RVC：把已有录音换成授权音色，先准备模型与索引

如果一段演唱或旁白的节奏已经录好，只想改变声音的音色，RVC对应的是“音频转音频”任务。它需要源录音，再结合目标音色模型进行转换；只提供一段文字并不是主流程。先分清这点，才能判断你缺的是配音录制、文字转语音，还是换声环节。

当前主仓库提供训练与推理WebUI，也有独立实时换声界面。README里的RVCv3仍以期待后续底模的措辞出现，不能写成已经发布并可下载的新一代。本文阅读完整英文说明与许可证，未训练模型、转换音频或测量实时延迟。

图源：RVC官方README。这是作者展示的界面，说明需要输入音频并选择相应资源；界面可能随当前代码变化，不是本文执行截图。

准备目标音色时，应把训练和推理分开。训练需要干净、低噪声、取得授权的数据，官方建议至少约10分钟；推理则使用训练得到的模型与检索索引。检索把源特征与训练集特征联系起来，用于减少源音色泄漏，但不保证所有发音和演唱方式都能自然迁移。模型与索引拿错版本，也会让结果难以判断。

可以用自己朗读的一段短文做起点：保留同一条源音频，先使用本人授权数据训练或明确授权的目标模型，检查齿音、气声、尾音与长元音。若做演唱，则先把干声与伴奏分开，转换人声，再回到混音工程比较。这里是编辑示例，未运行；分离器并不能自动赋予原歌曲、录音或伴奏使用权。

界面中的音高提取与变调也有不同作用。RMVPE用于提取音高特征，变调控制音高整体变化；它们不能替代合适的音域和清楚的输入。先保持较少改动，听源音频与转换音频是否保留发音，再逐项调整，比同时更改变调、检索比例和保护参数更容易找出问题。输出中保留少量源音色与声音发闷之间，往往需要根据素材取舍。

环境请看当前分支。现行英文README针对Python3.12 x64，按CPU/AMD/Intel、RTX50系列和更早NVIDIA显卡分列依赖，启动入口为webui.py，默认端口7865。旧整合包的目录和启动方式可能不同。个人模型放assets/weights，索引放assets/indices；这些路径比搜索到的旧截图更应优先核对。

实时换声也有独立条件。作者提供的170毫秒与ASIO约90毫秒数据依赖设备驱动和硬件，不是所有电脑的通用延迟，更不是本文实测。做预录旁白时可以优先考虑离线质量；直播则还要把麦克风、音频接口、监听与处理链总延迟一起测试。

仓库代码采用MIT，但从社区下载的名人或歌手模型不因此获得声音授权。训练数据、目标人物许可、底模、分离器权重与歌曲录音应分别确认。对外发布前，授权应覆盖声音转换、合成结果和具体用途；不要用一个“开源模型”标签替代这些条件。

RVC适合已有音频、想保留表演节奏再研究音色的流程。它的价值是可拆分地检查数据、音高和检索，而非保证一键得到可发行翻唱。

资料：完整README、MIT许可。