WeClone项目核心功能 - 支持通过微信聊天记录微调大语言模型(LLM)，捕捉用户语言习惯和表达方式，基于LoRA框架支持0.5B-7B规模模型如ChatGLM3-6B、Qwen2.5-7B等 [12] - 模型训练需约16GB显存，满足小样本低资源场景，训练效率高 [13] - 语音克隆模块通过0.5B参数模型和5秒语音样本实现95%相似度的声音克隆，基于Tacotron或WavLM模型 [15] - 支持多平台部署至微信/QQ/Telegram等，通过AstrBot框架实现实时对话 [16] 技术实现路径 - **数据预处理**：微信CSV/SQLite转为JSON格式，清洗敏感信息并保留时间戳，提供禁用词过滤功能 [20][27] - **模型微调**：采用ChatGLM3-6B基础模型，LoRA框架减少可训练参数，支持单机/多卡分布式训练 [20][21][36] - **部署方案**：FastAPI/Flask打包模型，支持GPU/CPU混合部署，自定义参数配置 [22][37] 应用场景 - 个人助理定制：自动回复消息、处理邮件等事务 [17] - 内容创作：生成特定风格文本如推文/脚本，支持多账号运营 [17] - 数字永生：创建个人或他人的永久数字分身 [18] 安装与训练流程 - 环境依赖Python 3.9，推荐使用uv管理环境，需安装16GB显存GPU [23][24] - 数据准备需通过PyWxDump解密微信数据库，导出CSV至指定目录 [26] - 训练参数可调整batch_size/epochs等，单卡训练示例loss值3.5（2万条数据） [34][36] - 推理支持浏览器demo或API接口测试，部署需配置AstrBot服务 [37][40] 模型获取 - 优先从Hugging Face下载ChatGLM3模型，备选魔搭社区需替换modeling_chatglm.py文件 [29][32]