去年八月份我在尝试AI翻唱的时候，没能在这块显卡上把so-vits-ai给跑起来（可能也是因为当时做的调查很不充分，没找到这个repo。如今已经一年过去，情况已经有了很多变化，我也比去年要更有时间。
多亏了这个Pull Request，I卡上面也能丝滑地进行AI翻唱了，效果很好，配置很简单。
准备Docker环境
以下内容针对Linux，如果你使用Windows，那么建议使用WSL2，可以参考官方教程（见文末参考）。
如果没有安装docker，那就安装一下。启用docker服务。
# pacman -S docker
# systemctl start docker
然后拉取Intel的官方映像（Image）。我自己就直接用去年折腾AI画图的那个映像了。
# docker pull intel/intel-extension-for-pytorch:xpu-flex-2.0.110-xpu
然后检查一下环境是否正常。运行映像，<image_name>:<tag>自己替换一下（intel-extension-for-pytorch:xpu-flex-2.0.110-xpu），下文不再说明。
# docker run --rm -it --privileged --device=/dev/dri --ipc=host <image_name>:<tag> bash
然后检查一下是否能跑。在docker里运行以下代码，看能否正确输出IPEX的版本、显卡设备的信息。
$ python -c "import torch; import intel_extension_for_pytorch as ipex; print(torch.__version__); print(ipex.__version__); [print(f'[{i}]: {torch.xpu.get_device_properties(i)}') for i in range(torch.xpu.device_count())];"
不使用Docker？
我个人强烈建议非Ubuntu 22.04的用户使用Docker，不然真的太折腾了。我自己反正是没能在Arch上跑起来，部分原因是intel-oneapi-basekit太新了。
Ubuntu 22.04下可以按照官方教程（见文末参考）把IPEX的环境配一下（ps. 我自己没尝试过）
准备好RVC-WebUI
找个合适的位置，我这里假设是/workspace，把这个repo克隆下来。
https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI.git rvc
然后进docker映像，启动命令里面记得把/workspace/rvc映射到容器的/opt/rvc，这里我们顺便把容器的7865端口映射出来。
# docker run --rm -it -v /workspace/lab/rvc:/opt/rvc -p 7865:7865 --privileged --device=/dev/dri --ipc=host <image_name>:<tag> bash
然后在容器的命令行里面配置一下环境，在执行pip命令之前可以顺便换成国内的镜像加加速。
$ cd /opt/rvc
$ pip install -r requirements-ipex.txt
# sudo apt install ffmpeg
如果没有出现问题，可以把容器的当前状态commit到一个新的映像里面，省得每次启动都要配一遍环境。<container_id>指的是容器的id，可以docker ps看一下。rvc是新映像的名字。
# docker commit <container_id> rvc
下载RVC所需的必要模型
上Huggingface
Hub找对应路径的模型，放到/workspace/rvc下的对应位置：
- assets/hubert/hubert_base.pt
- assets/pretrained
- assets/uvr5_weights
- assets/pretrained_v2
找个训练好的音色模型
比如说川大统领的RVC音色模型。我们需要两个文件，一个是模型本身model.pth，另一个是index文件model.index。把模型放到assets/weights里面。
开始！
在容器中运行infer-web.py
python3 infer-web.py
然后在浏览器打开对应的网址。如果不喜欢界面是全英文，可以把源码里面的i18n/i18n.py改一下。
首先找首歌。WebUI自带了一个界面供我们调用模型分离主要人声和伴奏。
拿到纯人声的歌声之后，我们在一开始的页面选中刚才下载的音色模型、对应的index文件、要替换音色的纯人声歌声，然后直接点一下转换就成了（如果刚才没有下载rmvpe模型，这里要把音高提取算法换成别的，其他参数一般直接使用默认值即可）。