RVC模型融合完全指南不重訓10分鐘拿到新音色【免費下載鏈接】Retrieval-based-Voice-Conversion-WebUIEasily train a good VC model with voice data 10 mins!項目地址: https://gitcode.com/GitHub_Trending/re/Retrieval-based-Voice-Conversion-WebUI你手上有兩個訓練好的 RVC 模型一個咬字清楚一個情感更足但沒法同時用在一個文件里。Retrieval-based-Voice-Conversion-WebUI 的模型融合功能可以把兩個 .pth 的參數做加權混合產出一個新模型不用重新訓練。做完這件事你手里會多一個 .pth直接扔進推理就能用。模型融合到底做了什么一句話說清本質是加權平均把兩個模型每一層的權重按同一組比例alpha 與 1?alpha相乘再相加存成新的 ckpt。權重越靠近 1音色越像 A 模型0.5 就是五五開。核心邏輯在 infer/lib/train/process_ckpt.py 的 merge 函數里想深入可以直接打開看。兩個前提兩個模型必須是同架構同版本、同采樣率否則程序會直接告訴你融合失敗不會硬拼。模型融合最小流程從啟動 WebUI 到拿到新 .pth啟動python infer-web.py瀏覽器打開本地地址通常是 http://localhost:7860。切到「ckpt處理」選項卡里面有一塊「模型融合」區域字段分四組A模型路徑 / B模型路徑填你要融合的兩個 .pth一般在 assets/weights/ 目錄下A模型權重0–1 的滑桿默認 0.5目標采樣率40k/48k和模型是否帶音高指導是/否按原模型的訓練設置選保存的模型名不帶后綴輸名字存盤時自動補 .pth點「融合」按鈕「輸出信息」里出現 Success. 即成功新文件已經躺在 assets/weights/ 里。現象處理報錯 The model architectures are not the samev1 和 v2 混選了或采樣率不一致換成同配置的兩個模型顯示成功但音色發糊、發飄先單獨跑兩個原模型確認都能用再收窄權重范圍重試新模型沒出現在推理下拉框檢查「保存的模型名」有沒有真的填文件可能存在但名字不對再提醒兩件事融合產物不帶索引第一次推理可以復用原模型之一的 index 試效果。「要置入的模型信息」留空的話新模型沒有描述下拉框里顯示為空不影響音色只影響觀感。模型融合權重怎么調動哪里、動多少、怎么判斷alpha 是唯一真正決定聽感的參數值得花點時間先跑 0.3 / 0.5 / 0.7 三檔每次用同一條源音頻推理保證變量只有一個聽音色特點并記錄0.3 時偏誰0.7 時偏誰找到哪邊「贏」在感覺最好的值附近按 ±0.05 步進細調別漏掉 0.1 / 0.9 極端值——有時某一邊只是有小毛病氣息弱、咬字虛小比例反而剛好蓋住它判斷好壞的標準找一句信息量大的長句有快有慢、有氣聲做推理聽咬字是否清楚、氣息是否自然、有沒有金屬音。一句短句下不了結論。批量模型融合腳本入口與最小示例要測一組比例、比較多組結果時別手點 WebUIWebUI 的「融合」按鈕走的是 APIckpt_merge聲明在 infer-web.py 里寫腳本請求這個接口就能把比例表循環跑完批量驗證效果用 tools/infer_cli.py每個融合模型跑一次循環對比輸出文件python tools/infer_cli.py \ --model_name merged_model \ --input_path test.wav \ --opt_path out/merged_05.wav循環里改--model_name和輸出文件名就行其余參數保持不動結果才好對比。下一步融合只是把兩個優點混合變不出原本沒有的東西——先把原模型訓好再融。常見問題看 docs/cn/faq.md新功能動態看 docs/cn/Changelog_CN.md。【免費下載鏈接】Retrieval-based-Voice-Conversion-WebUIEasily train a good VC model with voice data 10 mins!項目地址: https://gitcode.com/GitHub_Trending/re/Retrieval-based-Voice-Conversion-WebUI創作聲明：本文部分內容由AI輔助生成（AIGC），僅供參考