RVC的 f0 方法选哪个？pm/harvest/crepe/dio 区别对比

f0 是什么

本篇解决 rvc f0方法 选哪个 区别 对比：f0 是"基频/音高"，f0 方法决定 RVC 怎么从你的声音里提取音高曲线。变声时，模型先抓你的音高，再套目标音色的"音色纹理"，所以 f0 准不准，直接影响像不像、稳不稳。四种方法（pm、harvest、crepe、dio）本质是不同算法，在精度和速度上各有取舍。知道自己是"要质量"还是"要实时"，选法就清楚了。可以把它理解成"量音高的尺子"：尺子越精细越准，但量得越慢；尺子越粗越快，但偶尔量歪。

RVC 是开源语音转换软件，仅用于直播、游戏开黑、VTuber、配音、有声书、无障碍等正常合法场景；请仅使用自有或已授权声音，商用/公开发布须获授权，禁止冒充与侵权。

一、crepe（准但慢）

crepe 用神经网络提音高，精度最高、最稳，尤其在高音、轻声、转音处表现好，成品最不容易"电音""掉拍"。代价是计算重、速度慢，离线推理无妨，但实时变声或低配机器容易卡。适合：离线转录音、对音质要求高的配音/歌曲、显存充裕的机器。如果你搞不清选哪个又不在乎速度，crepe 是最省心的默认，基本不会出错。不过它吃显存明显，小显存机器跑起来可能直接 OOM，这时就得退一步。

二、harvest（均衡）

harvest 是传统信号处理算法，精度和速度比较均衡，比 crepe 快、比 dio 稳，是很多版本的旧默认项。对一般说话声够用，偶尔在极高低音或强噪环境略抖。适合：日常离线推理、中等配置机器、想要"稳又不至于太慢"的折中。它不像 crepe 那样吃显存，也不会像 dio 那样容易抽风，是性价比之选。新手不确定时，先用 harvest 起步，基本不会踩大坑，之后再按需求换。

三、pm/dio（快，实时友好）

pm 与 dio 同属轻量算法，速度最快，dio 尤其为实时优化，是实时变声的首选。代价是精度最低：极快语速、叠字、气声处容易提错音高，表现为偶发电音或破音。适合：实时变声、直播开黑、CPU/集显等弱机。实时场景宁可牺牲一点精度也要保流畅，dio 正是为此存在；若实时还卡，优先换 dio 而非降别的参数。pm 与 dio 接近，dio 更偏实时优化，日常实时直接选 dio 即可。

四、按场景选型

• 离线高质量（配音/歌曲/有声书）：crepe，慢点但成品最稳，省心。
• 日常离线、折中：harvest，稳且不太慢，新手友好。
• 实时变声/直播：dio（或 pm），保流畅优先，别用 crepe 硬扛。
• 实时但音质还行就行：可试 crepe 仅当你的机器够强、延迟仍可接受，否则别勉强。
• 极快语速/rap 类：dio 易错，可考虑 harvest 或 crepe 换精度，牺牲一点速度换准度。
• 低配/集显机器：直接 dio，配合小模型与低精度，先把能跑起来放第一位。

延迟相关优化另见 RVC实时变声延迟高卡顿；若换了 f0 仍有爆音，查 RVC推理爆音杂音怎么修复。选 f0 时别只看单一维度，把"质量 vs 速度 vs 设备"一起权衡，才能一次选对。

最后给个速记口诀：要准选 crepe、要稳选 harvest、要快选 dio。先定用途再定方法，别一边训一边频繁换，否则前后特征对不齐反而更乱。换好 f0 后记得重听 sample，确认没有电音、没有掉拍，再继续调后面的 index 与推理参数。如果同一段音频在不同 f0 下听感差很多，说明原素材本身音高不稳，先补录更干净的人声比死磕参数更有效。