voice-changer

name	voice-changer
description	音频变声处理工具 - 使用 RVC AI 模型进行真实的声音转换，支持视频直接输入
version	1.6.0
author	M.

voice-changer Skill

概述

voice-changer 是一个音频/视频变声处理 skill，支持直接处理视频文件或音频文件进行变声处理。

功能特性

• 🎙️ RVC AI 模型 - 真实的音色转换
• 🎬 支持视频输入 - 直接处理 .mp4 等视频文件，自动提取音频、变声、合成回视频
• ⚡ 自动分块处理 - 长音频自动分块，避免内存问题
• 🔧 灵活配置 - 支持多种声音预设和自定义参数
• 🎯 简单易用: 命令行一键调用
• 🔌 可被调用 - 可被其他 skills 集成调用

技术方案

当前实现: RVC 方法（AI 模型）

优点:

• 真实的音色转换（不只是音高调整）
• 音质自然，效果更好
• 可以真正"克隆"声音
• 支持跨语言

原理: 使用 HuBERT 特征提取 + RVC 模型推理：

1. HuBERT 提取音频特征
2. F0 提取基频
3. RVC 模型进行声音转换
4. 长音频自动分块处理

适用场景:

• 高质量变声需求
• 需要真实音色转换
• 播客、配音等场景

目录结构

voice-changer/
├── SKILL.md              # 本文档
├── README.md             # 使用说明
├── scripts/
│   └── voice_change.py   # 核心变声脚本
├── config/
│   └── voice_config.json # 声音配置文件
└── models/               # RVC 模型目录
    ├── rvc_env_310/      # Python 3.10 环境
    ├── rvc_core/         # RVC 核心代码
    └── rvc_models/       # RVC 模型文件

依赖要求

必需依赖

• Python 3.10（RVC 兼容性）
• FFmpeg 4.0+
• FFprobe

Python 依赖（已包含在 rvc_env_310/）

• torch==2.5.1
• fairseq==0.12.2
• librosa
• soundfile
• pyworld
• parselmouth
• faiss-cpu
• torchcrepe
• pedalboard

配置说明

voice_config.json 结构

{
  "method": "rvc",
  "rvc_model_path": "models/rvc_models/trained_models/kohane.pth",
  "default_voice": "female_3",
  "voices": {
    "female_3": {
      "name": "女声（甜美）",
      "method": "rvc",
      "model_path": "...kohane.pth",
      "index_path": "...kohane.index",
      "f0up_key": -1,
      "f0_method": "harvest"
    }
  }
}

参数说明

• method: 处理方法（rvc 或 pedalboard）
• f0up_key: 音高调整（半音）
  • 正值: 提高音调（女声效果）
  • 负值: 降低音调（男声效果）
  • 范围: -12 到 +12
• f0_method: F0 提取方法（harvest、crepe、pm 等）

使用方法

1. 独立使用

# 基本用法（使用默认女声）
python3 ~/.claude/skills/voice-changer/scripts/voice_change.py input.mp3

# 直接处理视频文件（自动提取音频→变声→合成视频）
python3 ~/.claude/skills/voice-changer/scripts/voice_change.py input.mp4 -o output.mp4

# 指定声音类型
python3 ~/.claude/skills/voice-changer/scripts/voice_change.py input.mp3 -v female_2

# 指定输出文件
python3 ~/.claude/skills/voice-changer/scripts/voice_change.py input.mp3 -o output.mp3

# 自定义音高
python3 ~/.claude/skills/voice-changer/scripts/voice_change.py input.mp3 -p 7

# 查看帮助
python3 ~/.claude/skills/voice-changer/scripts/voice_change.py --help

2. 支持的视频格式

• .mp4, .mov, .avi, .mkv, .flv, .wmv, .webm

处理视频时会自动：

1. 提取视频中的音频
2. 对音频进行变声处理
3. 将变声后的音频合成回视频

2. 在其他 Skills 中调用

import subprocess

def change_voice(input_audio, voice_type='female_1'):
    """调用 voice-changer skill"""
    script_path = os.path.expanduser(
        '~/.claude/skills/voice-changer/scripts/voice_change.py'
    )

    output_audio = input_audio.replace('.mp3', '_voice_changed.mp3')

    cmd = [
        'python3', script_path,
        input_audio,
        '-v', voice_type,
        '-o', output_audio
    ]

    result = subprocess.run(cmd, capture_output=True, text=True)

    if result.returncode == 0:
        return output_audio
    else:
        print(f"变声失败: {result.stderr}")
        return input_audio

预设声音列表

预设名称	音高	描述	适用场景
female_1	0	女声（轻柔）	基础女声
female_2	+2	女声（明亮）	更高的女声
female_3	-1	女声（甜美）⭐	默认，自然女声
child	+8	童声	儿童效果
rvc_female	+4	AI 女声（高音高）	高质量女声
rvc_male	-12	AI 男声（低音高）	高质量男声
male_normal	-8	男声（正常）	自然男声
male_deep	-12	男声（低沉）	低沉男声

性能指标

RVC 方法（CPU 模式，Apple Silicon M1）

• 短音频 (< 60秒): ~10-30 秒
• 长音频分块处理: ~3-5 分钟（15 分钟音频）
• 超长音频 (875秒): ~15 分钟（32 段处理）

内存占用

• 短音频: < 500MB
• 长音频分块: 自动管理，避免 OOM

集成示例

与 audiocut-keyword 集成

# 先过滤关键字，再变声
python3 ~/.claude/skills/audiocut-keyword/scripts/audiocut_keyword.py input.mp3 --change-voice female_1

与 youtube-to-xiaoyuzhou 集成

# YouTube 下载 + 过滤 + 变声 + 发布
python3 ~/.claude/skills/youtube-to-xiaoyuzhou/youtube_to_xiaoyuzhou.py \
  https://youtu.be/xxxxx \
  --filter-keywords \
  --change-voice female_1 \
  --schedule "2026-01-20 18:00"

注意事项

1. 处理时间: RVC 方法处理速度较慢，CPU 模式需要耐心等待
2. 长音频: 自动分块处理，超长音频可能需要较长时间
3. 文件格式: 支持常见音频格式（MP3, WAV, M4A 等）
4. 版权问题: 请确保有权对音频进行处理和使用
5. 模型资源: 更多 RVC 模型可参考 260款RVC变声器模型

故障排除

问题 1: FFmpeg 未安装

# macOS
brew install ffmpeg

# Ubuntu/Debian
sudo apt-get install ffmpeg

问题 2: 处理速度慢

• CPU 模式处理较慢是正常的
• 如有 GPU 可修改代码使用 CUDA
• 短音频处理较快（~10-30 秒）

问题 3: 内存不足

• 已自动分块处理，长音频不会 OOM
• 如仍有问题，可减小分块大小

问题 4: 音质不佳

• 确保使用高质量输入音频
• 尝试不同的 f0up_key 值
• 考虑下载更多 RVC 模型尝试

未来计划

• 添加更多音效（回声、混响等）
• 支持批量处理
• 添加 GUI 界面
• 支持实时变声
• GPU 加速支持

参考资料

• FFmpeg 音频滤镜文档
• RVC 项目
• 音高与频率关系