TWed2k - 心得教學區 - [分享]AI變聲器

zzz
驢有所悟

．積分： 18
．文章： 44
．收花： 162 支
．送花： 0 支
．比例： 0
．在線： 7 小時
．瀏覽： 740 頁
．註冊： 2491 天
．失蹤： 17 天

#1 : 2026-2-14 03:31 PM 只看本作者	送花 (9) 送出中...

Realtime Voice Changer Client（簡稱VC Client）為一款開源AI即時變聲器，適合在直播或者語音聊天的時候使用，實現即時變聲，讓你用不同的聲音說話。

它整合了RVC、VITS、Beatrice、MMVC、so-vits-svc等多種技術來達成變聲。

這裡Ivon會先分享如何在Linux系統安裝VC Client，解說如何搭配OBS Studio直播軟體使用。

之後分享，如何透過PipeWire的功能，把VC Client變聲後的音訊，當成一個虛擬麥克風，便能在其他通訊軟體，例如Discord裡面使用。

1. VC Client硬體需求
VC Client提供WIndows、macOS、Linux版本。

WIndows和macOS有執行檔可以下載，Linux得用Docker跑。

VC Client支援透過CPU或Nvidia GPU計算。要輸出高品質的音訊，至少需要4GB的VRAM，而且還要即時轉換，老實說這個吃資源有點兇。

這個軟體有一個WebUI，能在區域網路執行，若是覺得本機運算開銷過大，那麼把變聲器的任務放在另一台電腦上跑也是可以。

2. Linux透過Docker安裝VC Client
這是作者推薦的方式，但作者的Docker映像檔已經一年以上沒更新了，導致無法使用RVC以外的新模型。若需要最新功能，請手動設定Python環境。

以Ubuntu為例，先安裝Docker

我要在Docker裡面使用Nvidia CUDA加速，所以得安裝Nvidia Container Toolkit

複製儲存庫

git clone https://github.com/w-okada/voice-changer.git

cd voice-changer
執行這個指令稿，拉取映像檔並啟動服務。
./start_docker.sh
啟動後等待模型下載。

開啟網頁界面：https://localhost:18888。強制使用HTTPS的原因是瀏覽器因素，大多數瀏覽器需要HTTPS才允許存取麥克風，所以這個映像檔會自簽SSL憑證。也可以用https://Linux的區域IP:18888來存取這個網頁界面，讓另一部電腦處理變聲器計算，降低主電腦的負擔。

最上面是人聲列表，按Edit，點選格子，點選DL Sample，下載範本模型。

一個格子只能下載一個模型。這裡的模型主要是RVC，網路上有很多人分享，所以你能上傳新的RVC模型，也可以自行用RVC WebUI訓練一款變聲模型。

設定音訊處理方式。Noise勾選Echo，消除回音。接著，F0 Detect設定rmvpe_onnx，用CPU跑音高辨識模型。最後選取使用GPU計算。

Flash: https://static.ivonblog.com/posts/realtime-voice-changer-client/images/Screenshot_20250302_213122.webp

設定輸入裝置。

點選Audio，勾Client，Input勾選Linux的麥克風裝置。建議使用耳麥或者桌上型麥克風，收音比較清楚，為的是背景不要有太多噪音，免得程式把電腦風扇也當作人聲在講話。

Output勾選揚聲器，或是其他音訊輸出裝置。因為VC Client會輸出音效到揚聲器，導致你會一直聽到自己變聲的音效。覺得太吵的話，就把它輸出到耳機吧。

3. Linux手動設定VC Client的Python環境
執行Python原始碼，存取最新功能。

安裝Anaconda

建立Python 3.10的虛擬環境

conda create -n vcclient-dev python=3.10

conda activate vcclient-dev
複製VC Client儲存庫，安裝依賴
git clone https://github.com/w-okada/voice-changer.git

cd voice-changer/server

pip install -r requirements.txt
啟動伺服器
python3 MMVCServerSIO.py -p 18888 --https true
4. VC Client變聲操作
點選格子裡面的大頭貼，選取模型，點選Start開始變聲。

對著麥克風講話，應該會聽到變聲效果，聲音會有一點延遲，端看GPU性能。按Passthrough暫時停用變聲。

Tune的數值可以調整講話音高。

要更高品質的合成音，試著把chunk和Extra數值設定高一些，但延遲相應的也會上升。

此外，按Audio下面的REC，能夠錄製講話變聲後的聲音。按下Stop後便會儲存為wav音檔。

5. 搭配OBS Studio使用變聲器
Linux安裝OBS Studio

最簡單的方式是關掉麥克風，讓OBS Studio只捕捉變聲後輸出的聲音。

img]https://static.ivonblog.com/posts/realtime-voice-changer-client/images/Screenshot_20250302_202044.webp[/img]

或者請參考下面方法，新增虛擬麥克風。

6. 於通訊軟體使用變聲器
利用PipeWire製造一個虛擬麥克風，用來接收瀏覽器裡面的VC Client所輸出的變聲音效。這樣通訊軟體裡面才可以使用這個麥克風作為輸入來源。

Ubuntu 24.04以後應該是使用PipeWire當音訊系統了，所以此方法可行。

參考：How to create a new pipewire virtual device that to combines an real input and output into a new input?

利用PipeWire（實則是PulseAudio）的指令，新增虛擬槽位，還有虛擬麥克風
pactl load-module module-null-sink media.class=Audio/Sink sink_name=my-combined-sink channel_map=stereo

pactl load-module module-null-sink media.class=Audio/Source/Virtual sink_name=my-virtualmic channel_map=front-left,front-right
安裝Helvum，按照下圖，將瀏覽器的輸出接到虛擬槽位，虛擬槽位再接到虛擬麥克風。

回到VC Client網頁界面，將output設定為虛擬槽位。這樣的話，變聲所輸出的音訊便會全部導向虛擬麥克風了。

開啟通訊軟體，例如Discord，選取虛擬麥克風，應該就只會出現變聲後的聲音。

[如果你喜歡本文章，就按本文章之鮮花～送花給作者吧，你的支持就是別人的動力來源]

本文連接

快速回覆