Realtime Voice Changer Client（簡稱VC Client）為一款開源AI即時變聲器，適合在直播或者語音聊天的時候使用，實現即時變聲，讓你用不同的聲音說話。
它整合了RVC、VITS、Beatrice、MMVC、so-vits-svc等多種技術來達成變聲。
範例：
這是我唸《赤壁賦》的聲音。
然後這是VC Client變聲之後的《赤壁賦》。
這裡Ivon會先分享如何在Linux系統安裝VC Client，解說如何搭配OBS Studio直播軟體使用。
之後分享，如何透過PipeWire的功能，把VC Client變聲後的音訊，當成一個虛擬麥克風，便能在其他通訊軟體，例如Discord裡面使用。
1. VC Client硬體需求#
VC Client提供WIndows、macOS、Linux版本。
WIndows和macOS有執行檔可以下載，Linux得用Docker跑。
VC Client支援透過CPU或Nvidia GPU計算。要輸出高品質的音訊，至少需要4GB的VRAM，而且還要即時轉換，老實說這個吃資源有點兇。
這個軟體有一個WebUI，能在區域網路執行，若是覺得本機運算開銷過大，那麼把變聲器的任務放在另一台電腦上跑也是可以。
2. Linux透過Docker安裝VC Client#
這是作者推薦的方式，但作者的Docker映像檔已經一年以上沒更新了，導致無法使用RVC以外的新模型。若需要最新功能，請手動設定Python環境。
以Ubuntu為例，先安裝Docker
我要在Docker裡面使用Nvidia CUDA加速，所以得安裝Nvidia Container Toolkit
複製儲存庫
git clone https://github.com/w-okada/voice-changer.git
cd voice-changer
- 執行這個指令稿，拉取映像檔並啟動服務。
./start_docker.sh
啟動後等待模型下載。
開啟網頁界面：
https://localhost:18888。強制使用HTTPS的原因是瀏覽器因素，大多數瀏覽器需要HTTPS才允許存取麥克風，所以這個映像檔會自簽SSL憑證。也可以用https://Linux的區域IP:18888來存取這個網頁界面，讓另一部電腦處理變聲器計算，降低主電腦的負擔。最上面是人聲列表，按Edit，點選格子，點選DL Sample，下載範本模型。
一個格子只能下載一個模型。這裡的模型主要是RVC，網路上有很多人分享，所以你能上傳新的RVC模型，也可以自行用RVC WebUI訓練一款變聲模型。
設定音訊處理方式。Noise勾選
Echo，消除回音。接著，F0 Detect設定rmvpe_onnx，用CPU跑音高辨識模型。最後選取使用GPU計算。
設定輸入裝置。
點選Audio，勾Client，Input勾選Linux的麥克風裝置。建議使用耳麥或者桌上型麥克風，收音比較清楚，為的是背景不要有太多噪音，免得程式把電腦風扇也當作人聲在講話。
Output勾選揚聲器，或是其他音訊輸出裝置。因為VC Client會輸出音效到揚聲器，導致你會一直聽到自己變聲的音效。覺得太吵的話，就把它輸出到耳機吧。
3. Linux手動設定VC Client的Python環境#
執行Python原始碼，存取最新功能。
安裝Anaconda
建立Python 3.10的虛擬環境
conda create -n vcclient-dev python=3.10
conda activate vcclient-dev
- 複製VC Client儲存庫，安裝依賴
git clone https://github.com/w-okada/voice-changer.git
cd voice-changer/server
pip install -r requirements.txt
- 啟動伺服器
python3 MMVCServerSIO.py -p 18888 --https true
4. VC Client變聲操作#
點選格子裡面的大頭貼，選取模型，點選Start開始變聲。
對著麥克風講話，應該會聽到變聲效果，聲音會有一點延遲，端看GPU性能。按Passthrough暫時停用變聲。
Tune的數值可以調整講話音高。
要更高品質的合成音，試著把chunk和Extra數值設定高一些，但延遲相應的也會上升。
此外，按Audio下面的REC，能夠錄製講話變聲後的聲音。按下Stop後便會儲存為wav音檔。
5. 搭配OBS Studio使用變聲器#
Linux安裝OBS Studio
最簡單的方式是關掉麥克風，讓OBS Studio只捕捉變聲後輸出的聲音。
或者請參考下面方法，新增虛擬麥克風。
6. 於通訊軟體使用變聲器#
利用PipeWire製造一個虛擬麥克風，用來接收瀏覽器裡面的VC Client所輸出的變聲音效。這樣通訊軟體裡面才可以使用這個麥克風作為輸入來源。
Ubuntu 24.04以後應該是使用PipeWire當音訊系統了，所以此方法可行。
- 利用PipeWire（實則是PulseAudio）的指令，新增虛擬槽位，還有虛擬麥克風
pactl load-module module-null-sink media.class=Audio/Sink sink_name=my-combined-sink channel_map=stereo
pactl load-module module-null-sink media.class=Audio/Source/Virtual sink_name=my-virtualmic channel_map=front-left,front-right
安裝Helvum，按照下圖，將瀏覽器的輸出接到虛擬槽位，虛擬槽位再接到虛擬麥克風。
回到VC Client網頁界面，將output設定為虛擬槽位。這樣的話，變聲所輸出的音訊便會全部導向虛擬麥克風了。
開啟通訊軟體，例如Discord，選取虛擬麥克風，應該就只會出現變聲後的聲音。
