你是否經(jīng)歷過這樣的至暗時刻： 明明實驗數(shù)據(jù)已經(jīng)跑通，核心邏輯也已梳理完畢，卻在面對空白的 PPT 頁面時陷入停滯； 明明腦海里有清晰的系統(tǒng)架構，卻要在 Visio 或 Illustrator 里跟一根歪歪扭扭的線條較勁半小時； 好不容易用 AI 生成了一張精美的流程圖，卻發(fā)現(xiàn)上面的文字是亂碼，或者為了改一個配色不得不重新生成幾十次……

在內(nèi)容生產(chǎn)的過程中，“寫” 往往只占了一半，而將文字轉化為結構圖、流程圖，再整理成演示用的 PPT，這個過程繁瑣、耗時，且極度考驗設計感。為什么我們不能讓 AI 像理解文字一樣，理解我們的邏輯，并自動幫我們要展示的 “視覺物料” 準備好？

為了解決這一痛點，北京大學 DCAI 課題組基于自動化數(shù)據(jù)治理 Agent 框架DataFlow-Agent，推出了全新的多模態(tài)輔助平臺 ——Paper2Any

它不再是一個簡單的 “文生圖” 工具，而是一整套自動化的內(nèi)容視覺化 Workflow。從閱讀資料、理解邏輯，到生成圖像、切割元素，最終輸出完全可編輯的 PPT 和 SVG 文件，Paper2Any 正在試圖重塑我們準備 Presentation 的方式。

• 本地部署方式：https://github.com/OpenDCAI/Paper2Any?tab=readme-ov-file#-linux-% E5% AE%89% E8% A3%85
• 網(wǎng)頁體驗地址：http://dcai-paper2any.nas.cpolar.cn/
• 文章多模態(tài)工作流 Paper2Any：https://github.com/OpenDCAI/Paper2Any

一、 核心突破：打破 “不可編輯” 的魔咒

目前市面上的 AI 繪圖工具雖然效果不錯，但在科研與辦公等場景下有一個致命缺陷：生成的圖片是 “死” 的。 文字無法修改，模塊無法拖拽，風格難以統(tǒng)一。

工作流實現(xiàn)邏輯

生成示例PPT繪圖

Paper2Any 的核心差異在于它實現(xiàn)了從邏輯到結構化元素的映射。

系統(tǒng)內(nèi)置的智能體首先對輸入的文章或文本進行語義分析，提取核心貢獻與思路。接著，它不僅生成視覺圖像，更進一步對草稿圖進行圖文內(nèi)容分割 —— 自動識別其中的文字、圖表、結構模塊、圖標，并記錄每個元素的元數(shù)據(jù)。

這意味著，你拿到的不再是一張不可直接修改的 PNG，而是一組獨立、分層、可操作的圖文塊。用戶可以在 PPT 中自由移動、編輯、替換、重新布局。（Paper2PPT 和 PPTPolish 功能暫時僅支持輸出 PDF，可通過 PDF2PPT 功能將其結果轉為可編輯 PPTX）

二、 功能全景：從草稿到演示的自動化閉環(huán)

Paper2Any 目前支持的功能主要涵蓋以下四大核心場景，旨在解決從 “輸入素材” 到 “最終匯報” 的最后一公里問題。

Paper2Figure：智能科研繪圖，草圖變精圖

用戶無需從零學習復雜的矢量繪圖軟件。Paper2Figure 支持多模態(tài)輸入（PDF、文本、甚至隨手畫的草圖截圖），系統(tǒng)便能自動識別你的意圖。

• 模型架構圖： 上傳論文或描述，系統(tǒng)自動梳理模塊連接關系，生成清晰的架構圖。支持生成 SVG 和 可編輯 PPTX，圖里的方框、線條都能動。
• 技術路線圖： 無論是中文還是英文，系統(tǒng)能根據(jù)方法論自動繪制流程與邏輯步驟。
• 實驗數(shù)據(jù)圖： 扔給它一堆實驗數(shù)據(jù)文本或表格，它能自動轉化為可視化的對比柱狀圖或折線圖。

Paper2PPT：文章結構化解析與 PPT 生成

這是為 “趕進度” 的研究者和職場人準備的救星。Paper2PPT 不僅僅是簡單的摘要生成，它利用算法對文檔結構進行深度語義分析，提取背景、方法論、關鍵圖表。

• 三種輸入模式： 直接上傳 PDF 論文、粘貼長文本、或者僅僅輸入一個研究 Topic（系統(tǒng)會自動深度搜索）。
• 自定義設置： 支持用戶自定義幻燈片頁數(shù)、風格及自由選擇中英文語言；支持逐頁生成 PPT，用戶可自由調(diào)整每頁 PPT 的大綱。
• 超長 PPT 支持：首次支持制作超過 40 頁的超長 ppt，無論是綜述的演示還是深入研究某個主題都能一次滿足！
• 中文適配與呈現(xiàn)： 可解決大模型生成 PPT 字體怪異及表達僵硬問題。輸出結果采用標準中文字體與規(guī)范的排版，文案邏輯自然流暢，可減少 “AI 痕跡”，滿足正式場合演示需求。

