一套可在本机部署的肥鱼声库与声音服务：两条说话声线、RVC 换声、MIDI／ABC 按谱唱歌，通过统一 HTTP 接口接到 AstrBot、DeepSeek／DSH 或其他 Bot。

想先了解能做什么，读这一页。让 AI 自己安装、自己调用，请把 《小肥鱼的声音指南》 交给它。

无需安装本机 Python、WSL 或 CUDA，可以分别打开下面两份独立的推理 Notebook：

功能	入口
FeiyuVoice RVC · 上传干净人声换色
FeiyuVoice CosyVoice3 TTS · 可爱／温柔说话

1. 点击 Open in Colab，在 Runtime / Change runtime type 选择 GPU。
2. 按顺序运行初始化和模型下载单元格；第一次运行需要下载模型与依赖。
3. RVC 上传 WAV／MP3／FLAC 干净人声；TTS 选择声线并输入文本。
4. 运行推理，在 Notebook 中试听，再下载 WAV。

免费 GPU 不保证随时可用；型号、显存和会话时长由平台分配。真实 Colab GPU 验收尚未完成，请查看 使用说明 和 验证范围。本入口只做交互式推理，不启动 WebUI 或公网服务。Colab 当前政策禁止 creating deepfakes；素材授权不自动等于平台批准，请核对用途，受限时使用获准的本地环境。

最后一项由小肥鱼编排本地工具完成：本机已有 MSST 就复用；也可以让它安装 MSST 和所需的分离模型，再跑通整条流程。具体做法见指南的 歌曲翻唱部分。

你可以直接告诉小肥鱼：“以后默认用温柔声线”，或“平时可爱一点，安慰我的时候用温柔声线”。agent 应记住你的偏好，在每次说话时传入相应的 style。两条声线是已提供的声音配置，不需要你重新录音才能试用。

想自己挑选，先让它把同一句话用两种声线各说一遍。

想先听一段唱歌 demo，也可以直接说：“给我唱一段《小星星》。”配置好唱歌组件后，具备文件生成和工具调用权限的小肥鱼，可以自己制作这类简单歌曲的 MIDI 谱子、配好对应歌词，再调用按谱唱歌接口。你不一定要先准备好谱子；复杂歌曲则需要合适的谱面或原曲素材。

把下面这段话和仓库地址一起发给小肥鱼：

请先读这个项目的 README 和 server/INSTALL_AGENT.md，按《小肥鱼的声音指南》告诉我需要知道的信息，再为我安装肥鱼 TTS 和 RVC。优先使用 WSL，按显卡选择 CUDA 或 ROCm，复用已有可用环境。默认用可爱声线，安装后发两种声线的测试音频给我。需要翻唱时，检查本机 MSST 等工具；如果我让你补齐，就安装所需组件，完成分离、换声和混音，并说明哪些能力已经实测。

推荐 Windows＋WSL2 部署，推理环境放在 WSL 本地文件系统。NVIDIA 使用 CUDA；AMD 提供 WSL ROCm 预设，需核对具体显卡、驱动与支持组合，目前仍待实体 A 卡验收。

首次安装需要下载引擎、依赖和模型。语音合成、换声和已配置的歌曲处理在部署机器上执行；聊天模型、Bot 平台和消息发送使用各自的连接。

DeepSeek／DSH 中的模型负责理解“说话、按谱唱歌、翻唱歌曲”等意图，本地声音引擎负责生成音频。DSH 接入与其客户端工具、播放器能力有关；本仓当前提供的是 AstrBot 插件和通用接口，DSH 的工具桥接及播放器需按实际宿主配置。

先部署独立声音服务，再从本仓安装插件；已有的 v0.1.0 插件安装包 也可使用。插件支持 AstrBot >=4.29.3,<5，服务当前为 v0.2.0，两者分别管理版本。

