# doc2ppt

**Repository Path**: tengyundong_admin/doc2ppt

## Basic Information

- **Project Name**: doc2ppt
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-07-07
- **Last Updated**: 2026-07-24

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Paper PPT Agent

<p align="center">
  <b>上传论文，AI 自动生成演示文稿 & 讲解视频</b>
</p>

<p align="center">
  <a href="https://github.com/CRui5in/paper-ppt-agent/releases"><img src="https://img.shields.io/badge/release-v1.0.1-brightgreen" alt="Release"></a>
  <img src="https://img.shields.io/badge/Python-3.11+-3776AB?logo=python&logoColor=white" alt="Python">
  <img src="https://img.shields.io/badge/FastAPI-0.115+-009688?logo=fastapi&logoColor=white" alt="FastAPI">
  <img src="https://img.shields.io/badge/React-18+-61DAFB?logo=react&logoColor=black" alt="React">
  <img src="https://img.shields.io/badge/TypeScript-5+-3178C6?logo=typescript&logoColor=white" alt="TypeScript">
</p>

<p align="center">
  中文 | <a href="./README.en.md">English</a>
</p>

---

基于多智能体协作的学术论文演示文稿自动生成工具。上传论文 PDF 或 TeX 源码，由 AI 完成内容提炼、结构规划、版式设计与视觉质量审查，最终输出可编辑的 PowerPoint 文件。支持将 PPT 一键转为 AI 讲解视频。

![screenshot](./index.png)

## 目录

- [✨ 功能亮点](#-功能亮点)
- [📸 效果展示](#-效果展示)
- [⚙️ 环境要求](#️-环境要求)
- [🚀 快速开始](#-快速开始)
- [🎬 PPT 转讲解视频](#-ppt-转讲解视频)
- [📋 更新日志](#-更新日志)
- [🙏 参考项目](#-参考项目)
- [📄 许可证](#-许可证)

---

## ✨ 功能亮点

| 功能 | 说明 |
|:-----|:-----|
| **多智能体流水线** | Strategist → Executor → Critic 三阶段协作，内容提炼与版式生成一体化 |
| **Agent 生成模式** | 工作台支持 Claude Code / Codex 本机 Agent 运行时生成演示文稿 |
| **🎬 PPT 转讲解视频** | 上传文档 + PPT，AI 逐页生成自然口语化讲解词，TTS 合成语音，FFmpeg 合成 MP4 |
| **静态 + 视觉 QA** | 自动检测文字溢出、元素重叠、低对比度等问题并触发修复 |
| **反馈迭代** | 指定单页或全量重生成，支持结构调整（增删插排），自动版本快照 |
| **实时可观测** | Agent 日志流、Token 用量聚合、Critic 逐页详情面板 |
| **多语言** | 支持中英双语及自定义语言输出 |
| **多模型** | OpenAI / Anthropic / Gemini / DeepSeek 及自定义兼容接口 |
| **模板导入** | 支持 PPTX 直接导入为五页模板，也支持基于 Claude Code 的 Agent 模式自动分析、模板化与预览 |
| **PPT 编辑器** | 内置基于 PPTist 的可视化编辑器，支持结果页和模板导入页中直接调整页面、备注、字体与导出 |
| **Deep Research** | 外部研究增强（arXiv / Semantic Scholar / Web），相关性自动过滤 |

## 📸 效果展示

<p align="center">
  <img src="./demo.png" width="700" alt="生成流程">
</p>

## ⚙️ 环境要求

| 依赖 | 版本 |
|:-----|:-----|
| 🐍 Python | 3.11+ |
| 🟢 Node.js | 18+ |
| 📽️ FFmpeg | 系统安装（视频生成需要） |
| 📊 LibreOffice | 系统安装（视频生成 PPT→图片转换需要） |

至少一种模型提供商的 API Key：OpenAI / Anthropic / Gemini / DeepSeek 或自定义 BaseURL 兼容接口。

可选：使用工作台的 Agent 生成模式前，需要在本机安装并配置好 Claude Code 或 Codex。模板导入的 Agent 模式当前使用 Claude Code，需要在本机安装并配置好 Claude Code。

## 🚀 快速开始

```bash
# 克隆仓库
git clone https://github.com/CRui5in/paper-ppt-agent.git
cd paper-ppt-agent

# 一键启动（自动安装依赖 + 启动前后端）
# Windows
.\start-dev.bat
# Linux
sh start-dev.sh
```

启动后访问：前端 [http://127.0.0.1:5173](http://127.0.0.1:5173) · 后端 [http://127.0.0.1:8000](http://127.0.0.1:8000)

<details>
<summary>📎 手动启动</summary>

```bash
# 安装依赖
conda create -n deepresent python=3.12 -y
conda activate deepresent
pip install -r requirements.txt
cd frontend && npm install && cd ..

# 后端
python -m uvicorn backend.app:app --host 127.0.0.1 --port 8000 --reload --reload-dir backend

# 前端
cd frontend && npm run dev -- --host 127.0.0.1 --port 5173 --strictPort
```

</details>

---

## 🎬 PPT 转讲解视频

### 功能概述

上传参考文档（PDF/Word/Markdown）和 PPT 文件，AI 自动生成逐页讲解视频：

```
📄 参考文档 + 📊 PPT
        │
        ▼
  文档解析 → 理解上下文
        │
        ▼
  PPT → 逐页图片 (LibreOffice + pdf2image)
        │
        ▼
  AI 逐页生成讲解词 (基于文档上下文 + PPT内容，口语化自然)
        │
        ▼
  TTS 语音合成 (edge-tts 免费 / OpenAI TTS)
        │
        ▼
  FFmpeg 合成 MP4 视频
```

