复刻 NotebookLM 的 AI PPT 功能,并进一步增强为可控、可编辑、可自定义模型的 PPT 生成工作台,支持将论文、文档等资料自动转换为精美的 PPT 图片。
演示视频覆盖上传 doc/L9.md、填写用户要求、生成并编辑设计大纲、确认逐页设计、生成 6 页 PPT、单页编辑、确认替换、导出 PDF/PPTX;模型等待阶段已做快进剪辑。
NotebookLM 的 PPT 能力更像"一键生成结果",中间设计过程和单页调整空间相对有限。本项目把生成链路拆成用户可理解、可干预的工作台流程:
- 过程可见:先展示 PPT 大纲和逐页设计说明,用户确认后再生成图片
- 逐页可改:每一页都能单独编辑、生成新版本、回退历史并确认替换
- 模型可控:文本规划、生图、图片编辑可分别配置不同 OpenAI-compatible 模型
- 本地可跑:配置保存在本地
config.yaml,API Key 不会暴露给前端或浏览器 - 结果可导出:生成后可直接导出 PDF/PPTX,适合继续汇报或二次编辑
- 🎨 逐页图片生成:先生成可编辑设计大纲和逐页设计,再使用 AI 模型转换为 PPT 页面图片
- 🌐 PPT 工作台:支持资料上传、模型配置、当前页大预览、缩略图列表、编辑历史和导出
- 📝 多格式解析:支持
.md/.txt/.pdf/.docx/.pptx输入,统一转 Markdown 后生成 - ✏️ 整页图像编辑:支持对每页幻灯片单独二次编辑、历史回退和确认替换
- 🔀 三模型角色:支持
prompt_model、image_model、edit_model分别配置 - 🖼️ 图像结果兼容:兼容 URL、Markdown 图片链接、data URL、
b64_json和纯 base64 - 💾 状态持久化:自动保存工作进度,支持会话恢复
# 克隆项目 git clone <repository-url> cd OpenNotebookLM-AIPPT # 配置 API 密钥 cp config.example.yaml config.yaml # 编辑 config.yaml,填入你的 API 密钥
方式一:WebUI 界面(推荐)
# 一键启动前后端
./start.sh启动后访问:
- 🎨 前端界面: http://localhost:5173
- 📚 API 文档: http://localhost:8000/docs
方式二:分别启动前后端
# 终端 1:启动后端 ./start-api.sh # 终端 2:启动前端 cd web && npm install && npm run dev
方式三:命令行使用
# 安装依赖 pip install -r requirements.txt # 基础用法 python main.py -i doc/L9.md -n 5 # 仅生成 Prompt python main.py -i doc/L9.md -n 5 --prompt-only -o prompts.json # 从 Prompt 文件生成 python main.py --from-prompt prompts.json
- 上传文档:在左侧面板拖拽或点击上传资料文件
- 配置模型:在中间面板配置文本、生图和编辑模型
- 设置参数与要求:选择页数、清晰度、比例、语言、风格、受众,并填写用户定制要求
- 确认设计:先生成设计大纲,用户可编辑后确认,再生成逐页设计预览
- 生成 PPT:确认逐页设计后生成 PPT 图片,实时查看进度
- 预览编辑:在右侧面板预览生成的幻灯片,点击可进行单页编辑
- 导出文件:选择 PDF 或 PPTX 格式导出
仓库内置演示资料为 doc/L9.md。该路径是仓库相对路径,clone 后可直接用于 WebUI 上传或命令行示例。
OpenNotebookLM-AIPPT/
├── src/ # 核心逻辑
├── api/ # FastAPI 后端
├── web/ # React 前端
├── tests/ # 测试
├── doc/ # 输入文档目录
│ └── L9.md # 默认演示资料
├── config.yaml # 配置文件
├── start.sh # 一键启动脚本
└── main.py # 命令行入口
所有配置统一在 config.yaml 中管理,包括:
- API 配置(文本 prompt、生图、编辑三角色模型)
- PPT 默认配置(语言、风格、页数)
- 超时和重试配置
详细配置示例请参考 config.example.yaml。
api: models: prompt_model: adapter: "openai_chat" model: "gpt-4o" base_url: "https://api.openai.com/v1" api_key: "sk-xxx" image_model: adapter: "raw_chat_multimodal" model: "gpt-image-2" base_url: "https://api.example.com/v1" api_key: "sk-xxx" edit_model: adapter: "raw_chat_multimodal" model: "gpt-image-2" base_url: "https://api.example.com/v1" api_key: "sk-xxx"
output/ppt_20241201_123456/
├── source_material.txt # 原始输入资料
├── prompts.json # 生成的 Prompt
├── result.json # 生成结果
├── presentation.pdf # 导出的 PDF
└── images/ # 幻灯片图片
- 支持框选局部区域编辑
- 增加更多 provider profile 模板
Apache License 2.0