WeClone

WeClone 是一个开源项目，利用微信聊天记录与语音数据，结合大语言模型微调与语音合成技术，生成可模拟用户语言风格与声音特征的数字分身。该系统通过分析用户在社交平台上的历史对话，训练出能够复现其表达习惯、语气特征乃至常用口头禅的个性化AI模型，并支持生成高度相似的语音内容。

WeClone官网入口网址：https://www.weclone.love

核心功能

WeClone 默认采用 ChatGLM3-6B 作为基础模型，支持从微信、QQ、Telegram、企业微信及飞书等平台提取聊天数据，用于构建专属对话模型。项目近期新增语音克隆能力，允许用户以微信语音消息为样本，生成自然流畅的合成语音。目前项目处于活跃开发阶段，效果受训练数据规模与质量影响。

技术实现

数据处理：推荐使用 PyWxDump 工具导出微信聊天记录为 CSV 格式，并通过命令行工具清洗数据。系统支持关键词过滤、敏感信息屏蔽及基于大模型的对话质量评分，确保训练数据的相关性与安全性。

模型微调：采用 LoRA 微调策略，在有限显存条件下完成高效训练。根据模型规模与精度设置，显存需求范围从 4GB 至 120GB 不等。建议使用 uv 环境管理器配置 Python 依赖，音频克隆功能需额外安装相关组件。

语音合成：提供 Spark-TTS 与 Llasa 两种方案。Spark-TTS 资源占用较低，0.5B 模型仅需 4GB 显存，支持最长 15 秒的语音输入；Llasa 则提供 1B（9GB 显存）与 3B（16GB 显存）版本，适用于对音质要求更高的场景。

部署与交互：集成 AstrBot 框架，可将训练完成的模型部署为跨平台聊天机器人，接入微信、Telegram 等即时通讯工具，实现自动化实时对话。项目明确要求用户遵守法律法规，禁止用于侵犯隐私或非法测试等用途。

主要特点

• 运行门槛合理：普通设备配备 16GB 显存即可运行基础功能，模块化架构便于开发者按需调用或扩展。
• 高度个性化：支持精细调整语言风格，用户可自定义过滤词库，控制训练数据范围，兼顾表达还原度与隐私保护。
• 本地化保障：所有数据处理与模型训练可在本地完成，内置敏感信息清除机制，减少数据外泄风险。

应用前景

WeClone 的潜在应用场景涵盖个人数字存档、客户服务自动化、虚拟社交陪伴等领域。个人用户可借此保存独特的沟通方式，企业则可构建符合品牌语调的智能客服。项目后续计划引入检索增强生成（RAG）技术以提升知识准确性，并探索图像理解、视频处理等多模态能力，进一步丰富交互形式。

作为一项前沿的数字身份复现工具，WeClone 在技术创新的同时也强调伦理边界，提醒用户在使用过程中审慎对待隐私与授权问题，确保技术应用符合社会规范。