RVC模型融合完全指南不重训10分钟拿到新音色【免费下载链接】Retrieval-based-Voice-Conversion-WebUIEasily train a good VC model with voice data 10 mins!项目地址: https://gitcode.com/GitHub_Trending/re/Retrieval-based-Voice-Conversion-WebUI你手上有两个训练好的 RVC 模型一个咬字清楚一个情感更足但没法同时用在一个文件里。Retrieval-based-Voice-Conversion-WebUI 的模型融合功能可以把两个 .pth 的参数做加权混合产出一个新模型不用重新训练。做完这件事你手里会多一个 .pth直接扔进推理就能用。模型融合到底做了什么一句话说清本质是加权平均把两个模型每一层的权重按同一组比例alpha 与 1−alpha相乘再相加存成新的 ckpt。权重越靠近 1音色越像 A 模型0.5 就是五五开。核心逻辑在 infer/lib/train/process_ckpt.py 的 merge 函数里想深入可以直接打开看。两个前提两个模型必须是同架构同版本、同采样率否则程序会直接告诉你融合失败不会硬拼。模型融合最小流程从启动 WebUI 到拿到新 .pth启动python infer-web.py浏览器打开本地地址通常是 http://localhost:7860。切到「ckpt处理」选项卡里面有一块「模型融合」区域字段分四组A模型路径 / B模型路径填你要融合的两个 .pth一般在 assets/weights/ 目录下A模型权重0–1 的滑杆默认 0.5目标采样率40k/48k和模型是否带音高指导是/否按原模型的训练设置选保存的模型名不带后缀输名字存盘时自动补 .pth点「融合」按钮「输出信息」里出现 Success. 即成功新文件已经躺在 assets/weights/ 里。现象处理报错 The model architectures are not the samev1 和 v2 混选了或采样率不一致换成同配置的两个模型显示成功但音色发糊、发飘先单独跑两个原模型确认都能用再收窄权重范围重试新模型没出现在推理下拉框检查「保存的模型名」有没有真的填文件可能存在但名字不对再提醒两件事融合产物不带索引第一次推理可以复用原模型之一的 index 试效果。「要置入的模型信息」留空的话新模型没有描述下拉框里显示为空不影响音色只影响观感。模型融合权重怎么调动哪里、动多少、怎么判断alpha 是唯一真正决定听感的参数值得花点时间先跑 0.3 / 0.5 / 0.7 三档每次用同一条源音频推理保证变量只有一个听音色特点并记录0.3 时偏谁0.7 时偏谁找到哪边「赢」在感觉最好的值附近按 ±0.05 步进细调别漏掉 0.1 / 0.9 极端值——有时某一边只是有小毛病气息弱、咬字虚小比例反而刚好盖住它判断好坏的标准找一句信息量大的长句有快有慢、有气声做推理听咬字是否清楚、气息是否自然、有没有金属音。一句短句下不了结论。批量模型融合脚本入口与最小示例要测一组比例、比较多组结果时别手点 WebUIWebUI 的「融合」按钮走的是 APIckpt_merge声明在 infer-web.py 里写脚本请求这个接口就能把比例表循环跑完批量验证效果用 tools/infer_cli.py每个融合模型跑一次循环对比输出文件python tools/infer_cli.py \ --model_name merged_model \ --input_path test.wav \ --opt_path out/merged_05.wav循环里改--model_name和输出文件名就行其余参数保持不动结果才好对比。下一步融合只是把两个优点混合变不出原本没有的东西——先把原模型训好再融。常见问题看 docs/cn/faq.md新功能动态看 docs/cn/Changelog_CN.md。【免费下载链接】Retrieval-based-Voice-Conversion-WebUIEasily train a good VC model with voice data 10 mins!项目地址: https://gitcode.com/GitHub_Trending/re/Retrieval-based-Voice-Conversion-WebUI创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考