Rvc Voice Conversion

RVC — Conversión de voz (retrieval-based, por entrenamiento)

⚠️ Corrección 2026-09-05 (auditoría stars-explorer): la v1 decía "zero-shot, clones de voz sin fine-tuning" y python infer.py. Falso: RVC requiere entrenar un modelo por voz y se lanza con python webui.py.

Repo: https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI (MIT, Python, ~38K⭐).

When to Use

• Cuando pidas conversión de voz (cambiar el timbre de un audio a otra voz) y dispongas de unos ~10 min de voz limpia para entrenar.
• Para controlar el resultado (pitch, preservación del habla) de la voz objetivo.

Qué es

Conversor de voz basado en recuperación/entrenamiento: para cada voz objetivo hay que entrenar un modelo (el README abre con "Easily train a good VC model with voice data <= 10 mins!"). No es zero-shot: no clona sin datos.

Uso

# 1) En el root del repo
# 2) Instalar dependencias según hardware (NO existe requirements.txt genérico):
#    CPU:
pip install -r requirments_cpu_py312.txt        # (nombre tal cual en el repo)
#    NVIDIA CUDA 11.8 / 12.x:
#    pip install -r requirments_cu118_py312.txt
#    pip install -r requirments_cu128_py312.txt
# 3) Arrancar la web UI:
python webui.py        # (o go-webui.bat en Windows)

(El nombre exacto de los ficheros de requisitos y de webui.py puede variar por versión — verificar en el README. infer.py NO existe.)

Pitfalls

• No es zero-shot — hay que entrenar un modelo por voz (muestra limpia). Cualquier afirmación de "clones sin fine-tuning" es falsa.
• El lanzador es python webui.py, no infer.py (404 en el repo).
• Los requisitos van por hardware, no un único requirements.txt.

Verificación

• Entrenar con una muestra limpia (~10 min) y convertir un clip de prueba; comprobar que la voz resultante es consistente y no pierde nitidez.