Inteligência Artificial

RVC: Guia Completo do Modificador de Voz com Inteligência Artificial em Tempo Real

Xavier

26 Mai 2025 • 7 min read

A capacidade de alterar a voz em tempo real utilizando Inteligência Artificial (IA) tem se tornado cada vez mais acessível, permitindo que usuários soem como seus streamers, YouTubers ou até personagens de anime favoritos. Uma ferramenta que se destaca nesse cenário é o RVC (Retrieval-based Voice Conversion), um modificador de voz que promete resultados impressionantes. Neste artigo, exploraremos em detalhes como instalar, configurar e utilizar o RVC, analisando suas funcionalidades e comparando-o com outras soluções disponíveis.

O que é o RVC (Retrieval-based Voice Conversion)?

O RVC, ou Retrieval-based Voice-Conversion-WebUI, é um framework de conversão de voz fácil de usar, baseado em VITS (Variational Inference with adversarial learning for end-to-end Text-to-Speech). Conforme demonstrado em vídeos explicativos sobre a ferramenta, seu objetivo é permitir a transformação da voz do usuário em outra voz-alvo em tempo real, utilizando modelos de IA pré-treinados ou customizados. A popularidade do RVC se deve, em parte, à sua capacidade de funcionar com recursos computacionais relativamente modestos e à sua natureza de código aberto, disponível no GitHub.

Como Instalar o Modificador de Voz RVC

A instalação do RVC pode parecer um pouco técnica inicialmente, mas seguindo os passos corretos, é um processo gerenciável. O apresentador do vídeo de demonstração detalha o processo, que resumimos a seguir.

Pré-requisitos Essenciais para o RVC

Antes de iniciar a instalação do RVC, é crucial garantir que alguns pré-requisitos estejam atendidos em seu sistema. De acordo com a documentação oficial no GitHub e as instruções do vídeo, você precisará de:

Python: É recomendado ter o Python 3.8 ou superior instalado.
PyTorch: Uma biblioteca de machine learning essencial para o RVC. A instalação do PyTorch pode variar dependendo da sua placa de vídeo (GPU).
Dependências Específicas: A página do RVC no GitHub fornece comandos específicos para instalar as dependências principais via pip, incluindo versões adequadas para quem utiliza placas de vídeo NVIDIA (com CUDA) ou AMD. É fundamental prestar atenção a essas instruções para garantir a compatibilidade e o desempenho ideal.

O vídeo também ressalta a importância de seguir as instruções de instalação das dependências com atenção, pois elas são cruciais para o funcionamento correto do software.

Download dos Arquivos do RVC

Com os pré-requisitos em ordem, o próximo passo é baixar o pacote completo do RVC. O vídeo orienta o usuário a acessar a página de "Releases" no repositório GitHub do projeto RVC.

É importante, como destacado no vídeo, que o caminho da pasta onde você extrair os arquivos do RVC não contenha espaços. Por exemplo, em vez de "C:\Meus Programas\RVC", use algo como "C:\Programas\RVC" ou "C:\RVC". Caminhos com espaços podem causar problemas na execução do software.

Configuração Inicial e Modelos de Voz para o RVC

Após extrair os arquivos, a configuração dos modelos de voz é o próximo passo.

Modelos de Voz (.pth): O RVC utiliza arquivos com a extensão .pth para os modelos de voz. Você pode precisar fornecer seus próprios modelos, embora a versão baixada possa vir com alguns exemplos.
Localização dos Modelos: Os arquivos .pth devem ser colocados na pasta dentro do diretório principal do RVC.
Obtenção de Modelos: O vídeo menciona que existem recursos e até mesmo outros vídeos dedicados a ensinar como encontrar ou criar modelos de voz customizados para o RVC.

Utilizando a Interface Gráfica (GUI) do RVC

Para iniciar o RVC, navegue até a pasta raiz onde você extraiu os arquivos e execute o arquivo chamado . Isso abrirá um prompt de comando e, em seguida, a interface gráfica do usuário (GUI) do RVC.

O vídeo destaca que a GUI do RVC é visivelmente mais simples e com um design mais "antiquado" em comparação com outras ferramentas como o W-Okada, mas sua funcionalidade é o foco.

Carregando Modelos de Voz no RVC

A primeira seção da GUI é dedicada ao carregamento do modelo:

Select the .pth file: Clique neste botão para navegar e selecionar o arquivo .pth do modelo de voz desejado, localizado na pasta .
Select the .index file: Alguns modelos podem vir com um arquivo de índice associado. Se for o caso, carregue-o aqui. Caso contrário, pode ser deixado em branco.

Configurações de Áudio no RVC

Abaixo do carregamento do modelo, você encontrará as configurações de dispositivo de áudio:

Input device: Selecione seu microfone. É recomendado usar um microfone externo de boa qualidade, em vez do microfone embutido do laptop, para melhores resultados.
Output device: Selecione seus fones de ouvido. O uso de alto-falantes pode causar eco.
Reload device list: Use este botão se você conectar um novo dispositivo de áudio enquanto o RVC estiver aberto.

