聊天记录预处理
将支持的聊天记录整理为后续模型训练所需的数据，衔接数据准备与微调流程。
BAIZE AI RESOURCE
聊天记录数字分身工具
WeClone
WeClone 是利用聊天记录创建 AI 数字分身的系统。它将聊天数据整理、隐私信息过滤、模型微调和部署串成一套流程，帮助有训练环境的用户制作带有个人聊天风格的对话模型。
资源介绍
WeClone 面向希望用自己的聊天记录制作 AI 数字分身、且具备模型训练环境的用户。项目提供从聊天数据准备、预处理到模型微调和部署的流程，目标是让对话模型呈现个人的聊天风格。目前明确支持以 Telegram 导出的文字和图片聊天记录作为数据源，也支持图片数据参与微调。处理聊天记录时可以过滤隐私信息，并在本地完成微调与部署。使用者需要自行准备聊天数据、模型和运行环境；最终效果会受所选模型及聊天数据的数量、质量影响，不宜把生成的回复视为对原本聊天者的准确复现。
核心能力
个性化模型微调
利用聊天记录微调大语言模型，使其回复更接近训练数据中的聊天风格；支持图片数据参与微调。
隐私信息过滤
在处理聊天数据时过滤隐私信息，减少敏感内容直接进入训练数据的风险。
数字分身部署
训练完成后可将数字分身部署到 Telegram、Discord 或 Slack 中使用。
使用方法
准备 Python 3.12 环境；按项目要求安装训练依赖，使用 CUDA 时需 12.6 或更高版本。
获取项目并安装依赖，将 settings.template.jsonc 复制为 settings.jsonc，填写训练和推理配置；微调多模态模型时使用对应的多模态配置模板。
通过 Telegram Desktop 将聊天记录导出为 JSON，并将导出的 ChatExport_* 文件夹放入 dataset/telegram；准备所需模型。
按项目流程预处理聊天数据、微调模型，再进行测试或部署。
使用案例
制作个人聊天风格的数字分身
使用场景有模型训练环境的用户希望用自己的 Telegram 聊天记录创建对话模型。
导出文字聊天记录，完成预处理和隐私信息过滤后微调模型，再测试模型生成的回复是否符合预期。
使用图文聊天记录训练
使用场景用户的 Telegram 聊天记录中包含希望用于训练的照片。
导出包含照片的 JSON 聊天记录，采用多模态配置进行微调，让图片数据也参与数字分身训练。
包含内容
weclone-source.zip
README-中文安装说明.md
LICENSE-AGPL-3.0.txt
SHA256.txt
常见问题
WeClone 目前支持哪些聊天记录作为数据源？
当前资料明确列出 Telegram 聊天记录支持文字和图片；WhatsApp、Discord、Slack 的数据源适配仍标为开发中。
可以用 Telegram 的语音或视频聊天记录训练吗？
项目的 Telegram 数据源支持表将语音和视频标为不支持；文字和图片标为支持。
运行 WeClone 需要什么 Python 环境？
项目清单要求 Python 3.12（版本范围为 ＞=3.12,＜3.13）；安装说明要求使用 CUDA 时版本为 12.6 或更高。
WeClone 在 Windows 上能运行吗？
项目说明指出 Windows 环境尚未经过严格测试，建议使用 WSL 作为运行环境。
数字分身的回复效果主要受什么影响？
项目说明指出，微调效果很大程度取决于模型大小，以及聊天数据的数量和质量；其中 7B 模型效果被描述为一般。
相关资源
