RVC开源变声器上手：软件下载、音色模型与OBS实时变声

前言

我之前配置虚拟V玩时，使用了RVC + 虚拟声卡（VB-CABLE）+ OBS这套方案

剧透一下，我正在开发不需要摄像头的自主驱动L2D程序，思路根据"NeuroSama"推测实现模型控制方案

其配置的过程很有趣，运行效果也不错，我将详细记录下作为分享的blog，感兴趣的话完全可以参考学习

这篇按实际使用顺序整理：先下载软件和模型，完成本地耳机试听，再通过虚拟声卡接入OBS或语音软件

我的运行环境

我使用的是机械革命无界系列笔记本，32GB内存，核显为AMD Radeon 880M

此前通过OCulink外接RTX 5060 8GB运行RVC，保留了对应的NVIDIA 50系整合包

使用这份NVIDIA包前，确认系统已识别对应的NVIDIA显卡；只使用核显时，应另选AMD / Intel对应包

RVC的工作机制

RVC（Retrieval-based Voice Conversion）是一套开源音色转换工具，提供音频文件转换和实时变声界面

上图是官方项目的仓库卡片

下载软件时进入这个仓库的Releases，音色模型会在后文单独下载

实时模式会读取麦克风音频，提取语音特征，再通过音色模型生成转换后的声音

说话节奏、发音和麦克风输入质量都会影响结果

本文主要配置两条链路：

1. 本地试听：麦克风输入RVC，转换结果输出到耳机
2. 录音与语音通信：通过虚拟声卡，把转换结果作为其他软件的麦克风输入

一、下载整合包与环境检查

官方整合包

在RVC官方Releases中找到Complete package / 完整包

本文使用的版本对应2.3.260718发布页，下载时按显卡选择：

也可以在官方Hugging Face文件列表中查找文件

下载较慢时，查看发布说明中的备用入口

GitHub页面底部的Source code (zip)是源码包，需要另外配置运行环境

直接使用软件应下载上表中的完整包

解压与启动

将压缩包完整解压到英文路径

本文这版GUI会检查模型路径中的中文字符，模型文件名也建议使用英文

我的实际程序根目录是：

D:\LiveStreamingImage\RVC20260723Nvidia50x0\RVC20260718Nvidia50x0\

外层目录名称和内层名称不同，启动时以包含runtime和启动脚本的内层目录为准：

RVC20260718Nvidia50x0/
├── go-realtime_gui.bat   # 实时变声界面
├── go-webui.bat          # 网页端音频转换与训练
├── realtime_gui.py
├── runtime/             # 内置 Python 环境
├── assets/              # 基础资源与音色模型
└── configs/
    └── config.json      # 保存的实时 GUI 参数

双击go-realtime_gui.bat

首次启动和加载模型需要等待，控制台窗口保持开启，运行异常时查看底部报错

图中选中的是实时变声启动脚本；下方的go-webui.bat用于网页端音频转换和训练

启动脚本使用的是包内runtime\python.exe，无需先向系统Python安装依赖

CUDA环境检查

NVIDIA用户可以在整合包根目录打开PowerShell，执行：

.\runtime\python.exe -I -c "import torch; print('torch:', torch.__version__); print('cuda:', torch.version.cuda); print('available:', torch.cuda.is_available())"

torch和cuda显示安装版本，available表示这份环境当前能否访问CUDA

AMD / Intel路线跳过这项CUDA检查

二、模型下载与文件准备

我使用的原版整合包包含HuBERT、RMVPE等基础资源，音色模型只附带kikiV1，可以先用它测试变声，其他音色需要自行下载

从哪里下载音色

可以从Hugging Face的RVC模型搜索页开始，搜索RVC + 音色名称或RVC + 中文

创作者的作品介绍、GitHub页面也常会提供模型下载地址

图中是在Models列表中搜索RVC的结果

点击仓库名称进入模型页面，再找Files and versions下载文件；搜索结果中也有模型合集和基础资源，需要阅读仓库说明后选择

在Hugging Face上：

1. 阅读模型说明，确认适配RVC，并查看版本、训练语言与试听
2. 打开Files and versions，找到推理用.pth和配套.index
3. 使用文件旁的下载按钮，或进入文件详情页下载
4. 如果下载的是.zip或.7z，先解压，再选择其中的模型文件

下载时最好保留原始发布页，后续查找索引、版本说明和更新会方便一些

我的模型目录

本地assets/weights中，kikiV1.pth是原版附带的模型，bjx8.pth、azuki.pth、beijixing.pth等其他模型都是我后来自行下载的，当前配置保存的是bjx8.pth

部分模型带有同名索引，例如：

assets/
├── weights/
│   ├── bjx8.pth
│   ├── guanguanV1.pth
│   ├── keruanV1.pth
│   └── kikiV1.pth
└── indices/
    ├── guanguanV1.index
    ├── keruanV1.index
    └── kikiV1.index

