RVC 模型训练教程：用自己的声音数据训练专属音色

想变声成”独一无二的音色”，或者把某个角色的声线复刻下来？RVC 训练就能做到：喂给模型 10～20 分钟干净的目标音色音频，训练几十分钟就能得到专属 .pth 模型。这篇讲训练全流程和避坑要点。

一、准备训练素材（决定成败的一步）

• 时长：10～20 分钟起步，越多越稳（30 分钟以上更好）；
• 质量：干净人声、无伴奏、无混响、无背景噪音；
• 来源：录音、直播回放切片、角色语音包都可以；有伴奏混响的先用 UVR 等工具做人声分离 + 去混响 + 去回声，导出 wav；
• 语速自然、音量统一，删掉长时间静音和爆音片段。

二、训练配置

• 实验名：用英文（中文路径易报错）；
• 采样率：选 40k——48k 有较高概率”炸炉”（训练崩坏、出怪声），而且不会更清晰；
• 音高引导：做唱歌模型必须开启，纯语音模型可以不开；
• 版本：无脑选最新版。

三、训练步骤

1. 处理数据：自动切片 + 音量归一化，点完确认信息框有输出；
2. 提取音高 / 特征：音高用 CPU 提取，特征用 GPU 提取（选卡号）；
3. 开始训练：默认参数起步，总轮数 200～500 轮常见；训练中可看 TensorBoard 曲线；
4. 训练完成在 logs/实验名 目录得到 .pth 和 .index 文件。

四、训练避坑清单

• 炸炉（输出怪叫、金属声）：多半是采样率选 48k 或数据太脏，降回 40k、清洗数据；
• 音色不像：素材里有混响/伴奏残留，回到第一步重洗数据；
• 显存不足：减小 batch size，或关闭其他占卡程序；
• 只支持单人训练：素材必须来自同一个人 / 同一个角色。

五、不想自己训练？

训练要跑几小时、调参也吃经验。如果只想用成品音色，模型库 的 786+ 款音色可以直接下载即用；想要用自己的声音定制专属模型（比如给自己做一套音色矩阵），可以看看 模型定制服务，从数据清洗到训练成品全程代做。

训练出模型后，加载使用方法见 RVC 实时变声教程，参数怎么调见 参数调试详解。