Mygf-f048k使用文档

更新2025/12/01

这次我们发布了Spin版的底模，在一定程度上对模型的收敛会更加快，并且对哑音的优化会有一定的效果。

说明，由于Spin版团队打包时，只上传了底模文件，所以替换文件48k.json以及rmvpe.pt在Contentvec版本中，请优先下载Contentvec版的底膜。

前言

本底模完全跳过RVC_v2默认底模从头开始训练的一款预训练模型，默认RVC_v2的模型说话人是109位，使用50小时英文数据集进行训练。而Mygf-f048k基于contentvec嵌入模型，使用中英日三种语言数据集进行预训练，语言数据集大约在100小时左右，配合预训练rmvpe高音指导。

替换

值得注意的是，本款模型由于增加说话人，您需要替换原本的RVC_v2的底膜配置文件。

configs\v2\48k.json

下载的是官方开源项目并且版本为V1006，那么它一定会在这个位置，在此之前，您可以备份该文件在替换。

其次，还需要替换掉rmvpe模型。

assets\rmvpe\rmvpe.pt

训练模型一定要替换这两个文件，否则会导致训练失败或训练的模型沙哑。

参数

本次底膜的参数比RVC_v2两倍之多，预训练的参数如下：

• 说话人：308位
• 语言：中/美/日
• 语料：>100/小时
• step：≈1.2M
• 训练周期：24 day

详细教程

文件打包的目录如下

1. rmvpe.pt
2. 48k.json
3. D_Mygf-f048K.pth
4. G_Mygf-f048K.pth

将1和2文件按照第二部中的替换解压到指定的位置上，3和4您可以放在任何一个可访问目录下，至此新底膜部署完毕。

在训练中请先选择[目标采样率->48K]之后在修改[加载预训练底模G路径]以及[加载预训练底模D路径]的路径。

(修改底膜路径)

在训练期间，控制台输出：

DEBUG:infer.lib.infer_pack.models:gin_channels: 256, self.spk_embed_dim: 308

则代表底膜正确识别加载成功。这个时候，所有步骤都已经完成。

RVC 报错 [109, xxxx] 的解决方法

很多用户在配置模型或训练过程中，可能会在控制台看到类似：

[109, xxxx]

这种报错一般不是模型损坏，而是因为不同版本的 RVC 在读取配置文件时存在差异，导致说话人维度没有正确匹配。

官方推荐使用的稳定版本为：

https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/releases/tag/2.2.231006

如果你是第一次搭建环境，建议优先使用这个版本作为训练基座。下载时建议优先选择 Contentvec 版本，因为配置文件主要在该版本中；其次再考虑 Spin 版本。

---

一定要使用 1006 版本吗？

不一定。

1006 版本只是目前最稳定、最省事的方案。如果你已经在使用其他版本的 RVC，也可以通过手动修改配置文件来解决问题，只是步骤会稍微复杂一点。

---

其他版本 RVC 的解决方法

如果你在运行项目时出现 [109, xxxx] 报错，可以按照以下步骤操作：

1. 打开你的 RVC 项目目录，例如：

RVC20240604Nvidia

2. 进入对应模型的日志文件夹，例如：

RVC20240604Nvidia\logs\mygf-xxxx

其中 mygf-xxxx 是你的训练项目名称，不同项目名称会有所不同。

3. 在该文件夹中找到：

config.json

4. 用记事本打开 config.json，找到这一行：

{ "spk_embed_dim": 109 } 

5. 将其中的 109 修改为 308，修改后如下：

{ "spk_embed_dim": 308 } 

6. 保存文件，然后重新开始训练项目即可。

---

注意事项

这种方法主要适用于：

• 配置文件替换失败
• 使用非官方推荐版本的 RVC

如果你每次新建训练项目后仍然出现 [109, xxxx] 报错，就需要重新进入对应项目的 logs 文件夹，手动修改一次 config.json 中的参数。

简单总结：

只要报错中出现 109，就检查 config.json，把：

{ "spk_embed_dim": 109 } 

改成：

{ "spk_embed_dim": 308 } 

保存后重新训练即可解决问题。

优点

• 不会出现口胡。
• 支持不同语料互相转换（日转中会出现“大佐”音，使用Mygf-f048k）训练的模型，则不会出现。
• 6分钟左右的语料也能完美训练。
• 音色更加接近。

使用新底膜训练的模型

https://apis.klrvc.com/mxgf/3488.html

https://apis.klrvc.com/mxgf/3471.html

https://apis.klrvc.com/mxgf/3451.html

https://apis.klrvc.com/mxgf/3432.html

https://apis.klrvc.com/mxgf/3415.html

以上就是新底模的全部部署教程，按照教程一步一步操作即可。

最后附上底膜损失图

以上测试均在2.2.231006版本中进行：https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/releases/tag/2.2.231006