RVC模型训练新手入门教程：10 分钟跑通第一个模型

训练能给你什么

这篇 rvc 模型训练 教程 新手 入门 帮你从零做出一个属于你自己的音色模型。训练好之后，你就可以把自己的声音转成这个音色，用于直播、配音、有声书、游戏开黑等正常合法用途。相比直接用他人模型，自有模型更稳更合规，也避免授权风险。训练前请务必确认：仅可使用自有或已授权声音进行训练，商用/公开发布须获声音授权，禁止冒充他人与侵权。

一、概念扫盲

• 底模（pretrained）：官方提供的通用基础模型，训练在此之上微调，不必从零学。
• epoch（轮次）：完整过一遍数据集的次数，影响收敛程度，并非越多越好。
• index（索引）：记录音色特征的索引文件，配合 .pth 使用，提升还原度。
• 特征文件：提取好的 f0 与人声特征，供训练读取，决定音准与人声质感。

二、准备数据集

• 时长：建议 ≥ 10 分钟干净人声，越长越稳，十几分钟更佳。
• 环境：安静、无回声、无伴奏、无人声重叠；可用被子/衣物简单吸音。
• 格式：wav、44.1kHz、单声道、16bit。

录音时用正常语速、自然音量，覆盖不同音高与情绪会更好。避免一边走动一边录，离麦克风距离保持一致，音色更统一。数据集细节见 RVC模型训练数据集怎么准备。

三、步骤1：人声分离（可选）

若素材带伴奏或背景音，先用 UVR 等工具去伴奏/去杂音，保留纯净人声。纯干声可跳过。分离时选人声模型，输出再听一遍确认没有残留音乐，否则会污染训练。

四、步骤2：切片与降噪

1. 用 UVR 或 RVC 自带预处理把长音频切片成 3–15 秒短段。
2. 对切片做降噪，去掉底噪与环境音。
3. 检查切片，删除明显杂音、爆音与静音片段。

切片太碎会增加训练噪声，太长的片段不便学习细节，适中即可。

五、步骤3：特征提取

选择 f0 方法（如 rmvpe、crepe），提取音高与人声特征文件。rmvpe 对中文与高音更稳，crepe 轻量但易抖。f0 方法取舍可参考 RVC的 f0 方法选哪个。

六、步骤4：训练参数

• batch size：显存大可设 4–8，小显存设 1–2。
• epoch：新手可参考 RVC模型训练多少轮 epoch 合适，先跑 50–100 轮看效果再决定。
• 显存不够见 RVC模型训练显存不够解决办法 与 RVC报错 CUDA out of memory 解决。

训练时留意 loss 是否平稳下降；若剧烈跳动，多是数据集有脏样本。

七、步骤5：验证与导出

1. 试听训练过程生成的 sample，判断是否清晰、像目标音色。
2. 选效果最好的 checkpoint，导出 .pth 模型。
3. 生成对应的 .index 索引文件。

声音不清晰的处理见 RVC训练模型声音不清晰解决办法。导出后建议先推理一段测试，再进实时。

八、把模型用于推理/实时变声

把 .pth + .index 放入 assets/weights/，即可在推理页转换音频，或在实时变声页加载。实时配置见 RVC实时变声怎么设置，推理参数见 RVC推理参数怎么设置效果好。注意实时变声同样只可使用自有或已授权音色。

九、训练常见问题速查（显存不够 / 声音不清晰 / 过拟合）

• 显存不够：降 batch、用低精度、清缓存，见显存专文。
• 声音不清晰：检查数据集干净度、适当增加时长与轮次、重做降噪。
• 过拟合：轮次过多导致只在训练素材上像、泛化差，适当减少 epoch。