更新2026/01/01

本次我们正式发布H2TC版本底模，基于Spin框架进行优化，显著提升了模型的收敛速度，并对哑音现象进行了有效改进。

重要说明：由于打包时仅包含底模文件，请务必从ContentVec版本中获取48k.json配置文件与rmvpe.pt指导模型文件，并优先下载ContentVec版本的相关文件。

前言

H2TC底模为完全重新训练的预训练模型，不沿用任何RVC_v2默认底模参数。原RVC_v2模型基于109位说话人、50小时英文数据集训练。H2TC底模则采用ContentVec嵌入模型，使用总计超过100小时的中、英、日三语混合数据集进行预训练，并结合预训练的RMVPE模型提供高精度音高指导。

文件替换

请注意，因本模型扩展了说话人数量，您必须替换原RVC_v2底模的配置文件。

1. 1. 配置文件路径：
      configs\v2\48k.json
      （若您使用的是官方V1006版开源项目，该文件位置应一致。替换前建议备份原文件。）

1. 1. 同时请替换RMVPE模型文件：
      assets\rmvpe\rmvpe.pt

训练模型时，必须完成以上两个文件的替换，否则将可能导致训练失败或输出声音沙哑。

模型参数

H2TC底模参数量约为RVC_v2底模的两倍，具体预训练信息如下：

• • 说话人数量：429位

• • 支持语言：中文 / 英文 / 日文

• • 训练语料：＞100小时

• • 训练步数：约120万步

• • 训练周期：65天

详细部署步骤

压缩包内包含以下文件：

• • rmvpe.pt

• • 48k.json

• • D_H2TC-f048K.pth

• • G_H2TC-f048K.pth

1. 1. 将 rmvpe.pt 与 48k.json 按上述”文件替换”步骤解压至对应路径。

1. 1. D_H2TC-f048K.pth 与 G_H2TC-f048K.pth 可存放于任意可访问目录。

1. 1. 完成以上操作后，H2TC底模即部署完毕。

训练设置

在训练界面中，请按顺序进行以下设置：

1. 1. 选择【目标采样率】→ 48K

1. 1. 分别修改【加载预训练底模G路径】与【加载预训练底模D路径】，指向对应的H2TC底模文件（.pth文件）。

（修改底模路径后）

训练过程中，若控制台输出以下信息：

DEBUG:infer.lib.infer_pack.models:gin_channels: 256, self.spk_embed_dim: 308

即表示底模已正确加载，所有步骤已完成。

常见问题排查

• • 报错提示 [109,xxxx]
    请返回”文件替换”步骤，确认 48k.json 已正确替换。

• • 高音部分输出沙哑
    请确认 rmvpe.pt 已替换为新版指导模型。

模型优势

• • 有效抑制发音含糊现象

• • 支持跨语种音色转换（例如日语转中文时不易出现”大佐音”，使用H2TC底模训练可显著改善）

• • 仅需约6分钟语音数据即可取得良好训练效果

• • 输出音色还原度更高

以上为H2TC新底模的完整部署指南，请按照步骤逐步操作即可顺利完成配置。

附：训练损失曲线图

（图略）