Paper2Any

English | 中文

✨ 专注于论文多模态工作流：从论文PDF/截图/文本一键生成模型示意图、技术路线图、实验图表及演示文稿 ✨

| 📄 通用文件支持  |  🎯 AI赋能生成  |  🎨 自定义样式  |  ⚡ 闪电般速度 |

📑 目录

• 🔥 新闻
• ✨ 核心功能
• 📸 展示
• 🧩 Drawio
• 🚀 快速入门
• 📂 项目结构
• 🗺️ 路线图
• 🤝 贡献

🔥 新闻

[!TIP] 🆕 2026-03-28 · 可编辑PPT展示更新
为前端演示文稿工作流新增了两张可编辑PPT的展示截图：
包括生成的多幻灯片画廊视图，以及带有主题锁定的画布编辑工作区。

[!TIP] 🆕 2026-03-26 · 工作流展示更新
增加了对Paper2Video、Paper2Poster和Paper2Citation的展示内容。
README现在包含一个压缩视频演示，以及更新后的英文和中文工作流预览。

[!TIP] 🆕 2026-02-02 · Paper2Rebuttal
新增反驳草稿支持，提供结构化回复指导和图像感知的修订提示。

[!TIP] 🆕 2026-01-28 · Drawio更新
在工作流中增加了Drawio支持，用于创建可视化图表，并生成适合展示的输出。
知识库更新一句话：支持多文件PPT生成，具备文档转换与合并功能，可选插入图片，并结合嵌入式检索。

[!TIP] 🆕 2026-01-25 · 新功能
新增了AI辅助大纲编辑、三层模型配置系统以实现灵活的模型选择，以及用户积分管理并每日分配额度。
🌐 在线演示： http://dcai-paper2any.nas.cpolar.cn/

[!TIP] 🆕 2026-01-20 · Bug修复
修复了实验图表生成中的bug（图像/文本相关），并解决了历史文件丢失的问题。
🌐 在线演示： http://dcai-paper2any.nas.cpolar.cn/

[!TIP] 🆕 2026-01-14 · 功能更新与后端架构升级

1. 功能更新：新增了Image2PPT,优化了Paper2Figure的交互体验，并提升了PDF2PPT的效果。
   
2. 标准化API：重构了后端接口，采用RESTful /api/v1/结构，移除了过时的端点以提高可维护性。
   
3. 动态配置：通过API参数支持动态模型选择（如GPT-4o、Qwen-VL），消除了硬编码的模型依赖。
   🌐 在线演示： http://dcai-paper2any.nas.cpolar.cn/

• 2025-12-12 · Paper2Figure网页公测上线
• 2025-10-01 · 发布首个版本 0.1.0

✨ 核心功能

从论文PDF/图片/文本出发，一键生成可编辑的科学图表、演示文稿、视频脚本、学术海报等多模态内容。

Paper2Any目前包含以下子能力：

• 📊 Paper2Figure - 可编辑的科学图表：包括模型架构图、技术路线图（PPT + SVG）以及实验图表，最终输出可编辑的PPTX文件。
• 🧩 Paper2Diagram / Image2Drawio - 可编辑的图表：根据论文或文本、图片生成draw.io格式的图表，支持导出为drawio/png/svg格式，并可通过聊天方式进行编辑。
• 🎬 Paper2PPT - 可编辑的演示文稿：将论文、文本或主题内容转化为PPT，支持长文档处理，并内置表格和图表提取功能。
• 📝 Paper2Rebuttal：基于证据撰写结构化的反驳意见和修改建议。
• 🖼️ PDF2PPT - 版面保持转换：实现PDF到可编辑PPTX的精准版面保留。
• 🖼️ Image2PPT - 图片转幻灯片：将图片或截图转化为结构化的幻灯片。
• 🎨 PPTPolish - 智能美化：利用AI进行布局优化和风格转换。
• 🎬 Paper2Video：生成视频脚本和旁白素材。
• 🖼️ Paper2Poster - 学术海报：将论文PDF转化为海报级排版，支持自定义版块、添加Logo，并导出成品。
• 🔎 Paper2Citation - 引用探索器：通过作者姓名或DOI/论文链接，追踪引用该论文的作者、机构及后续重要研究成果。
• 📝 Paper2Technical：生成技术报告和方法总结。
• 📚 知识库（KB）：支持知识导入与嵌入、语义搜索，以及基于知识库生成PPT、播客和思维导图等功能。

