🎙️

AIボイチェン RVCの設定方法

2023/09/27に公開

はじめに

環境構築から学習データ作成・利用までを記載
RVCのgithubを参照しつつ補足しています

2.1. win + Nvidia(RTX30xx)を利用する場合
- cmdで下記を実行し、cudaのバージョンが11.7か11.8か確認する
```
nvcc -V
```
  - 11.7か11.8でない場合、cuda11.8をインストールする
- cudaのバージョンに合うpytorchを入れる（下記は11.8の場合）。各バージョンのpipは公式サイト参照。
```
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
```
2.2. CPU利用の場合（win + Nvidia(RTX30xx)でない場合）
- cmdで下記を実行
```
pip install torch torchvision torchaudio
```
2.3. githubからRVCのファイルをcloneする
2.4. cmdのカレントディレクトリを移動する
```
cd cloneしたRVCのディレクトリ
```
2.5. cmdで関連ライブラリをinstall
```
pip install -r requirements.txt
```
2.5 重みファイルのダウンロード
- Hugging Faceから、下記RVCのフォルダ・ファイルに対応するものを全てダウンロードして格納する
  - ./assets/hubert/hubert_base.pt
  - ./assets/pretrained
  - ./assets/uvr5_weights
  - ./assets/pretrained_v2
2.6 RVCの起動
- cmdで下記を実行する
```
python infer-web.py
```

UI起動後、トレーニングタブを選択
学習時設定の登録
- ①モデル名：任意の名称
- ②トレーニング用のフォルダのパス：wavもしくはmp3のデータのあるフォルダのパス
- ③ピッチ抽出アルゴリズムの選択：harvest
データ処理をクリックし、処理終了を待つ（1~2分程度）
特徴抽出をクリックし、処理終了を待つ（1~2分程度）
ワンクリックトレーニングをクリックし、処理終了を待つ（約30分～）
- 補足：1時間のwavでGTX3060tiで30分程度
/assets/weightsに学習重みが保存される

cmdでリアルタイム変換用GUI起動する
```
python gui_v1.py
```
- おそらく初回にmodule不足エラー数回出ます。不足したmoduleは下記を都度実行しインストールし、その後、上記cmdを再度実行
```
pip install モジュール名
```
GUIの設定
- .pthファイルを選択：/assets/weights/　にある自身のモデルを選択
- .indexファイルを選択：logs/モデル名/ 　にあるadded~から始まるindexファイル選択
- ピッチアルゴリズム：harvestを選択
「音声変換を開始」でリアルタイム変換が始まります
- 音程が合わない場合、音程設定をいじることでより自然になります