RVC Wiki

4/11にRVC公式でリアルタイム変換がサポートされた。ただしgithub上のみでのアップデートで、RVC-beta用のアップデートファイルは配布されていない。
https://github.com/liujing04/Retrieval-based-Voice...

guiファイルを起動することでリアルタイム変換が可能。TEMPフォルダを作成し、そこにhubert_baseを配置しなければ動作しない。また、indexファイルとnpyファイルも指定しないと動作しない。
遅延最小設定にすると遅延は0.5秒。音の途切れも無いが、発音が不明瞭になってしまう。

float16を使わないように修正することで、GTX1600番台でも精度を落とさずに使うことができる。学習はcolabでやらせて、リアルタイム変換はローカルでやるのが良いか。
変更箇所は以下。(ひたすら half をなくすだけの作業)

gui.py 
l.36
- self.model = self.model.half()

l.43
- self.net_g = SynthesizerTrnMs256NSFsid(*cpt["config"], is_half=True)
+ self.net_g = SynthesizerTrnMs256NSFsid(*cpt["config"], is_half=False)

l.49
- self.net_g.half()

l.99
- "source": feats.half().to(device),
+ "source": feats.to(device),

l.114
- feats=feats.half()