Skip to content

Latest commit

 

History

History
90 lines (77 loc) · 4.62 KB

README.ch.md

File metadata and controls

90 lines (77 loc) · 4.62 KB

RVC Inference

English | 中文简体 | 日本語 | 한국어 | Français| Türkçe

翻译由 GPT-4 提供。

本项目是一个轻量级、快速且内存高效的 API，运行 v1/v2 RVC 模型。它适用于生产环境，并与现有代码库兼容。 它使得将 RVC 作为管道或工作流中的一个阶段进行集成变得简单。使用 pip 进行安装非常快捷，应与 Linux/Windows/Mac 以及最新的 python 版本兼容。

安装

如果使用 Python 3.11 及以上版本，请首先安装 fairseq 分支，因为 fairseq 尚未兼容 3.11 版本。

pip install https://github.com/One-sixth/fairseq/archive/main.zip

使用下面的命令安装本仓库，所有依赖项将自动安装。

pip uninstall inferrvc
pip install https://github.com/CircuitCM/RVC-inference/raw/main/dist/inferrvc-1.0-py3-none-any.whl --no-cache-dir

默认情况下，pypi 会安装 PyTorch 的 CPU 版本。如果要在 Nvidia 或 AMD 的 GPU 上安装，请访问 https://pytorch.org/get-started/locally/，然后在安装此库之前使用 pip 安装 torch 和 torchaudio 的 GPU 版本。

此库应该支持 Python 3.8 至 3.12 版本，但只测试了 3.11 版本。如果安装或兼容性有任何问题，请开设一个 issue，我将推出修复版本。 欢迎提交带有修复和改进的 PR（Pull Request）。

使用方法

首先设置可选的环境变量：

import os
os.environ['RVC_MODELDIR']='path/to/rvc_model_dir' # 存储 model.pth 文件的位置。
os.environ['RVC_INDEXDIR']='path/to/rvc_index_dir' # 存储 model.index 文件的位置。
# 音频输出频率，默认为 44100。
os.environ['RVC_OUTPUTFREQ']='44100'
# 如果希望输出的音频张量完全加载后再进行阻塞，可以忽略此设置。但如果你想在更大的 torch 管道中运行，设置为 False 可略微提高性能。
os.environ['RVC_RETURNBLOCKING']='True'

环境变量说明：

  • RVC_OUTPUTFREQ 和 RVC_RETURNBLOCKING 会为 RVC 类设置默认值，但可以在每个实例中用 self.outputfreq 和 self.returnblocking 进行覆盖。
  • 将 RVC_OUTPUTFREQ 设置为 None 将禁用标准重采样，并返回模型的原生采样率。
  • 如果你没有设置 RVC_INDEXDIR，RVC 类将回退到 RVC_MODELDIR，最后是模型目录的绝对路径 os.path.dirname(model_path)。
  • 如果你没有设置 RVC_MODELDIR，那么参数 model 必须是一个绝对路径。

加载模型：

from inferrvc import RVC
whis,obama=RVC('Whis.pth',index='added_IVF1972_Flat_nprobe_1_Whis_v2'),RVC(model='obama')

print(whis.name)
print('路径',whis.model_path,whis.index_path)
print(obama.name)
print('路径',obama.model_path,obama.index_path)
模型：Whis，索引：added_IVF1972_Flat_nprobe_1_Whis_v2
路径 Z:\Models\RVC\Models\Whis.pth Z:\Models\RVC\Indexes\added_IVF1972_Flat_nprobe_1_Whis_v2.index
模型：obama，索引：obama
路径 Z:\Models\RVC\Models\obama.pth Z:\Models\RVC\Indexes\obama.index

执行推理：

from inferrvc import load_torchaudio
aud,sr = load_torchaudio('path/to/audio.wav')

paudio1=whis(aud,f0_up_key=6,output_device='cpu',output_volume=RVC.MATCH_ORIGINAL,index_rate=.75)
paudio2=obama(aud,5,output_device='cpu',output_volume=RVC.MATCH_ORIGINAL,index_rate=.9)

import soundfile as sf

sf.write('path/to/audio_whis.wav',paudio1,44100)
sf.write('path/to/audio_obama.wav',paudio2,44100)

Whis 示例。
Obama 示例。

与原始仓库的更改：

  • 移除了大部分与推理无关的代码。现在依赖项更少。
  • 创建

了一个简化的推理类和流程。

  • 性能和内存效率改进。
  • 通用模型现在由 huggingface_hub 管理，并通过 HF_HOME 环境变量进行缓存。
  • 灵活引用 RVC 模型目录和文件。
  • 默认禁用了巴特沃斯滤波器，因为通常没有区别，可能会略微降低质量。可以通过设置 inferrvc.pipeline.enable_butterfilter=True 来启用。

待办事项：

  • 测试不同的 Python 版本。
  • 测试不同的操作系统和音高估计器。（其他估计器应该已被移植，但只测试了 RMVPE，它是最佳的）
  • 将剩余操作移到单一主设备（例如 GPU），以减少延迟和因内存传输导致的减速。
    • 用 torch 的等价物 torch.where 和 torch.masked_select 替换剩余的 numpy 代码。
    • 使用 pytorch 为 GPU 设备重新实现索引掩码。
  • 如果可能，利用 torch 2.0 的 .compile() 加速 v1/v2 模型。