### 讲解风格

| 风格 | 说明 |
|:-----|:-----|
| **学术严谨** | 专业、逻辑清晰、术语准确 |
| **通俗科普** | 深入浅出、生动有趣、易于理解 |
| **演讲激励** | 富有感染力、适合展示和路演 |
| **简洁摘要** | 精炼概括、快速了解要点 |

### TTS 语音

- **edge-tts**（默认，免费）：微软神经网络 TTS，中文质量优秀，无需 API Key
- **OpenAI TTS**（可选，付费）：6 种音色，质量极高

支持多语言（中/英/日/韩）及男女声自由选择，语速 0.5x–2.0x 可调。

### Docker 部署

```bash
docker build -t deepresent .
docker run -p 8000:8000 deepresent
```

注意：Docker 镜像已包含 LibreOffice 和 FFmpeg，无需额外安装。

---

## 📋 更新日志

### 2026 年 7 月

- 🎬 **PPT 转讲解视频** — 上传文档+PPT，AI 生成自然口语化逐页讲解词，TTS 合成语音，FFmpeg 输出 MP4
- 🎤 **多 TTS 引擎** — 支持 edge-tts（免费）和 OpenAI TTS，多种男女声可选
- 🎨 **讲解风格自定义** — 内置学术严谨 / 通俗科普 / 演讲激励 / 简洁摘要四种风格
- 🌐 **多语言讲解** — 支持中文、英文、日文、韩文讲解词生成
- 📡 **WebSocket 进度推送** — 视频生成实时进度展示
- 💾 **内存保护** — 低内存环境自动等待/重试，防止 OOM

### 2026 年 6 月

- 📚 **多源数据支持** — 支持论文、链接和文本资料共同作为生成来源
- 🧠 **论文解析增强** — 增强论文解析、章节规划和内容筛选能力
- 🖼️ **图文匹配优化** — 提高正文图表与页面图片的匹配准确性
- 🧭 **汇报结构优化** — 收敛目录和章节划分，优化汇报结构
- 🛠️ **生成稳定性提升** — 提升 Provider 与 Agent 生成稳定性
- 🌐 **状态与预览改进** — 改进 SVG 修复、预览解析和生成状态反馈
- 🧩 **模板导入 Codex 支持**
- 🚀 **交互式启动器**

### 2026 年 5 月

- 👁️ **视觉 QA（实验性）** — 调用多模态大模型将幻灯片渲染为图像进行布局与对比度审查
- 🖥️ **实时 SVG 预览 + 日志面板 + Critic 详情视图** — 生成过程中实时查看幻灯片、Agent 日志与审查详情
- 🎨 **模板系统与自定义字体** — 预设行业风格模板，支持自定义标题/正文字体配置
- 🧩 **模板导入** — 支持 PPTX 直接导入、五页模板映射，以及基于 Claude Code 的 Agent 模式自动分析和模板化
- 🤖 **Agent 生成模式** — 工作台接入 Claude Code / Codex 生成演示文稿
- 📝 **PPT 编辑器** — 在生成结果与模板导入流程中接入可视化 PPT 编辑器，支持页面编辑、备注、保存、重新导出
- 🔬 **Deep Research 工作流** — 外部研究增强（arXiv / Semantic Scholar / Web）+ 相关性过滤
- 🎨 **前端 UI 重构** — 重构工作台、结果页与模板导入等前端体验，升级 SVG-to-PPTX 转换器

### 2026 年 4 月

- 🔒 **静态 Critic 增强** — 新增装饰线遮挡检测、低对比度文本检测，修复多行文字宽度估算误报
- 📁 **版本历史管理** — 每次反馈迭代自动归档快照，支持版本对比与回溯
- 🔎 **Token 日志筛选** — 按模型、阶段、页码、任务筛选 LLM 调用记录，支持点击展开详情
- ⏹️ **生成取消** — 支持在流水线运行中取消当前任务
- 🤖 **多智能体流水线** — Strategist → Executor → Critic 三阶段协作，支持 SVG 自动修复与反馈迭代

---

## 🙏 参考项目

- [PPTAgent](https://github.com/icip-cas/PPTAgent) — 流程设计与 Agent 架构参考
- [ppt-master](https://github.com/hugohe3/ppt-master) — 部分工程实现参考
- [PPTist](https://github.com/pipipi-pikachu/PPTist) — PPT 编辑器能力参考与集成基础
- [Document2Video](https://github.com/icip-cas/Document2Video) — PPT 转讲解视频模块设计参考

## ⭐ Star History

<a href="https://www.star-history.com/?repos=CRui5in%2Fpaper-ppt-agent&type=date&legend=top-left">
  <picture>
    <source media="(prefers-color-scheme: dark)" srcset="https://api.star-history.com/chart?repos=CRui5in/paper-ppt-agent&type=date&theme=dark&legend=top-left" />
    <source media="(prefers-color-scheme: light)" srcset="https://api.star-history.com/chart?repos=CRui5in/paper-ppt-agent&type=date&legend=top-left" />
    <img alt="Star History Chart" src="https://api.star-history.com/chart?repos=CRui5in/paper-ppt-agent&type=date&legend=top-left" />
  </picture>
</a>