt
# AMD 用户 pip install -r requirements-dml.txt
# Intel 用户 pip install -r requirements-ipex.txt
第三步：启动 Web 界面
python infer-web.py
系统将自动打开浏览器，你可以立即开始体验语音转换功能。
项目采用 top1 检索机制，通过特征匹配确保音色转换的准确性，同时有效防止音色泄漏问题。
项目内置完整的多语言界面，支持中文、英文、日文、韩文、法文、葡萄牙文、土耳其文等多种语言。
| 显存容量 | 推荐配置 | 适用场景 |
|---|---|---|
| 4GB | x_pad=2, x_query=8 | 基础变声需求 |
| 6GB | x_pad=3, x_query=10 | 日常内容创作 |
| 8GB+ | x_pad=4, x_query=12 | 专业级应用 |
NVIDIA 显卡优化
# 启用 CUDA 加速 export CUDA_VISIBLE_DEVICES=0
AMD 显卡配置
# 使用 DirectML 后端 python infer-web.py --dml
Intel 显卡设置
# 加载 IPEX 优化 source /opt/intel/oneapi/setvars.sh
项目支持超低延迟实时变声，延迟可控制在 170ms 以内，适合直播和实时通信场景。
通过 ckpt 处理功能，可以融合多个模型的权重，创造出独特的音色效果。
集成 UVR5 人声伴奏分离技术，能够从混合音频中提取纯净人声。
该框架适用于语音技术爱好者及专业人士，可根据需求定制工作流程。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online