实时变声

实时转换跑在一个独立的后台进程里，和服务器、转换任务互不干扰；它打开的是服务器所在电脑上的声卡，而不是你正在用的浏览器所在的设备。

快速上手复制锚点链接

1. 打开左侧导航的 实时。
2. 在 音频设备 区域选好 输入（麦克风）和 输出（耳机；要在 Discord、OBS 等程序中使用，选虚拟声卡，见 在其他程序中使用实时变声）。对着麦克风说话，输入电平 表应该会跳动；点 输出 旁边的 测试，应能听到一声提示音。
3. 在 音色 选择器里选一个音色，按需调整 音色参数（例如男声转女声把 音高 调到 +12 左右）。
4. 第一次使用时，开始按钮的位置可能显示 需要 … 和 下载（大小） 按钮：实时转换总是需要 HuBERT；音色有音高引导、且音高算法选的是 RMVPE、FCPE 或 CREPE 时，还需要对应的模型（pm 和 SwiftF0 不需要额外下载）。点下载，完成后按钮会恢复。
5. 点底部的 开始。按钮会依次显示正在进行的每一步（检查音频设备，加载 PyTorch、音色和模型，然后 正在预热…），进入 运行中 后即可开口说话。
6. 结束时点 停止。

下次打开页面时，上一次的设备、音色、参数和缓冲设置都会自动恢复，直接点 开始 即可。

使用本浏览器的麦克风复制锚点链接

页面顶部的 服务器设备 和 本浏览器 决定声音从哪里来、到哪里去。本浏览器 使用打开网页的设备的麦克风和扬声器——例如用笔记本或手机连接另一台电脑上的 rvc-next，或者服务器根本没有声卡（这时只有这一个选项）：浏览器通过 WebSocket 把麦克风发送到服务器，并从一个小的抖动缓冲中播放转换后的声音（60 ms，断音后重新缓冲；积压超过 250 ms 的部分会被丢弃）。

• 第一次点 开始 时浏览器会请求麦克风权限，请允许。浏览器自带的回声消除、降噪和自动增益会被关闭，因为它们会干扰转换——请戴耳机。
• 会话以浏览器的音频采样率运行（通常是 48 或 44.1 kHz）。音色、参数、缓冲、效果、增益（来自 设置 › 音频）和录音与服务器设备相同；监听、输入电平表和 测试 只属于服务器设备。
• 实际延迟是显示的延迟，加上网络往返时间和 60 ms 缓冲。同一场所的有线或良好 Wi-Fi 网络能让它保持较小；标题下的一行显示缓冲和断音次数。
• 浏览器只允许 HTTPS 页面或 localhost 使用麦克风；配置 HTTPS 见远程访问。
• 关闭标签页，或连接中断 3 秒，会话就会停止。同一时间只能连接一个浏览器：后连接的会接管。

音频设备复制锚点链接

设备面板的标题是 {主机名} 上的音频设备，提醒你这些是服务器那台电脑的设备。如果你是从另一台电脑远程打开网页，面板会额外提示：这些设备属于服务器所在的电脑，而不是此浏览器。 右上角的 刷新设备 按钮会重新扫描设备；停止状态下页面可见时，也会每 5 秒自动刷新一次。

同一个设备面板也出现在 设置 › 音频 中，两处改的是同一份设置。

输入、输出与监听复制锚点链接

设备菜单的排列规则：

• 每台设备占一整行，菜单展开后和这一行一样宽，长名称会换行而不会被截断。名称下方还有一行说明：推荐的驱动、声道数和默认采样率。
• 服务器还在列出设备时（需要一点时间，安装的驱动较多时更久），每个菜单显示 正在查找音频设备…。
• 列表较长时（九项或以上，Windows 上很常见），顶部有搜索框。
• 第一项总是 系统默认：跟随操作系统当前的默认设备。
• 接着是系统默认的那台设备（带 默认 标签），然后按名称排序；虚拟声卡带 虚拟 标签。
• 菜单里每一项是一台物理设备，显示完整名称。Windows 上同一个麦克风会同时出现在 MME、DirectSound、WASAPI 等多个驱动下，rvc-next 会把它们合并成一项，并自动选择推荐的驱动（Windows 上依次偏好 ASIO、WASAPI、WDM-KS、DirectSound、MME；Linux 上依次是 JACK、ALSA、PulseAudio；大多数 Linux 发行版自带的 PortAudio 没有 PulseAudio 驱动，PulseAudio 和 PipeWire 以 ALSA 设备 pulse、pipewire、default 的形式出现）。
• 之前保存、但现在没连接的设备仍会以灰色显示，并带 未连接 标签。

