Seed-VC 语音转换

Seed-VC：零样本、实时的语音与歌声转换工具 🎙️🎶

Seed-VC 是一个先进的 语音转换（VC）与歌声转换（SVC）项目。它最大的特点是支持零样本学习（Zero-shot）与实时处理，无需任何训练，仅凭1到30秒的参考音频即可克隆目标声音。

✨ 核心功能

• 零样本语音转换： 上传源音频和目标参考音频，直接转换声音。
• 零样本实时语音转换： 支持约300ms算法延迟 + 100ms设备延迟，适用于在线会议、游戏和直播。
• 零样本歌声转换： 专门优化，支持更高采样率（44.1kHz）和高音质量。
• 微调支持： 可在自定义数据上进行快速微调（每个说话人最低仅需1句话，最少100步训练即可见效）。

🤖 模型版本

项目提供了四种预训练模型以适应不同场景：

• v1.0 tiny版 (seed-uvit-tat-xlsr-tiny)： 25M参数，22050Hz采样率，最适合实时语音转换。
• v1.0 small版 (seed-uvit-whisper-small-wavenet)： 98M参数，22050Hz，适合离线高质量语音转换。
• v1.0 base版 (seed-uvit-whisper-base)： 200M参数，44100Hz，专为歌声转换 (SVC) 设计，零样本性能强大。
• v2.0版 (hubert-bsqvae-small)： 67M+90M参数，最佳抑制源说话人特征，支持语音和口音转换。

🛠️ 使用方式

项目提供了多种使用接口：

• 命令行推理： 通过 inference.py 或 inference_v2.py 快速转换文件。
• Web UI： 运行 app_vc.py (语音)、app_svc.py (歌声) 或集成界面 app.py，在浏览器中操作。
• 实时转换GUI： 运行 real-time-gui.py，获得带参数调节的图形界面，可用于虚拟麦克风路由。

💻 安装与要求

建议使用 Python 3.10 环境，支持 Windows、Linux 和 Mac M系列芯片。通过 pip 安装依赖即可开始使用。

📈 项目状态

该项目在 GitHub 上已获得 3.8k Stars 和 492 Forks，主要使用 Python (97.4%) 开发，社区活跃，持续更新中。