Ajustes Gerais e de Performance no RVC

A GUI do RVC apresenta diversas opções para ajustar a conversão de voz, divididas em "General settings" e "Performance settings".

General settings (Configurações Gerais)

Response threshold: Controla a sensibilidade do microfone. O vídeo sugere manter o valor padrão (-45), a menos que haja problemas para captar o som. Diminuir este valor pode aumentar a captação de ruído de fundo.
Pitch settings: Ajusta o tom da voz. Um valor positivo (ex: 12, para vozes masculinas para femininas) aumenta o tom, enquanto um negativo (ex: -5, para vozes femininas para masculinas) diminui. O valor ideal varia conforme a voz original e o modelo.
Index Rate: Se você estiver usando um arquivo .index, este controle pode ser ajustado. O vídeo não aprofunda seu uso, sugerindo deixá-lo em 0.00 se nenhum índice for usado.
Loudness factor: Controla o volume da voz convertida. Ajuste se a saída estiver muito baixa ou alta.
Pitch detection algorithm: Oferece diferentes algoritmos (PM, Harvest, Crepe, RMVPE). O RMVPE é geralmente o padrão e recomendado, mas experimentar outros pode ser útil se houver problemas com um modelo específico.

Performance settings (Configurações de Performance)

Estas configurações impactam diretamente a latência e a qualidade da voz, e sua eficácia depende muito da sua placa de vídeo (GPU).

Sample length: O vídeo demonstra que um valor menor (ex: 0.05) pode resultar em uma voz mais robótica ou com falhas em GPUs menos potentes, enquanto o valor padrão (ex: 0.52) oferece um bom equilíbrio. Ajustar para o menor valor possível que sua GPU aguenta sem degradar a qualidade pode reduzir a latência.
Number of CPU processes used for harvest pitch algorithm: Define quantos núcleos da CPU são usados para o algoritmo Harvest. O padrão é 6.
Fade length: Controla a suavidade das transições. O padrão é 0.15. O vídeo sugere que um valor mais alto pode melhorar a qualidade, mas valores muito baixos podem aumentar o desempenho à custa da qualidade.
Extra inference time: Tempo adicional para inferência. O padrão é 2.46.
Input/Output noise reduction: Opções para redução de ruído, que podem ser ativadas se necessário.

O vídeo enfatiza que é importante experimentar essas configurações, especialmente as de performance, para encontrar o equilíbrio ideal para seu sistema e modelo de voz específico. É recomendável salvar capturas de tela das configurações que funcionam bem para cada modelo.

Após configurar tudo, clique em "Start audio conversion" para iniciar a modificação de voz. Para parar, clique em "Stop audio conversion".

RVC vs. W-Okada: Qual Modificador de Voz Escolher?

Uma questão levantada no vídeo é se vale a pena usar o RVC em detrimento de alternativas como o W-Okada. A análise do apresentador sugere o seguinte:

Interface Gráfica: A GUI do RVC é consideravelmente mais básica e menos polida que a do W-Okada.
Facilidade de Uso e Performance: O RVC pode ser percebido como mais simples de configurar inicialmente e, segundo o vídeo, pode funcionar melhor em sistemas com hardware mais antigo ou menos potente. A latência com as configurações padrão no RVC pareceu comparável à do W-Okada para o apresentador.
Funcionalidades e Customização: O W-Okada oferece mais recursos e opções de customização, incluindo perfis de configuração salvos, o que o RVC não parece ter de forma tão direta.

A conclusão do vídeo pende para a recomendação de continuar utilizando o W-Okada se o usuário já estiver familiarizado e satisfeito com ele, devido à sua interface mais rica e funcionalidades. No entanto, o RVC se apresenta como uma alternativa viável, especialmente para quem busca uma solução mais "barebones" ou enfrenta problemas de desempenho com outras ferramentas.

Considerações Finais sobre o RVC

O RVC (Retrieval-based Voice Conversion) é uma ferramenta de modificação de voz em tempo real promissora, que oferece uma alternativa interessante no crescente campo da IA de áudio. Sua instalação, embora envolva alguns passos técnicos como a configuração de Python e PyTorch, é acessível através das instruções detalhadas no GitHub. A interface gráfica é simples, focando na funcionalidade, e permite ajustes finos para otimizar a qualidade da voz e a performance de acordo com o hardware do usuário.

Embora possa não ter todas as funcionalidades avançadas ou a interface polida de concorrentes como o W-Okada, o RVC se destaca por sua potencial leveza e pela qualidade de conversão de voz que pode alcançar, mesmo em sistemas que não são de última geração. A escolha entre o RVC e outras ferramentas dependerá das necessidades individuais do usuário, seu conhecimento técnico e o hardware disponível.

Para aqueles interessados em explorar mais sobre modificadores de voz com IA, o vídeo sugere verificar outros conteúdos sobre o W-Okada e sobre como encontrar e treinar modelos de voz, o que pode enriquecer ainda mais a experiência com essas tecnologias.