上面的目录展示的是添加自下载模型后的本地文件，原版只有kikiV1音色模型及其配套索引，下载其他音色时按自己的文件名选择即可

实时GUI中点击选择.pth文件和选择.index文件，分别指定路径

索引选择窗口默认打开logs，可以手动切换到assets/indices

无索引推理

我的bjx8.pth配置没有选择索引，Index Rate为0

因为我的本地realtime_gui.py加过索引可选补丁，路径为空时会自动关闭检索，因此能够只加载.pth

如果使用的GUI仍要求填写索引，需要获取模型配套的.index，或使用支持无索引的版本

索引应与模型配套，不要混用其他音色的文件

有配套索引时，可以从较低的Index Rate开始，逐步增加并比较输出效果

基础资源缺失

如果控制台提示缺少HuBERT或RMVPE，先检查是否完整解压

这版使用的路径为：

assets/
├── hubert_base/
│   ├── config.json
│   ├── preprocessor_config.json
│   └── pytorch_model.bin
└── rmvpe/
    └── rmvpe.pt

缺失文件可从官方基础模型仓库补充

旧版本可能采用hubert_base.pt单文件结构，按所用版本的README和报错路径处理

三、本地实时变声与参数

接入OBS前，先测试：

物理麦克风 → RVC 实时变声 → 耳机

初次测试设置

首次使用可以按下面的设置开始：

点击开始音频转换，等待模型加载后说一段完整句子

需要比较原始输入时切换“输入监听”，完成后切回“输出变声”

参数调整

采样长度影响分块处理与延迟

先从0.25秒开始，稳定后逐步尝试0.15或0.10秒

如果出现断续或爆音，先回调采样长度，再检查设备和计算负载

端到端延迟还包含声卡缓冲及后续软件处理时间

音调以半音为单位，+12为升高一个八度，以自己的输入声线和目标模型为准，逐步调整

响应阈值控制低音量片段的截断

数值从-60提高到-40会截掉更多轻声片段

发音开头丢字时，应把阈值往更低的方向调，并检查麦克风输入电平与降噪

本地代码在-60时跳过这段阈值截断，已经设为-60后，应优先排查其他环节

调整时每次只改一项，用同一句话录音比较

四、安装VB-CABLE虚拟音频通道

本地试听正常后，通过虚拟声卡把变声输出传递给其他软件

1. 前往VB-Audio官网下载Windows版VB-CABLE
2. 解压后按包内说明，以管理员身份运行对应的安装程序
3. 安装完成后重启电脑

系统音频列表中会出现：

• 播放设备：CABLE Input (VB-Audio Virtual Cable)
• 录制设备：CABLE Output (VB-Audio Virtual Cable)

路由关系如下：

物理麦克风
    |
    v
RVC 实时变声
    |
    v
CABLE Input       ← RVC 的输出设备
    |
    v
CABLE Output      ← OBS / 语音软件的输入设备

在RVC中将输出设备从Senary Audio播放设备或耳机改为CABLE Input

如果列表中没有新设备，点击“重载设备列表”，必要时重启GUI

更改后，音频进入虚拟声卡，耳机不再直接接收这一路声音

需要在OBS中设置监听

五、接入OBS与语音软件

OBS音频输入

1. 在OBS“来源”面板添加音频输入采集，命名为“RVC变声”
2. 设备选择CABLE Output (VB-Audio Virtual Cable)
3. 对麦克风说话，观察这一路的电平变化
4. 检查全局“麦克风/辅助音频”和其他麦克风来源，关闭重复采集的物理麦克风

OBS实时监听

需要同时录制和试听时：

1. 在OBS音频设置的高级选项中，将“监听设备”设为物理耳机
2. 打开混音器的“高级音频属性”
3. 将“RVC变声”的音频监听设为监听并输出

不需要自己试听时，使用“监听关闭”，录制输出仍然保留

“仅监听（输出静音）”会关闭这一路的录制输出

如果启用了“桌面音频”，检查它是否再次采集耳机的监听声

出现重复声音时，关闭重复来源，或将桌面采集与监听设备分开

监听设备不要设为CABLE Input，以免音频重新进入同一虚拟通道

通信与会议软件

在支持选择麦克风的软件中，将输入指定为CABLE Output

如果软件跟随系统默认输入，在Windows中调整默认录制设备及默认通信设备，再重启软件测试

具体入口依软件版本而定

使用期间保持RVC转换运行

结束后若要恢复原声通话，记得将目标软件的麦克风切回物理设备

六、常见问题排查

查看控制台耗时

这张日志图中，“推理耗时”约为**0.39至0.52秒**

本地代码会在音频回调中计时，因此这里包含该次回调内的音频处理过程；“SOLA偏移”是片段拼接时的对齐偏移

判断能否持续实时处理，需要把耗时与同一次运行的采样长度比较

如果运行时采样长度为0.10秒，而处理一块音频需要约0.4秒，就无法持续跟上输入，需检查计算设备并调整参数

排查对照表

七、VST插件路线

本地还保存了RVCRealtime-Win64VST/RVCRealtime-Win64-20260802插件包，包含VST2、VST3和Studio One使用说明

下载入口在官方发布页，也可直接下载VST插件包

插件需要已有的RVC整合包与Python环境

已有Studio One工作流程时可以采用这条路线；日常语音和OBS变声直接使用GUI，配置环节更少

因为我也没有具体使用过Studio One，所以没有详细说明