WeClone是一款创新性的微信数字分身解决方案，整合了最新的大语言模型与语音合成技术，帮助用户打造高度个性化的微信数字分身。本文将详细介绍WeClone的核心功能、技术原理以及完整使用教程。
WeClone核心技术解析
WeClone采用0.5B参数大模型处理微信语音消息，通过LoRA微调方法应用于对话数据训练，实现高达95%的声纹相似度克隆效果。系统三大核心功能包括：
- 聊天记录驱动的个性模型训练：分析用户历史对话数据，精准捕捉语言风格和表达习惯
- 高保真声纹克隆系统：仅需5秒语音样本即可快速建模，保持原声情感特征
- 微信机器人实时交互框架：支持多设备同步部署，自动处理好友请求和智能回复
完整安装教程
WeClone建议使用uv作为Python环境管理器，以下是详细安装步骤：
git clone https://github.com/xming521/WeClone.git
cd WeClone
uv venv .venv --python=3.9
source .venv/bin/activate
uv pip install --group main -e .注意：基础安装不包含音频克隆功能(xcodec)的依赖项。
数据准备与处理
使用PyWxDump工具提取微信聊天记录是关键的第一步：
- 解密微信数据库后，导出CSV格式的聊天记录
- 将导出的CSV文件放置在
./data/csv目录下 - 运行预处理脚本
./make_dataset/csv_to_json.py处理数据
项目内置了敏感信息过滤功能，自动去除手机号、身份证号等隐私信息。
模型下载与配置
推荐从Hugging Face下载[ChatGLM3模型]()https://huggingface.co/THUDM/chatglm3-6b，若下载困难可使用魔搭社区：
export USE_MODELSCOPE_HUB=1
git lfs install
git clone https://www.modelscope.cn/ZhipuAI/chatglm3-6b.git模型微调与训练
修改settings.json文件配置训练参数：
- 调整
per_device_train_batch_size控制显存占用 - 设置
num_train_epochs等参数优化训练效果
单卡训练命令：
python src/train_sft.py多卡训练需要安装deepspeed：
uv pip install deepspeed
deepspeed --num_gpus=使用显卡数量 src/train_sft.py部署数字分身
推荐使用AstrBot框架部署微信机器人：
- 部署AstrBot并配置消息平台
- 启动API服务：
python ./src/api_service.py - 在AstrBot中添加OpenAI类型服务提供商
- 关闭工具调用功能以保证微调效果
项目地址：https://github.com/xming521/WeClone
评论 (0)