PDF2PPT：讓靜態(tài)文檔可編輯

你是否遇到過這種情況：手里只有一份 PDF 格式的講義或報告，卻需要對其進行修改和匯報？

PDF2PPT 模塊利用MinerUSAM(Segment Anything Model) 模型，像 “拆積木” 一樣對版面進行高精度解析，將原本鎖死的 PDF 頁面還原為可編輯的 PPTX。

• 黑科技加持： 系統(tǒng)集成了Gemini Nano模型進行圖像內(nèi)補（Inpainting）。當系統(tǒng)將文字提取出來后，會自動修復文字覆蓋區(qū)域的背景，實現(xiàn) “去字留影”，最大程度還原原始底圖的視覺效果。

PPTPolish：交互式美化專家

如果你的 PPT 內(nèi)容已經(jīng)寫好，但排版卻有些簡陋，PPTPolish 可以接手后續(xù)的美化工作。系統(tǒng)會自動分析頁面并生成美化提示詞，用戶可以逐頁修改提示詞來微調(diào)美化方向。

三、 示例高能時刻：從輸入到輸出的 “視覺魔法”

空口無憑，我們來看看 Paper2Any 的實際表現(xiàn)。

科研繪圖：拯救手殘黨

• 模型架構圖生成：

1. 論文 PDF → 符合論文主題的架構圖

2. 科研配圖 / 示意圖截圖 → 可編輯 PPTX

3. 論文摘要文本 → 可編輯架構圖

• 技術路線圖智能梳理：

1. 論文 PDF → 符合論文主題的技術路線圖

2. 論文摘要文本 → 符合論文主題的技術路線圖

• 實驗數(shù)據(jù)可視化：

1. 論文 PDF → 自動提取實驗數(shù)據(jù)繪制 PPT

不同類型與不同風格的生成圖示例

2. 論文實驗表格文本 → 自動整理實驗數(shù)據(jù)繪制 PPT

PPT 智能生成與美化

從文檔到演示，Paper2Any 提供了全鏈路的解決方案。

• Paper2PPT：

與 Gemini 3 Pro、NotebookLM 相比，Paper2Any 生成的 PPT 有以下優(yōu)勢：

• 結構化圖表生成能力強
• 中文文字表達與字體呈現(xiàn)效果更自然
• 可讀性更好，干貨更多，排版布局更具專業(yè)感與人工感
• PDF2PPT：

• PPTPolish：

1. PPT 增色美化

2. PPT 潤色拓展

原始 PPT 只是簡單的文字羅列；潤色后，系統(tǒng)自動添加了科技感背景、可視化圖標、以及邏輯圖示，瞬間提升匯報檔次。

四、 如何使用與部署

Paper2Any 提供兩種使用方式：

1. 本地部署（開發(fā)者推薦）

如果你希望深入研究、二次開發(fā)或本地運行，可以基于 Github 倉庫進行本地部署。

• Github 倉庫： https://github.com/OpenDCAI/Paper2Any
• 快速開始指引： https://github.com/OpenDCAI/Paper2Any?tab=readme-ov-file#-linux-% E5% AE%89% E8% A3%85

參考 Readme 文檔啟動 Web 前端即可。

2. 網(wǎng)頁版快速體驗

團隊已推出可視化的 Web 前端，支持拖拽上傳與實時進度展示。新用戶可免費注冊，登錄后可查看歷史使用記錄。

• 訪問地址： http://dcai-paper2any.nas.cpolar.cn/

結語：讓配圖成為一種「自動獲得的附加值」

Paper2Any 的愿景，是希望建立一條新的科研與工作慣例：寫文章 + 一鍵配圖 + 一鍵生成 PPT + 一鍵展示

在未來，課題組計劃陸續(xù)支持Paper2Rebuttal（論文返修）、Paper2Idea（創(chuàng)新點生成）和Paper2Poster（文章海報生成）等更多的多模態(tài)功能。我們相信，工具的價值在于釋放人類的創(chuàng)造力，讓你從繁瑣的格式調(diào)整中解脫出來，將寶貴的時間投入到那些真正閃光的 Idea 之中。

歡迎大家關注使用 DCAI 的開源項目并與我們進行技術交流，如果覺得好用也請在 GitHub 倉庫點一個 star ~

Data-centric AI 開源項目：

文章多模態(tài)工作流 Paper2Any: https://github.com/OpenDCAI/Paper2Any

自動化數(shù)據(jù)治理 Agent 框架 DataFlow-Agent: https://github.com/OpenDCAI/DataFlow-Agent

LLM 數(shù)據(jù)準備系統(tǒng) DataFlow (1.9k star): https://github.com/OpenDCAI/DataFlow

DataFlow 技術報告（#1 of the Hugging Face daily paper）: https://arxiv.org/abs/2512.16676

LLM 數(shù)據(jù)訓練系統(tǒng) DataFlex (基于 LLaMA-Factory): https://github.com/OpenDCAI/DataFlex