RVC-App

VITS ベースの音声変換フレームワーク RVC-Project/Retrieval-based-Voice-Conversion-WebUI のフォークです。Windows 環境でのリアルタイム VC に特化し、WinUI 3 ネイティブ GUI と FastAPI バックエンドを追加しています。ライセンスは上流と同じ MIT を維持しています。

インストール

Releases ページから最新の RvcRealtimeGui-Setup-<Version>.exe をダウンロードしてインストールが可能です。

インストール準備

uv コマンドと、ffmpeg をあらかじめインストールし、パスを通しておく必要があります。

1. RvcRealtimeGui-Setup-<Version>.exe を実行してインストール
2. 初回起動時に Python 仮想環境 (.venv) が uv sync により自動構築
3. 「事前学習モデルの取得」の節を参考にモデルを配置

このフォークでの主な変更

• パッケージ管理を uv に移行: requirements*.txt / Poetry を廃止し、pyproject.toml に一本化
• Python 3.10 に固定: fairseq / pkg_resources まわりの非互換を回避
• WinUI 3 デスクトップアプリ RvcRealtimeGui/ を追加: ネイティブ Windows UI からリアルタイム VC を制御
• FastAPI サーバ api_gui.py を追加: WinUI 3 アプリとの連携用 HTTP/WebSocket バックエンド

動作環境

• Windows 10 / 11
• uv インストール済み
• NVIDIA GPU + CUDA 12.x ドライバ（nvidia-smi で確認）
• ffmpeg / ffprobe が PATH に通っていること
• WinUI 3 アプリをビルドする場合は .NET SDK（RvcRealtimeGui/RvcRealtimeGui.csproj の TargetFramework を参照）

セットアップ

uv sync --extra nvidia

Python 3.10 の仮想環境 (.venv) が作成され、依存パッケージがインストールされます。

GPU バリアント

環境	コマンド
NVIDIA CUDA（デフォルト）	uv sync --extra nvidia
Intel DirectML（AMD / Intel iGPU）	uv sync --extra dml

事前学習モデルの取得

以下のファイルを手動で配置してください。

ファイル	配置先	入手先
hubert_base.pt	assets/hubert/	lj1995/VoiceConversionWebUI
rmvpe.pt	assets/rmvpe/	rmvpe.pt
pretrained モデル	assets/pretrained/, assets/pretrained_v2/	同上
変換対象の .pth	assets/weights/	自分で学習したもの
インデックス .index	任意の場所	自分で構築したもの（任意）

ffmpeg

ffmpeg.exe と ffprobe.exe を PATH に通すか、リポジトリルートに置きます。

起動

WinUI 3 デスクトップアプリ

アプリ内の「サーバー起動」ボタンを押すと api_gui.py が自動起動します。手動で起動する場合：

# FastAPI サーバ（http://127.0.0.1:6242）
uv run python api_gui.py

# WinUI 3 アプリ
dotnet run --project RvcRealtimeGui

WinUI 3 アプリは /hostapis、/devices、/config、/start、/stop、/status、/metrics（WebSocket）を通じてリアルタイム VC を制御します。学習パイプライン（/train/*）、UVR5 ボーカル分離（/uvr/*）、モデルマージ/情報表示/変更/抽出（/model/*）も同じ FastAPI サーバーが提供し、WinUI3 アプリの「モデル調整モード」（ModelTuningPage）から操作します。

インストーラーのビルド (NSIS)

WinUI 3 アプリ単体（自己完結ビルド）を配布する NSIS インストーラーを作成できます。Python 環境やモデルは含まれないため、別途 uv sync とモデル配置が必要です。

前提条件

• .NET SDK（RvcRealtimeGui/RvcRealtimeGui.csproj の TargetFramework を参照）
• NSIS（makensis.exe）

  choco install nsis -y

ビルド

./installer/build.ps1 -Version 1.0.0

installer/RvcRealtimeGui-Setup-<Version>.exe が生成されます。スクリプト本体は installer/RvcRealtimeGui.nsi。

タグ push (v*) 時には同じ手順が GitHub Actions 上で自動実行され、GitHub Release にインストーラーが添付されます（.github/workflows/release.yml）。

操作手順

1. モデル (.pth) と インデックス (.index) のパスを指定
2. オーディオデバイス（入力マイク・出力先）を選択
3. サーバー起動 ボタンで api_gui.py を起動
4. 音声変換 開始 ボタンで変換を開始

主な設定項目：

項目	内容
音高 (transpose)	半音単位。男声→女声なら +12 程度
F0 推定方法	rmvpe 推奨
インデックス強度	0〜1。高いほど学習音色に寄る
バッファ長 / クロスフェード / 追加時間	レイテンシと品質のトレードオフ

ディレクトリ構成

パス	役割
api_gui.py	WinUI 3 連携用 FastAPI サーバ
RvcRealtimeGui/	WinUI 3 デスクトップアプリ（C# / XAML）
infer/lib/rtrvc.py	リアルタイム VC コア
infer/lib/rmvpe.py	RMVPE F0 推定
infer/lib/jit/	HuBERT / Synthesizer JIT ローダ
infer/lib/infer_pack/	VITS Synthesizer 本体
tools/torchgate/	ノイズゲート
configs/	モデル設定 JSON（v1: 256dim, v2: 768dim）

トラブルシューティング

症状	対処
No supported Nvidia GPU found	nvidia-smi でドライバ確認
numpy.dtype size changed	NumPy 2.x と pyworld の非互換。pyproject.toml で numpy<2.0 を維持
UnpicklingError: Weights only load failed	PyTorch 2.6+ の torch.load デフォルト変更。configs/config.py でモンキーパッチ済み
CUDA が認識されない	uv run python -c "import torch; print(torch.cuda.is_available())" で確認後、uv sync --extra nvidia を再実行

ライセンス

MIT License。詳細は LICENSE を参照。

このリポジトリは RVC-Project/Retrieval-based-Voice-Conversion-WebUI のフォークです。

参考プロジェクト（上流由来）

• Retrieval-based-Voice-Conversion-WebUI（上流）
• ContentVec
• VITS
• HIFIGAN
• FFmpeg
• RMVPE（事前学習モデルは yxlllc と RVC-Boss によるもの）