К содержимому
Другое

JSON RVC Inference

удобный WebUI для запуска RVC в Google Colab

2 мин чтенияобновлено

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
ПодробнееТребуется 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.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.2 GB · готовые файлы0.7 GB
  • FP8 / INT8рекомендуемвеса 0.1 GB0.6 GB
  • 4-bitвеса 0.0 GB0.6 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # Asukaa02/Json-RVC-Infer
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download Asukaa02/Json-RVC-Infer --local-dir ~/models/Json-RVC-Infer
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Json-RVC-Infer
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии Json-RVC-Infer — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

Asukaa02/Json-RVC-Infer
Автор
Asukaa02
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

Spidory

Spidory