Hacktoberfest 2026: los issues que los mantenedores marcaron para octubre, abiertos y aptos para principiantes. Explorar issues de Hacktoberfest

Feature Request / Bug: Robotic buzzing (electric shaver sound) and VRAM overflow during Batch Inference on 3GB/low-VRAM GPUs

Abierto
  • ¿Algo no está bien?
#2,848 0 comentarios 0 reacciones 0 asignados Ver en GitHub

Nadie ha tomado este issue todavía.

Evaluación

Dificultad
4/5
Tiempo estimado
3-5 días
Aptitud para principiantes
48/100
Tipo de issue
Nueva funcionalidad
Claridad
Bastante claro
Estado de actividad
Activo
Stack tecnológico
python, pytorch
Área
machine-learning, performance

Línea de trabajo

Comienza en configs/config.py y luego sigue cómo is_half, infer_gpu_mem y RVC_AUDIO_FORCE_CPU llegan a las pestañas Model Inference y Batch Inference. Comprueba cómo se exponen las opciones de inferencia existentes en la WebUI y cómo se prueba el procesamiento por lotes con poca VRAM. Se considera terminado cuando ambos interruptores solicitados funcionan sin cambiar los valores predeterminados y permiten completar el flujo de trabajo reportado con una GPU de 3GB sin audio corrupto ni desbordamiento de VRAM.

Escrito por el modelo de indexación a partir del texto del issue.

Descripción

following up

When running Batch Inference on full-length audio tracks using a 3GB GPU (NVIDIA GeForce GTX 1060 3GB), the output audio turns into a permanent synthetic/robotic buzzing sound (resembling an electric shaver). The system does not throw a CUDA out-of-memory error, but the inference breaks because of underlying PyTorch 2.7+ compatibility quirks with legacy Pascal architectures.

The problem is twofold:

  1. FP16 Breakdown on 3GB: The framework automatically forces FP16 (Half Precision), which silently corrupts tensors into NaN zeros on older 3GB cards.
  2. VRAM Overload: Long audio files completely choke the available 3GB buffer when loaded all at once.

I solved this by modifying configs/config.py to force FP32 precision and offload the data caching pipeline to the host system RAM via CPU environment flags:

if torch.cuda.is_available():
    infer_device = torch.device("cuda:0")
    infer_dtype = torch.float32
    infer_gpu_mem = 3.0
    # FIX FOR 3GB/4GB GPUS:
    is_half = False
    os.environ["RVC_AUDIO_FORCE_CPU"] = "1"

I request to expose these two parameters directly into the WebUI "Model Inference" / "Batch Inference" tabs as checkboxes or advanced toggles:

  • Force FP32 Precision (Disable is_half)
  • Offload DataLoader Caching to System RAM (CPU)

This will instantly allow thousands of users with budget or older GPUs (GTX 1060 3GB, 1050Ti, 960) to safely process full-length songs in near real-time using Windows Shared GPU Memory without crashing the pipeline.

Additional context
  • OS: Windows 10 / 11 x64
  • Python: 3.12+ (Python 3.12 branch)
  • PyTorch: 2.7.1+cu118
  • GPU: NVIDIA GeForce GTX 1060 3GB
Lenguaje dominante
Python
Estrellas
38.9k
Forks
5.3k
Sin PR fusionados en 30 d

Preparar el entorno

Este proyecto no incluye contenedor de desarrollo, Dockerfile ni guía de contribución, así que la configuración corre por tu cuenta: empieza por su README y consulta nuestra guía para la primera contribución para los pasos generales.

Primeros pasos

  1. Lee el issue completo y luego la guía de contribución del proyecto.
  2. Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
  3. Haz un fork del repositorio y trabaja en una rama.
  4. Abre un pull request que haga referencia al número del issue.

Más de RVC-Project/Retrieval-based-Voice-Conversion-WebUI

Todos los issues de RVC-Project/Retrieval-based-Voice-Conversion-WebUI

Issues similares

Más issues de Python

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.