JSON RVC Inference
удобный WebUI для запуска RVC в Google Colab
2 min readupdated
Инструмент от автора Asukaa02, который упрощает запуск голосовых моделей на базе RVC (Retrieval-based Voice Conversion — технология замены тембра голоса). Вместо ручного поиска и переноса файлов весов нужные модели выбираются и автоматически скачиваются по конфигурационному JSON-файлу. Решение задумано в первую очередь для облачных сред вроде Google Colab, но работает и локально на Windows или Linux. Пригодится тем, кто регулярно тестирует разные голосовые чекпоинты, делает каверы или озвучку и не хочет тратить время на ручную настройку окружения.
Ключевые особенности
- Поддержка архитектур RVC версий V1 и V2.
- Автоматическая загрузка голосовых моделей через JSON-файл при наличии интернета.
- Встроенный разделитель голоса (Voice Splitter) для отделения вокала от фоновой музыки и шумов.
- Скачивание аудиодорожек напрямую с YouTube для быстрой обработки.
- Поддержка работы с микрофоном и встроенный режим TTS (синтез речи из текста).
Что можно сделать
- Собрать свой JSON-список проверенных RVC-моделей (V1/V2) и быстро переключаться между ними в Google Colab без повторной ручной загрузки архивов.
- Скачать трек с YouTube, отделить вокал встроенным сплиттером и переозвучить его выбранным голосом.
- Использовать связку TTS и RVC для озвучки текстовых сценариев нужным тембром или тестировать преобразование речи с микрофона в реальном времени.
Пример
pip install torch torchvision torchaudio --index-url [https://download.pytorch.org/whl/cu121](https://download.pytorch.org/whl/cu121)
pip install -r requirements.txt
python infer.py
Подробнее
Требуется установленный ffmpeg в системе и подключение к интернету для скачивания моделей и сплиттера.Для Windows с видеокартами Nvidia автор рекомендует PyTorch 2.1.0 (CUDA 12.1) из-за особенностей совместимости flash-attention.
Инференс построен на базе оригинального проекта Retrieval-based-Voice-Conversion-WebUI.










Comments