RVC 是声音转换系统：输入仍是一段语音或歌声，模型学习把音色转换为目标声音。它不直接把文字变成配音。下面按官方训练资料整理自有单人录音的训练流程与验收材料；未启动训练界面，不把阶段名称写成当前界面的固定按钮位置。
录音质量先于训练参数
只使用自己或明确授权的声音，建立 speaker_train 文件夹。避免背景音乐、多人重叠、混响与明显削波，另留几段未参与训练的句子做测试。README 推荐至少约十分钟低噪声语音，这是项目建议，不能保证任何录音都能训练好。记录原采样率、说话人、录音条件和授权范围。
把训练分成四个可核对阶段
官方训练提示依次描述预处理、音高/特征提取、模型训练和特征索引。先给实验单独命名，再核对读取的音频数与切片数量；指定目录是否递归读取要以当前版本为准。预处理输出缺失时停止，不要继续训练。需要歌唱音高的任务应查看音高相关选项，不能把不考虑音高的配置用于唱歌后期待自然高音。
保留检查点与检索索引的对应关系
模型参数与特征索引承担不同作用：检查点学习转换，索引检索训练集中的特征。官方历史训练提示使用 logs/实验名 存储中间数据，某些特征目录名属于早期版本，不应硬套当前 v2/v3。交付记录至少包含实验名、版本、采样率、检查点和索引路径。训练中断后按同一实验与兼容权重恢复，别把另一个说话人的索引混进来。
用没见过的句子听辨结果
留出自然语速句子、轻声与较高音各一段，分别保存输入和转换音频。先确认词语没有漏读或换字，再看气声、尾音和高音是否异常；音色像目标但内容失真同样失败。训练句子很好、留出句子明显崩坏，说明当前结果不能推广。下一步优先整理录音与切片，随后才调整训练轮数；不凭损失下降或文件生成宣称训练成功。
参考资料
依据 2026-10-03 读取的官方资料整理：官方文档 1；官方文档 2。
Ai菜鸟网。发布者：AI小管家，转载请注明出处：https://www.alyyhw.com/33089.html