录制输出设备（内录）复制锚点链接

想转换电脑播放的声音而不是麦克风（视频、游戏、通话等），打开 设置 › 音频 › 把输出设备当作输入（内录）。输入菜单里就会同时列出所有输出设备，带 内录 标签；选中其中一台，它播放的声音就成为输入。

无法录制时，设备面板会说明原因。转换后的声音要送到另一台设备（耳机，或给其他程序用的虚拟声卡）：如果录制的正是播放转换声音的那台输出，声音会被反复录回去，rvc-next 会拒绝（会录到自己的输出）。关闭该设置后，这些输入会再次隐藏。

输入设备无法“播放进去”，所以输出菜单只列输出设备。要把转换后的声音交给其他程序，请把虚拟声卡的播放端（例如 CABLE Input）选为输出，其他程序录制它的录音端（CABLE Output）。在其他程序中使用实时变声 分步讲解了 Windows、macOS 和 Linux 上的设置。

监听自己复制锚点链接

监听自己 开关会把输入的原声直接送到监听设备（没有设置监听设备时送到输出），用来检查“麦克风 → 耳机”这条路由是否通畅。

• 停止状态下打开：只做直通，不加载音色。
• 运行中打开：设置了监听设备时，监听设备听到原声、输出仍是转换后的声音；没有设置监听设备时，输出会直接变成原声（相当于临时绕过转换）。

高级复制锚点链接

展开 高级 可以看到：

运行中修改音量（或监听的来源）会从下一块开始生效，不会重新打开设备。

面板底部有一行状态，例如 48 kHz · 单个双工流 · 估计延迟 640 毫秒：

• 单个双工流：输入和输出走同一个驱动、同一个采样率，用一个流同时收发，延迟最低。
• 分离的输入输出流：两者无法合成一个流（驱动或采样率不同），中间多一个缓冲区，延迟会多出一个块长。

测量真实延迟复制锚点链接

估计值依赖驱动报告的延迟，而这个值往往偏乐观。状态行下方的 测量延迟 会实际测一次：

1. 把输出接回输入：用音频线连接输出和输入、使用虚拟声卡自带的回环，或把扬声器靠近麦克风。
2. 点击 测量延迟。几秒内，输出设备播放四段短噪声，输入设备同时监听。测量时实时变声必须已停止（监听自己 也要关闭），输入电平表会暂停。
3. 结果类似：实测延迟 620 毫秒：经过设备的往返 560 毫秒 + 转换 60 毫秒（估计 580 毫秒）。

往返 是实测值：测试噪声经过实时变声所用的同一组缓冲（输出预填充、设备双向的缓冲、音频线或空气）。转换 部分是转换器自身的延迟（交叉淡化 + 10 ms，开启输入降噪时再加 min(交叉淡化, 40 ms)），只取决于设置，因此是计算值；SOLA 每块最多会让它少 10 ms。只要没有欠载，推理耗时不会增加延迟。

只要输入、输出和块长不变，测量结果就一直有效。用这些设置运行时，状态栏会在估计值旁显示 实测 N 毫秒，顶栏的实时变声标签也改用实测值。改交叉淡化或降噪只会重新计算转换部分；换设备或改块长会清除测量结果。

如果没有检测到返回的噪声，面板会提示：检查连接并调高音量。如果各段噪声返回的时间不一致（断音，或两个设备之间时钟漂移），请加大块长，或让输入输出使用同一驱动。用扬声器和麦克风测量时，结果包含声音在空气中传播的时间（约每米 3 毫秒）。

设备问题与修复按钮复制锚点链接

每次修改设备，rvc-next 都会在后台实际尝试按当前配置打开设备：先让驱动检查设置，实时转换停止时还会把输出和监听设备真正运行片刻（输入设备本来就为 输入电平 表打开着）。所以问题会在点 开始 之前就显示在对应设备下方，测试 声音或 监听自己 失败时也一样。问题格式为 原因：服务器给出的说明（说明文字来自服务器，为英文，会写出设备名称）：

