面向 astrbot_plugin_matsuko_cover 的高质量 RVC / SVC-Fusion 中间层，使用 BS-Roformer / MSST 分离人声和伴奏，并提供 Gradio API、分离模型切换、结果缓存、音频后处理和进度回传。

本仓库仅发布源码和安装脚本，不包含 Python/ROCm 环境、ZLUDA 环境、MSST 权重、RVC/SVC 模型、歌曲、缓存或生成音频。

两套中间层使用相同的 3333/9999 端口，不能同时启动。

AstrBot + matsuko_cover
  ├─ RVC 请求 → RVCSVC-API-MSST :3333 → MSST → RVC :2333
  └─ SVC 请求 → RVCSVC-API-MSST :9999 → MSST → SVC-Fusion :7777

要求：

• Windows 10/11 x64
• 支持 Windows ROCm 的 AMD Radeon GPU 与驱动
• uv 已加入 PATH
• FFmpeg 已加入 PATH
• 已准备上游 RVC 或 SVC-Fusion 服务

运行：

install_rocm_env.bat

脚本会创建 runtime-rocm/ Python 3.12 环境，并根据 requirements-rocm.txt 安装 AMD 官方 Windows ROCm 7.2.1、PyTorch 2.9.1+rocm7.2.1 及中间层依赖。

install_env.bat 会转发到同一个原生 ROCm 安装脚本。旧 env/ + ZLUDA 仅作为已有本地环境的兼容回退，本仓库不分发该环境，也不建议新安装使用。

将分离模型放到：

msst/pretrain/vocal_models/

当前配置支持以下文件名：

model_bs_roformer_ep_317_sdr_12.9755.ckpt
bs_roformer_karaoke_frazer_becruily.ckpt

对应 YAML 配置已经包含在 msst/configs/vocal_models/。权重需从模型作者或 Music-Source-Separation-Training 认可的来源自行获取，本仓库不分发模型文件。

先启动上游推理服务，再启动需要的中间层：

启动 rvcapi.bat   # 中间层 3333，需要 RVC 2333
启动 svcapi.bat   # 中间层 9999，需要 SVC-Fusion 7777

手动启动：

runtime-rocm\Scripts\python.exe launch.py app_rvc.py --is_nohalf
runtime-rocm\Scripts\python.exe launch.py app_svc.py --is_nohalf

插件默认地址：

rvc_base_url = http://127.0.0.1:3333/
svc_base_url = http://127.0.0.1:9999/

• /convert：下载/读取歌曲、MSST 分离、调用上游、混音并返回结果。
• /show_model：读取上游 RVC/SVC 模型。
• /show_msst_models：返回可用分离模型列表。
• /select_msst_model：验证并切换默认 MSST 分离模型。
• /cache_info：返回结果缓存与分离缓存的文件数、占用空间。
• /clear_cache：在无推理任务运行时清理 all、results 或 separation 缓存。
• 结果按歌曲、音色模型、分离模型及全部关键参数哈希保存在 temp/。
• app.queue(..., api_open=True) 必须保持启用，否则 AstrBot 的 gradio_client 无法调用。

• model_bs_roformer_ep_317_sdr_12.9755.ckpt 适合作为默认高质量人声模型。
• 默认让当前 MSST 模型常驻显存，连续点歌不再每首重复加载权重；显存紧张时设置 MSST_KEEP_MODEL_LOADED=0 恢复每次释放。
• 本地音频按内容 SHA256 缓存，RVC/SVC 与 MSST 模型资产变化都会使旧结果缓存自动失效。
• 默认关闭二次 EQ/压缩/混响以保留上游音质；插件开启 vocal_postprocess 后才应用这些效果。最终导出带削峰保护，默认 320 kbps。
• RVCSVC_CACHE_MAX_FILES（默认 200）限制缓存增长；服务默认只监听 127.0.0.1，可通过 RVCSVC_HOST 显式修改。
• 16 GB 显存建议从 batch_size=2、num_overlap=2～4 开始。
• 增大 overlap 或启用 TTA 可能提高平滑度，但会增加耗时和显存占用。
• 长歌曲在 AMD 上可能需要较长时间，插件 inference_timeout 建议设置到 9000 秒。

• 服务会调用本机上游端口，不要将 3333/9999 直接暴露到公网。
• output/、temp/ 和下载音频可能包含受版权保护内容，已默认被 Git 忽略。
• Windows ROCm 仍有硬件和算子兼容范围；安装脚本通过 torch.cuda.is_available() 验证 AMD GPU。
• 本项目不会自动提供上游 RVC/SVC 或 MSST 权重，使用者需自行遵守模型和音频许可。

中间层基于 CCYellowStar2/RVCSVC-API 修改；该上游仓库在本项目发布时未声明开源许可证，因此本仓库不擅自为继承代码授予额外许可。MSST/BS-Roformer 第三方组件及其许可见 THIRD_PARTY_NOTICES.md。