File size: 1,907 Bytes
54b3702
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
import os
import torch
import librosa
import soundfile as sf
import gradio as gr
from fairseq import checkpoint_utils

# 配置路径
MODEL_PATH = "ayumi.pth"  # RVC 微调模型路径
INDEX_PATH = "added_IVF738_Flat_nprobe_1_ayumi_v2.index"  # RVC 索引文件路径
TARGET_SAMPLE_RATE = 16000  # 目标采样率
OUTPUT_AUDIO_PATH = "converted_audio.wav"  # 转换后的音频保存路径

# 加载模型
def load_rvc_model(model_path):
    print("加载 RVC 模型中...")
    model, cfg, task = checkpoint_utils.load_model_ensemble_and_task([model_path])
    model = model[0].eval().cuda()
    print("模型加载成功")
    return model

# 预处理音频
def preprocess_audio(file_path, target_sr=16000):
    audio, sr = librosa.load(file_path, sr=target_sr)
    return audio, sr

# 声音转换
def convert_audio(model, input_audio, sr):
    with torch.no_grad():
        input_tensor = torch.tensor(input_audio).unsqueeze(0).float().cuda()
        output_audio = model(input_tensor).cpu().numpy()
    return output_audio

# 加载模型
rvc_model = load_rvc_model(MODEL_PATH)

# Gradio 接口处理函数
def process_audio(file):
    # 加载用户上传的音频
    input_audio, sr = preprocess_audio(file.name, TARGET_SAMPLE_RATE)
    print(f"加载音频完成,采样率:{sr}")

    # 调用 RVC 模型转换音频
    converted_audio = convert_audio(rvc_model, input_audio, sr)
    print("音频转换完成")

    # 保存输出音频
    sf.write(OUTPUT_AUDIO_PATH, converted_audio, sr)
    return OUTPUT_AUDIO_PATH

# 构建 Gradio 界面
interface = gr.Interface(
    fn=process_audio,
    inputs=gr.Audio(label="上传音频", type="file"),
    outputs=gr.Audio(label="转换后的音频"),
    title="RVC 音色转换",
    description="上传任意音频,使用微调的 RVC 模型将其转换为目标音色。"
)

# 启动应用
if __name__ == "__main__":
    interface.launch()