Files
voice_copy/voice-changer
EJClaw b0460fdff7 Add Windows realtime voice changer (RVC via Applio) + set operator to 사금향
- voice-changer/: install.bat (uv + Python 3.12 + pinned Applio + torch cu128),
  VoiceChanger.exe launcher (mingw), tkinter GUI (model list, auto ±12 pitch
  across genders, mic/output/monitor devices, latency, noise gate),
  train.bat (preprocess/extract/train/index → models/<id>), examples.bat
  (Korean example models from KSS + Zeroth-Korean), build-release.sh
- consent-recorder: default OPERATOR_NAME=사금향

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
2026-11-11 14:34:03 +09:00
..

실시간 음성 변환기 (Windows 게임PC)

마이크로 말하면 고른 목소리 모델로 바꿔서 바로 내보냅니다. 디스코드나 게임에서 그 목소리로 말할 수 있습니다. 목소리 모델은 consent-recorder 로 동의받아 모은 녹음으로 이 PC 에서 직접 학습합니다 (RVC v2).

  • 엔진: Applio (MIT, RVC 학습 · 실시간 변환). scripts/install.ps1 에 커밋을 고정해 둠
  • 기준 PC: RTX 5070 Ti 16GB (Blackwell) · DDR5 128GB · Ryzen 9 9950X3D · Windows 11
    • torch 2.11 + CUDA 12.8 (RTX 50 시리즈 지원). NVIDIA 드라이버 580 이상
    • 디스크: 설치 약 8GB(Python · torch · 엔진 기본 모델) + 모델마다 약 80MB + 학습 중간 파일. 예시 모델까지 만들면 15GB 정도 여유를 두세요

설치

  1. 이 폴더를 원하는 곳에 풉니다 (경로에 한글이 없어도, 있어도 됩니다).
  2. install.bat 을 더블클릭합니다. uv, Python 3.12, 엔진, torch(CUDA 12.8), 엔진 기본 모델(rmvpe · contentvec · 사전학습 가중치 · ffmpeg)을 이 폴더 안에만 받습니다. 처음에는 10~20분 걸립니다.
  3. 마지막 줄에 GPU 확인: NVIDIA GeForce RTX 5070 Ti (sm_120) 가 나오면 끝입니다.
  4. 디스코드에서 쓰려면 가상 오디오 케이블 VB-CABLE 을 설치합니다 (무료).

변환하기 — VoiceChanger.exe

  1. 목소리 모델을 고릅니다. 직접 학습한 모델이 위에, 예시 모델이 아래에 나옵니다.
  2. 내 목소리 성별을 고르면 성별이 다른 모델은 음높이를 ±12반음(한 옥타브)으로 자동으로 맞춥니다. 슬라이더로 더 맞출 수 있고, 켜 둔 채로 바꿔도 바로 적용됩니다.
  3. 마이크에 내 마이크, 출력에 CABLE Input (VB-Audio Virtual Cable) 을 고릅니다. 디스코드 음성 설정의 입력 장치를 CABLE Output 으로 바꿉니다.
  4. 내 귀로 확인하려면 내 귀로 듣기를 켜고 헤드셋을 고릅니다.
  5. ▶ 변환 시작. 처음에는 모델을 불러오느라 몇 초 걸립니다. 아래에 처리 시간(ms)이 나옵니다.
  • 지연: 보통(0.25초)이 기본입니다. RTX 5070 Ti 는 낮음(0.13초)도 됩니다. 소리가 끊기면 한 단계 올리세요.
  • 잡음 무시: 이 크기(dB)보다 작은 소리는 변환하지 않습니다. 키보드 소리가 들어가면 올리세요.
  • 설정은 config/settings.json 에 저장돼 다음에 그대로 열립니다.

목소리 모델 학습 — train.bat

동의 사이트 서버에서 학습 데이터를 꺼냅니다 (동의 중인 사람만 꺼내짐):

cd consent-recorder
npm run cli -- export <디스코드 아이디> ./dataset_<이름>   # 48kHz 모노 wav, -18 LUFS + 리미터

그 폴더를 게임PC 로 옮기고:

train.bat D:\dataset_승한 "승한" male
train.bat D:\dataset_지원 "지원" female --epochs 300
  • 순서: 자르기 → 음높이(rmvpe) · 특징(contentvec) 뽑기 → 학습(기본 200 epoch, batch 8) → 검색 인덱스 → models\<아이디>\ 에 넣기
  • 녹음은 최소 10분, 좋게는 20~30분. 10분보다 짧으면 경고하고, 1분보다 짧으면 학습하지 않습니다
  • export 결과가 아닌 녹음이면 --normalize 를 붙입니다. javis_bot · 겜녹이와 같은 기준(-18 LUFS + 리미터)으로 맞춥니다
  • 학습 중간 파일은 training\, 평준화한 녹음은 datasets\ 에 남습니다. 다 끝나면 지워도 됩니다

동의를 철회한 사람의 모델은 models\<아이디> 폴더와 training\<아이디> 폴더를 지웁니다. 녹음 서버의 녹음은 철회할 때 자동으로 지워지지만, 이 PC 에 옮긴 녹음 폴더와 모델은 직접 지워야 합니다.

한국어 예시 모델 — examples.bat

공개 데이터셋으로 예시 모델 4개를 이 PC 에서 학습합니다. RTX 5070 Ti 기준 몇 시간 걸리니 한 번만 돌리면 됩니다.

모델 데이터 라이선스
예시 여성 1 (KSS) KSS Dataset, 성우 1명, 44.1kHz → 48kHz 모델 CC BY-NC-SA 4.0 (비상업)
예시 남성 1 · 남성 2 · 여성 2 (Zeroth 화자 번호) Zeroth-Korean (OpenSLR 40), 16kHz → 32kHz 모델 CC BY 4.0
  • 화자마다 녹음 20분을 씁니다. KSS 는 약 540MB, Zeroth 는 10GB 압축 파일을 흘려 읽다가 필요한 화자가 모이면 멈춥니다
  • Zeroth 원본이 16kHz 라 Zeroth 예시는 KSS 예시보다 고음이 덜 또렷합니다
  • 실존 인물(연예인 등) 목소리 모델은 넣지 않았습니다. 예시도 데이터셋 라이선스 범위(비상업, 출처 표기) 안에서만 쓰세요

폴더

VoiceChanger.exe    실행기 (env\Scripts\pythonw.exe app\voice_changer.py 를 띄움, 소스 launcher\launcher.c)
install.bat         설치 (scripts\install.ps1)
train.bat           학습 (app\train.py)
examples.bat        예시 모델 (app\examples.py)
app\                화면 · 학습 · 모델 목록 코드
models\<아이디>\    model.pth · model.index · info.json(이름 · 성별 · 출처 · 라이선스)
engine\ env\ tools\ 설치하면 생기는 폴더 (엔진 · Python · uv)

배포 파일 만들기 (리눅스)

voice-changer/scripts/build-release.sh   # mingw 로 VoiceChanger.exe 를 빌드하고 dist/voice-changer-win.zip 을 만듦