你是否經(jīng)歷過這樣的至暗時(shí)刻： 明明實(shí)驗(yàn)數(shù)據(jù)已經(jīng)跑通，核心邏輯也已梳理完畢，卻在面對(duì)空白的 PPT 頁面時(shí)陷入停滯； 明明腦海里有清晰的系統(tǒng)架構(gòu)，卻要在 Visio 或 Illustrator 里跟一根歪歪扭扭的線條較勁半小時(shí)； 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(gè)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(zhuǎn)化為結(jié)構(gòu)圖、流程圖，再整理成演示用的 PPT，這個(gè)過程繁瑣、耗時(shí)，且極度考驗(yàn)設(shè)計(jì)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(dòng)幫我們要展示的 “視覺物料” 準(zhǔn)備好？

為了解決這一痛點(diǎn)，北京大學(xué) DCAI 課題組基于自動(dòng)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(tái) ——Paper2Any

它不再是一個(gè)簡(jiǎn)單的 “文生圖” 工具，而是一整套自動(dòng)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(zhǔn)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(yàn)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(cuò)，但在科研與辦公等場(chǎng)景下有一個(gè)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(fēng)格難以統(tǒng)一。

工作流實(shí)現(xiàn)邏輯

生成示例PPT繪圖

Paper2Any 的核心差異在于它實(shí)現(xiàn)了從邏輯到結(jié)構(gòu)化元素的映射。

系統(tǒng)內(nèi)置的智能體首先對(duì)輸入的文章或文本進(jìn)行語義分析，提取核心貢獻(xiàn)與思路。接著，它不僅生成視覺圖像，更進(jìn)一步對(duì)草稿圖進(jìn)行圖文內(nèi)容分割 —— 自動(dòng)識(shí)別其中的文字、圖表、結(jié)構(gòu)模塊、圖標(biāo)，并記錄每個(gè)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(dú)立、分層、可操作的圖文塊。用戶可以在 PPT 中自由移動(dòng)、編輯、替換、重新布局。（Paper2PPT 和 PPTPolish 功能暫時(shí)僅支持輸出 PDF，可通過 PDF2PPT 功能將其結(jié)果轉(zhuǎn)為可編輯 PPTX）

二、 功能全景：從草稿到演示的自動(dòng)化閉環(huán)

Paper2Any 目前支持的功能主要涵蓋以下四大核心場(chǎng)景，旨在解決從 “輸入素材” 到 “最終匯報(bào)” 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(xué)習(xí)復(fù)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(dòng)識(shí)別你的意圖。

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

Paper2PPT：文章結(jié)構(gòu)化解析與 PPT 生成

這是為 “趕進(jìn)度” 的研究者和職場(chǎng)人準(zhǔn)備的救星。Paper2PPT 不僅僅是簡(jiǎn)單的摘要生成，它利用算法對(duì)文檔結(jié)構(gòu)進(jìn)行深度語義分析，提取背景、方法論、關(guān)鍵圖表。

• 三種輸入模式： 直接上傳 PDF 論文、粘貼長(zhǎng)文本、或者僅僅輸入一個(gè)研究 Topic（系統(tǒng)會(huì)自動(dòng)深度搜索）。
• 自定義設(shè)置： 支持用戶自定義幻燈片頁數(shù)、風(fēng)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(zhǎng) PPT 支持：首次支持制作超過 40 頁的超長(zhǎng) ppt，無論是綜述的演示還是深入研究某個(gè)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(dá)僵硬問題。輸出結(jié)果采用標(biāo)準(zhǔn)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(chǎng)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(bào)告，卻需要對(duì)其進(jìn)行修改和匯報(bào)？

PDF2PPT 模塊利用MinerUSAM(Segment Anything Model) 模型，像 “拆積木” 一樣對(duì)版面進(jìn)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(jìn)行圖像內(nèi)補(bǔ)（Inpainting）。當(dāng)系統(tǒng)將文字提取出來后，會(huì)自動(dòng)修復(fù)文字覆蓋區(qū)域的背景，實(shí)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(jiǎn)陋，PPTPolish 可以接手后續(xù)的美化工作。系統(tǒng)會(huì)自動(dòng)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(shí)刻：從輸入到輸出的 “視覺魔法”

空口無憑，我們來看看 Paper2Any 的實(shí)際表現(xiàn)。

科研繪圖：拯救手殘黨

• 模型架構(gòu)圖生成：

1. 論文 PDF → 符合論文主題的架構(gòu)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(gòu)圖

• 技術(shù)路線圖智能梳理：

1. 論文 PDF → 符合論文主題的技術(shù)路線圖

2. 論文摘要文本 → 符合論文主題的技術(shù)路線圖

• 實(shí)驗(yàn)數(shù)據(jù)可視化：

1. 論文 PDF → 自動(dòng)提取實(shí)驗(yàn)數(shù)據(jù)繪制 PPT

不同類型與不同風(fēng)格的生成圖示例

2. 論文實(shí)驗(yàn)表格文本 → 自動(dòng)整理實(shí)驗(yàn)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(shì)：

• 結(jié)構(gòu)化圖表生成能力強(qiáng)
• 中文文字表達(dá)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(rùn)色拓展

原始 PPT 只是簡(jiǎn)單的文字羅列；潤(rùn)色后，系統(tǒng)自動(dòng)添加了科技感背景、可視化圖標(biāo)、以及邏輯圖示，瞬間提升匯報(bào)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(yùn)行，可以基于 Github 倉(cāng)庫(kù)進(jìn)行本地部署。

• Github 倉(cāng)庫(kù)： 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(dòng) Web 前端即可。

2. 網(wǎng)頁版快速體驗(yàn)

團(tuán)隊(duì)已推出可視化的 Web 前端，支持拖拽上傳與實(shí)時(shí)進(jìn)度展示。新用戶可免費(fèi)注冊(cè)，登錄后可查看歷史使用記錄。

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

結(jié)語：讓配圖成為一種「自動(dòng)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(jì)劃陸續(xù)支持Paper2Rebuttal（論文返修）、Paper2Idea（創(chuàng)新點(diǎn)生成）和Paper2Poster（文章海報(bào)生成）等更多的多模態(tài)功能。我們相信，工具的價(jià)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(shí)間投入到那些真正閃光的 Idea 之中。

歡迎大家關(guān)注使用 DCAI 的開源項(xiàng)目并與我們進(jìn)行技術(shù)交流，如果覺得好用也請(qǐng)?jiān)?GitHub 倉(cāng)庫(kù)點(diǎn)一個(gè) star ~

Data-centric AI 開源項(xiàng)目：

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

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

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

DataFlow 技術(shù)報(bào)告（#1 of the Hugging Face daily paper）: https://arxiv.org/abs/2512.16676

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