设备下方还可能出现一行提示，说明保存的设备是怎样被重新找到的，例如 在另一个驱动下找到了 {设备名}。（换了驱动但还是同一台设备），或 未找到 {设备名}：使用系统默认设备。

输出设备不见了怎么办复制锚点链接

点 开始 时，如果保存的输出设备已经不存在，而系统默认设备可用，rvc-next 不会悄悄把声音送到默认设备（那可能是你的外放扬声器），而是弹出确认框：保存的输出设备不存在，将使用系统默认设备。 只有点 使用默认输出启动 才会继续。输入或监听设备完全找不到时，则直接报错，需要先换一个设备。

音色与参数复制锚点链接

中间一块是 音色 选择器和 音色参数 面板，和 转换 页面用的是同一套控件，含义见 音色参数。在实时页面上：

• 参数面板上方会提示 拖动时即时生效。：运行中拖动 音高、共振峰、索引强度、辅音保护、响度匹配 滑块，或切换 音高算法，都会立刻作用到正在转换的声音上，不会中断。
• 切换到一个尚未下载的音高模型时，会继续使用当前的算法并提示缺少的模型。
• 切换音色是热切换：新音色在后台加载，旧音色继续转换，加载完成后在两个块之间无缝切过去，HuBERT 和音高模型保持加载。新音色加载失败时，会继续使用原来的音色，选择器也会退回原来的音色。
• 多说话人音色会显示 说话人 菜单，运行中也可以切换；换了音色后，说话人会回到新音色的第一个说话人。若该说话人有专属索引（spk<N>），也会一并换上。
• 选择一个音色会载入它的默认预设；预设 按钮可以载入或保存预设，详见 音色参数。

缓冲与降噪复制锚点链接

缓冲与降噪 区域控制声音如何分块送进模型。每个滑块的说明末尾会用 (+N ms) 标出它在估计延迟中所占的份额。

“重新缓冲”是指：运行中修改块长、交叉淡化或上下文时，音频流会被关闭并按新的缓冲区重新打开，会有一次短暂的中断，但音色不会重新加载。

停止状态下修改缓冲设置会直接保存到设置里；运行中修改则立即发给正在运行的会话，同样会被记住。

效果复制锚点链接

缓冲设置下方的 效果 与转换页上的效果链相同（效果），作用于每个转换好的块，再播放出去；混响的尾音和压缩器的包络会在块之间延续。修改从下一个块起生效，不需要重新缓冲，并与其他实时变声设置一起保存；监听自己 直通输入时不经过效果。这里不提供 变调：在实时流中，pedalboard 的变调会压住约一秒的音频；请用音色的 音高。

开始、停止与状态栏复制锚点链接

页面底部固定着一条栏：

• 开始 / 停止 按钮。从点击的那一刻起，按钮上依次显示启动的每一步：正在检查音频设备…、正在启动实时进程…（仅首次启动）、正在加载 PyTorch 和计算设备…（仅首次启动）、正在加载音色…、正在加载索引…、正在加载 HuBERT…、正在加载音高模型…、正在预热…；无需执行的步骤会跳过。停止过程中显示 正在停止…。没有选音色时按钮不可用，并提示 选择一个音色以开始。
• 出错时，按钮上方会显示错误说明（因错误停止），一直保留到下一次 开始，或点它的 × 按钮关闭。
  • 音频设备出问题时会指明是哪一个：输入设备不可用、输出设备不可用 或 监听设备不可用，后面是原因（被其他程序占用、未连接、不支持此格式…）和设备名称，例如 The output device “Speakers (Realtek)” is in use by another program, or refused to open: …。输入和输出共用一个音频流、又无法判断是哪一个时，消息会同时列出两者。
  • 实时进程本身退出时（驱动或 GPU 库崩溃、系统内存耗尽等），标题为 后台进程意外退出，消息说明它是如何结束的（退出代码或信号），输出中有线索时也会给出原因。
  • 详情 逐项列出所有字段（设备、驱动、驱动自己的消息、异常、退出代码…），调用栈和进程最后的输出完整显示。复制 会把这些内容复制为文本，可直接贴到问题反馈里。

