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
- 处理时间: RVC 方法处理速度较慢，CPU 模式需要耐心等待
- 长音频: 自动分块处理，超长音频可能需要较长时间
- 文件格式: 支持常见音频格式（MP3, WAV, M4A 等）
- 版权问题: 请确保有权对音频进行处理和使用
- 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