配置项：base_url=http://127.0.0.1:9880、api_key、voice=feiyu、style=cute 或 gentle。

大模型工具为 feiyu_speak(text, style)、feiyu_convert(source="attachment")、feiyu_sing(lyrics)。自然语言调用需要宿主配置可用的工具调用模型；命令调用可以独立使用。整首歌曲的分离和混音由具备本地工具权限的 agent 组织，插件当前的换声命令接收的是干净人声。

flowchart LR
    A[文字与声线选择] --> T[CosyVoice3 肥鱼 TTS]
    T --> O[说话 WAV]
    B[MIDI / ABC 与歌词] --> S[SoulX-Singer 按谱合成]
    S --> R[肥鱼 RVC v1]
    C[歌曲音频] --> M[外部 MSST 等分离工具]
    M --> V[原唱人声]
    V --> R
    M --> I[伴奏]
    R --> P[肥鱼人声 WAV]
    P --> X[外部混音工具]
    I --> X
    X --> F[完整翻唱歌曲]

“乐谱＋歌词直接生成肥鱼人声”已经由按谱唱歌接口串联完成，内部同时需要 SVS 和 RVC。RVC 单独接收的是音频。按谱合成还需要安装 SVS 权重并配置自有已对齐参考；这些配置由 agent 按指南处理。

RVC 当前默认 pitch_shift=0、index_rate=0.3、protect=0.33，使用匹配索引；手动换气衰减是可选后处理，需要本曲标记区间。音域、咬字和表现仍受输入演唱与声库素材影响，具体效果需要试听。

1. 准备原曲：小肥鱼检查本机分离工具、模型和可调用的 CLI／Python 入口。
2. 分离：保存原唱人声和伴奏，核对音轨内容与时间起点。
3. 换声：把原唱人声上传到肥鱼声音服务，调用 RVC，下载肥鱼人声。
4. 混音：将肥鱼人声与伴奏按采样率、时间和音量对齐，输出完整歌曲。
5. 交付：发回混音成品；需要时同时提供清唱和伴奏，方便继续调整。

本机没有 MSST 时，可以让小肥鱼依据 MSST-WebUI 官方说明 单独部署并下载分离模型，先用短片段验证。这条路线依靠 agent 调用外部工具；当前声音服务没有内置“一键分离＋混音”接口，也不随包安装 MSST。 已有谱子和歌词、只需要生成人声时，可以直接走按谱合成路线。

本仓提供服务端、AstrBot 插件、环境预设与安装脚本；模型包另行下载。按谱唱歌的 SoulX-Singer 权重和已对齐参考、MSST 及分离模型属于各自的额外组件，按需要安装。

Windows＋WSL、RTX 5090 Laptop GPU 上完成 TTS、RVC 和按谱唱歌的真实 HTTP 验证；CUDA RVC 从空目录安装与换声验证通过。AstrBot 4.29.3 本地 WebChat 验证过命令与音频返回。

AMD ROCm 目前提供适配和安装预设，尚无实体 A 卡测试；DSH 原生工具桥接、外部 Bot 平台以及各机器上的 MSST 整曲编排，需要在对应环境验收。按谱输入当前以中文单音主旋律为主，一字多音使用 _，ABC 反复记号先展开。硬件速度和显存占用以本机诊断、实际样例为准。

肥鱼声库的原始音频素材来自 B 站 UP 主 星落落_oi。训练素材均已取得原 UP 主授权同意，用于本项目声库训练。 感谢原作者的支持。素材来源与授权说明见 COPYRIGHT.md。

文档组织参考了 dsh-voice-stack 对工具与消息流程的介绍，以及 Whale Voice 的任务入口与 agent 指南分工。本文技术参数和验证结论来自肥鱼项目自身。

CosyVoice、Applio／RVC、SoulX-Singer、MSST 等组件遵循各自条款。本仓与肥鱼模型的分发说明见 NOTICE.md，各项目的许可分别适用。