状态栏每秒更新 10 次，包括：

录音复制锚点链接

实时变声运行时，开始按钮旁的 录音 会把会话写成输出文件夹里的 WAV 文件（<日期>/live/）。可以选择保留什么：

之后按钮显示 停止录音 · 0:12。录音在你停止它、实时变声停止或采样率改变时结束，随后出现在实时页的 录音 一节和所有输出列表中，并记录所用的音色和参数。录音不在音频线程上进行，不会让任何一块变晚。输出音量和监听音量不作用于录音。

顶栏的实时标签复制锚点链接

会话处于活动状态时（运行中、加载中、重新连接中等），所有页面的顶栏都会显示一个实时标签，例如 实时 · 620 毫秒；加载等过程中则显示当前状态。点击标签回到 实时 页面，点它右侧的 按钮可以在任何页面直接停止。重新连接或出错时，标签会变成红色。

设备断开与自动重连复制锚点链接

运行中拔掉耳机或 USB 麦克风时：

1. 会话进入 正在重新连接设备… 状态，顶栏标签显示这一状态并变红；页面底部会说明断开的是哪个设备，例如 输出设备已断开 以及它的名称。
2. 服务器每 2 秒重新扫描一次设备。
3. 原设备重新出现（包括在另一个驱动下找到同一台设备）时，自动重新打开并回到 运行中，音色不需要重新加载。

这个行为由 设置 › 音频 › 自动重新连接丢失的设备 控制（默认开启）。关闭后，设备一旦断开，会话就直接停止，错误说明会指出断开的是哪个设备。

和其他任务一起使用 GPU复制锚点链接

实时转换在 GPU 上运行时会占用 GPU：

• 此时排队的 GPU 任务（转换、分离、训练等）会显示 等待 GPU，并提供 仍然运行 按钮，提示 实时转换正在使用 GPU。同时运行可能导致声音卡顿。
• 实时会话活动时，顶栏的 释放显存 不可用。停止后，空闲的实时进程仍会保留已加载的模型以便下次快速启动，此时可以用 释放显存 释放。
• 显存不足时会话会以 GPU 不可用或显存不足 停止，实时进程和服务器都会自动卸载已加载的模型。可以关闭其他占显存的程序后重试，或在 设置 › 计算 中改用 CPU。

降低延迟的建议复制锚点链接

1. 先保证不卡顿，再压延迟。 从默认的 250 ms 块长开始，观察 负载：长期低于 50% 再逐步减小块长；超过 80% 或出现 欠载 就加大块长（或直接点 将块长增加到 N 毫秒）。
2. 让输入输出走同一个驱动和采样率，状态行显示 单个双工流，可以省掉一个块长的延迟。
3. 使用低延迟驱动：Windows 上优先 WASAPI 或 ASIO，Linux 上优先 JACK 或 ALSA，在 高级 › 驱动 中选择。
4. 上下文 不增加延迟，但会增加每块的计算量；负载偏高时可以从 2500 ms 适当减小。
5. 交叉淡化 直接计入延迟，一般 50 ms 足够；开启 输入降噪 会再增加最多 40 ms。
6. 音高算法上，pm 最快，RMVPE 质量最好；GPU 较弱时可以试试 pm。
7. GPU 上默认启用 设置 › 计算 › 实时转换使用 CUDA Graph，可以减少每块的开销。

ASIO（Windows）复制锚点链接

专业声卡常提供 ASIO 驱动，延迟通常比 WASAPI 更低。默认情况下 ASIO 不会被列出，需要：

1. 打开 设置 › 音频，开启 启用 ASIO 驱动（Windows）。
2. 回到 实时 页面，点 刷新设备。支持 ASIO 的设备会以 ASIO 作为推荐驱动，也可以在 高级 › 驱动 中手动选择。

用命令行运行复制锚点链接

不打开网页也可以实时变声，设备和参数默认沿用网页里保存的设置：

rvc-next live devices          # 列出音频设备
rvc-next live check            # 检查保存的设备和格式
rvc-next live test-tone        # 在输出设备上播放提示音
rvc-next live run -v 我的音色 --pitch 12   # 开始实时转换，Ctrl+C 结束

live run 还支持 --block-ms、--crossfade-ms、--context-ms、--threshold-db、--denoise-strength、--phase-vocoder、--input-gain、--record both|converted|input、--allow-fallback 等选项，完整列表见 命令参考。