变声器？社工？hvv时可以试试，基于 AI 的 RVC 变声器安装踩坑记录。

嗨，大家好，这里是闪石星曜CyberSecurity。

最近在玩变声器，发现了一款不错的变声器 - RVC。

突发奇想，觉得可以利用 AI 针对目标声音进行模型训练，以达到声线声色完美的贴合，实现真实的变声效果，最后进一步社工利用。

如果能收集到目标声音，比如某个领导的声音，时长至少 10 到 30 分钟吧，当然时间越长训练出来的效果越好。

本期，先讲一下 RVC 这款工具以及踩坑安装记录吧。

关于训练模型部分大家可以自行哔哩哔哩查找一下，有很多教程的。

思路抛出来了，实际利用大家各展神通吧，-.-。

交个朋友吧，power_7089。

进入正题

一、RVC 是什么

近一段时间，人工智能同时掀起了实时变声器热潮，虽然我对之前变声器可以说一点不了解，但在四五月份在网上搜索以及准备花钱找人调试实时变身时，突然有一天冒出来了 RVC 实时变声，配合人工智能训练语音模型，简直强的不可描述。

当然目前来看还是有些缺点，比较吃电脑性能。

那什么是 RVC 呢？简单来说就是实时变声器框架，配合训练好的模型，可以实现完美变声，男变女，女变男，甚至学狗叫都是信手拈来。

变声匹配度跟训练有关，越深入匹配度越高，真贴近训练的声音。

总结来说，RVC 就是实时变声器，配合训练好的模型，可以实现输入输出到录音中，直播中，各种语音中，直接化身清纯少女，成熟大叔，魅惑阿狸，令人欲罢不能。你想到的想不到的他目前都能做到。

二、RVC 安装

Github 项目地址：

https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI

我的环境是：Windows11，Python3.10，Visual Studio 2019 的 C++ 编译环境。

下载 Visual Studio 2019 是因为其中有个 fairseq 依赖需要 C++ 14 以上的库，所以我选择直接安装 Visual Studio 2019 的 C++ 桌面编译环境。

需要注意的是，我在安装时遇见了各种问题，最终选择下载了一个全新的 Python3.10 版本，只自带默认的依赖库，在此基础上 pip 安装了 RVC 依赖，解决了所有问题。

第一步：下载 RVC 项目，并解压。

第二步：下载 Python 3.10，并安装，记得添加环境变量。下载地址：https://www.python.org/downloads/release/python-3100/，滑到底，选择 Windows install 下载，根据自己的电脑位数选择。

第三步：安装 C++ 编译环境，我选择的是直接安装 Visual Studio 2019 的 C++ 桌面编译环境，可自行只安装 C++ 14 以上的编译环境。下载地址：https://visualstudio.microsoft.com/zh-hans/vs/older-downloads/

第四步：启动 CMD 并进入 RVC 解压目录，键入以下命令。

 py -3 -m pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/

耐心等一会，全程无报错，最终显示 Successfully xxxx，即成功安装。但这还没完事。

第五步：继续在 CMD 执行命令py -3 gui.py，会英文提示缺少 XXX 模块，我们针对缺失的模块特定安装即可。好像缺失三四个，自行安装下就可以了。

第六步：最后在 CMD 执行命令py -3 gui.py，即可成功启动。

需要注意的是，如果你的系统 GPU 是 RTX 系列，则有几个模块需要安装指定版本，执行下面命令卸载之前安装的版本：

py -3 -m pip uninstall torch torchvision torchaudio

在执行下面命令安装特定版本：

py -3 -m pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117

至此，环境安装完毕，成功启动 gui.py，打开了 RVC  的 GUI 调试界面。

三、RVC 调试

RVC 调试细枝末节比较多，稍有差错就是报错，大家多注意吧。

1.响应阈值

尽量拉满 -60，即使有比较大的环境噪音，也可以通过 nvidia broadcast 的 ai 降噪处理噪音，独立声卡可以接入机架的降噪插件（推荐rx10 denosie yyds），效果更好，同时开多个ai处理软件，对显存要求比较高，尽量8gb以上，不然打游戏都会卡的。需要注意的是：开了 nvidia broadcast 后，音色会发闷些，无法达到完美的效果。

2.音调设置

男转女一般在 12，在这附近左右调整，分别可以变粗或变细，选好之后就不要动了。

女转男一般在 -12左右。

3.index rate

这东西左边是接近底模的音色，右边是接近模型的音色。如果调高不影响口齿，可以略微调高，一般 0.2-0.5 都是可以的。如果装备的模型效果不理想，尽量往左拉。

4.采样长度

尽量调低一些，只要不卡，0.3 以上都可以。13600k 为例一般是 0.8 左右比较稳定，0.6 就容易出爆音。

5.淡入淡出长度

可以理解为尾音的长短，小了声音清脆但容易断字，大了声音连贯但音色会糊。根据自己听感来。

6.额外推理时长

一般 2 种选择，当采样长度比较大的适合，可以保持采样长度一样的数值，但是说话会比较干，没什么拖音。

另外一种选择，可以考虑公式：采样长度 + 额外推理时长 =2 这个公式，一般效果效果还不错，说话连续性更强。

推理这个参数有点像压限器的释放时长，如果你想你的尾音拖的比较长就拉到1.5左右，如果想清爽点，吐字如机关枪，那就往低了拉，一般到采样长度左右就行。

【炼石计划@渗透红队攻防】

点我获取详细介绍

是一个专注渗透红队攻防的内部圈子，多维度分享和红队攻防息息相关的内容，包括但不限于 Java 代码审计，PHP 代码审计，Web进阶渗透，红队攻防实战总结，漏洞复现等内容。2023年核心主题是【红队攻防一百篇】，传递一手的红队攻防，黑灰对抗，护VV等实战经验，第一时间总结，第一时间反馈，让大家第一时间学习吸收到最新的技术，打破信息传递壁垒。       

当然，内部圈子不仅有【渗透红队攻防实战 100 篇】的飞升期的武功秘籍，还有【Java安全基础 15 篇（已完成）】、【JavaWeb代码审计基础 15 篇（已完成）】、【PHP之WEB安全基础 13 篇（已完成）】、【Python基础 8 篇（已完成）】、【漏洞复现 50 篇（分享中）】、【CMS系统代码审计 10 套- 20 篇（分享中）】、【内部 CS 插件】等筑基期的武功秘籍。总之这里从基础到进阶都所有涉及，最终在实战秘籍中提升自己！

备注：原创文章与知识星球内容同步更新，后续计划将星球人员逐步迁移到帮会中。

原文始发于微信公众号（闪石星曜CyberSecurity）：变声器？社工？hvv时可以试试，基于 AI 的 RVC 变声器安装踩坑记录。