获取 QQ 聊天数据
- 教程请参考：NTQQ Windows 数据解密
- 补充资料：数据库解码参考
- 上面这两个是同一个教程的不同章节,耐心看完就好,不复杂(如果不会可以翻到最底下找我哦)
- 使用 DB Browser for SQLite，密码填写你获取到的 16 位密钥
- HMAC 算法一般为SHA1，也有人是SHA512和256,自行测试,算法错误了会打不开数据库（所以需要测试到打开为之,也可以用 AI 帮你适配）
- 在 DB Browser 里导出
c2c_msg_table的 SQL - 新建数据库，导入刚才导出的 SQL 文件
- 获得一个这样的数据库
- 结构如下图,是明文数据库(你能打开并且能看到数据就是正常的)
- 将数据库重命名为
qq.db并放在dataset/original文件夹下
或修改
setting.jsonc中的qq_db_path
获取Telegram(TG)聊天数据
请使用Telegram Desktop导出聊天数据
点击
Export chat history按钮
选择
JSON(Machine-readable JSON)按钮不必勾选其他按钮,因为此项目暂不支持多模态
将
导出文件夹下的**ChatExport_**文件夹全部移至dataset/original/`文件夹内,如下图所示
重要
修改
setting.jsonc文件,将telegram_chat_id改为你的telegram聊天id
包含空格!!!
- 比如以下ID需要填写的是
qqqqq f
获取微信(WX)聊天数据
前往WeChatBakTool的Github项目并且去release下载最新版
或点此下载WechatBakTool
前往此项目下载老版本微信(v3.9.12.15)
或点此链接快速下载微信
安装微信并登录
手机打开
设置-聊天-聊天记录迁移与备份-迁移-迁移至电脑微信并继续解压baktool
0.安装.NET Desktop Runtime(注意是6.0版本的Desktop Runtime，如已经安装忽略)
1.打开微信，并登录。
2.在软件左侧下方点击新建工作区，
3.在新建工作区界面，选择要创建工作区的微信进程，并确认下方微信号是否正确
4.解密方式推荐选择用户名推断查找！该方式理论支持所有64位版本微信。但该模式需要确保微信账号正确
5.新手请忽略其他选项，直接点击创建工作区，程序会自动进行工作区创建、解密。
右键
工作区-管理,导出好友聊天,全部将前往
baktool的文件夹,进入workspace-[随机名文件夹]-DecDB找到所有
MSG*.db的文件,例如MSG1.db,全部移动至dataset/original/wechat文件夹内
(可选) 从视频/音频文件中获取聊天数据'
- 从双音轨的视频/音频中提取(需要有音轨分离的文件)
1. 安装依赖
# 自动安装所有依赖
python process_data/chat_parser/video-to-chatml/start-vtc.py --install
# 或手动安装
pip install -r requirements.txt注意: 还需要安装ffmpeg:
- Windows: 从 https://ffmpeg.org 下载或使用
choco install ffmpeg - Ubuntu:
sudo apt install ffmpeg - macOS:
brew install ffmpeg
2. 使用方法
交互式模式（推荐新用户）
python process_data/chat_parser/video-to-chatml/start-vtc.py -i直接命令行模式
python process_data/chat_parser/video-to-chatml/start-vtc.py video.mp4 -u 0 -a 1 -o output.json -m base使用主程序
python process_data/chat_parser/video-to-chatml/video-to-chatml.py video.mp4 -u 0 -a 1 -o output.json -m base参数说明
video: 输入视频文件路径-u, --user-track: 用户音轨索引（默认: 0）-a, --assistant-track: 助手音轨索引（默认: 1）-o, --output: 输出的ChatML文件路径-m, --model: Whisper模型大小（tiny/base/small/medium/large，默认: base）
Whisper模型选择
| 模型 | 参数量 | 内存占用 | 速度 | 精度 |
|---|---|---|---|---|
| tiny | 39M | ~1GB | 最快 | 最低 |
| base | 74M | ~1GB | 快 | 低 |
| small | 244M | ~2GB | 中等 | 中等 |
| medium | 769M | ~5GB | 慢 | 高 |
| large | 1550M | ~10GB | 最慢 | 最高 |
输出格式
生成的ChatML文件格式如下：
[
{
"role": "user",
"content": "用户说的话",
"timestamp": {
"start": 0.0,
"end": 2.5
}
},
{
"role": "assistant",
"content": "助手回复的话",
"timestamp": {
"start": 2.5,
"end": 5.0
}
}
]常见问题
1. CUDA支持
如果有NVIDIA GPU，程序会自动使用CUDA加速。检查CUDA支持：
python process_data/chat_parser/video-to-chatml/start-vtc.py --check2. 音轨识别
使用交互式模式可以查看视频的所有音轨信息，帮助选择正确的音轨索引。
3. 内存不足
如果遇到内存不足，尝试使用更小的Whisper模型（如tiny或base）。
依赖项
- Python 3.7+
- openai-whisper
- torch
- ffmpeg-python
- ffmpeg (系统依赖)
支持的格式
视频格式: MP4, MKV, AVI, MOV, WMV等ffmpeg支持的格式 音频编码: 大部分常见音频编码（AAC, MP3, WAV等）