📸 展示

🧩 Drawio

✨ 上传纸质图表或截图作为起点

✨ 在转换前保持源结构可见

✨ 将图像转换为可编辑的 DrawIO 画布

✨ 直接在 DrawIO 工作台中生成模型或系统图

✨ 使用聊天编辑功能完善生成的架构，并导出准备就绪的布局

📝 Paper2Rebuttal：反驳稿撰写

_{✨ 反驳稿撰写与修订支持}

📊 Paper2Figure：科学图表生成

<sub>✨ 模型架构图生成

✨ 模型架构图生成</sub>

✨ 技术路线图工作台：选择路径类型、输入来源、模型配置和可视化模板

✨ 生成具有结构化双栏布局的技术路线图

_{✨ 实验曲线图生成（多种风格）}

🎬 Paper2PPT：论文转演示文稿

✨ 端到端 PPT 生成演示

✨ 从论文/文本/主题生成精美的幻灯片集

✨ 在锁定主题的前提下，直接在画布上编辑幻灯片文字

✨ 导出前预览生成的多页幻灯片库

✨ AI 辅助的大纲优化，提供针对性的改写提示

✨ 大纲编辑细化到章节和要点级别

_{✨ 支持超过 40 张幻灯片的长文档 · 智能表格提取与插入 · 版本历史与迭代式文稿管理}

🎬 Paper2Video：PPT 转配音视频

_{✨ 将 PPT/PDF 转换为带旁白的视频，支持脚本确认、阿里云 TTS 音色，并可下载输出}

🖼️ Paper2Poster：论文转海报

PNG 海报结果

PPT 海报结果

_{✨ 将论文 PDF 转换为学术海报，支持可配置布局、可编辑的海报输出以及一键导出}

🔎 Paper2Citation：引用探索器

_{✨ 搜索作者或论文，查看引用候选、所属机构及下游引用背景}

🎨 PPT 智能美化

<sub>✨ 基于 AI 的版面优化

✨ 基于 AI 的版面优化与风格迁移</sub>

🖼️ PDF2PPT：保留版面的转换

<sub>✨ 智能裁剪与版面保留

✨ 图像转 PPT</sub>

🚀 快速入门

需求

# 1. 克隆
git clone https://github.com/OpenDCAI/Paper2Any.git
cd Paper2Any

# 2. 配置环境变量
cp fastapi_app/.env.example fastapi_app/.env
cp frontend-workflow/.env.example frontend-workflow/.env

# 内部 API 认证密钥。必须与前端 VITE_API_KEY 匹配。
BACKEND_API_KEY=your-backend-api-key

# 必需：您的 LLM API 地址（请替换为您自己的）
DEFAULT_LLM_API_URL=https://api.openai.com/v1/

# 可选：DrawIO OCR / VLM 服务
PAPER2DRAWIO_OCR_API_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
PAPER2DRAWIO_OCR_API_KEY=your_dashscope_key

# 可选：MinerU 官方远程 API
MINERU_API_BASE_URL=https://mineru.net/api/v4
MINERU_API_KEY=your_mineru_api_key

# 可选：用于 PDF2PPT / Image2PPT / Image2Drawio 的 SAM3 分割服务
# SAM3_SERVER_URLS=http://GPU_MACHINE_IP:8001
# SAM3_SERVER_URLS=http://GPU1:8021,http://GPU2:8022

# 可选：Supabase（无需认证也可使用——核心功能仍可正常运行）
# SUPABASE_URL=https://your-project-id.supabase.co
# SUPABASE_ANON_KEY=your_supabase_anon_key

# 必须与 fastapi_app/.env 中的 BACKEND_API_KEY 一致
VITE_API_KEY=your-backend-api-key

# 必需：UI 下拉菜单中显示的 LLM API 地址（用逗号分隔）
VITE_DEFAULT_LLM_API_URL=https://api.openai.com/v1
VITE_LLM_API_URLS=https://api.openai.com/v1

# 可选：UI 中显示的 Paper2Drawio 模型候选
VITE_PAPER2DRAWIO_MODEL=claude-sonnet-4-5-20250929,gpt-5.2
# 可选：Supabase（与后端保持一致）
# VITE_SUPABASE_URL=https://your-project-id.supabase.co
# VITE_SUPABASE_ANON_KEY=your_supabase_anon_key

# 3. 构建并运行
docker compose up -d --build

🐧 Linux 安装

我们建议使用 Conda 创建一个隔离的环境（Python 3.11）。

1. 创建环境并安装基础依赖

# 0. 创建并激活 Conda 环境
conda create -n paper2any python=3.11 -y
conda activate paper2any

# 1. 克隆仓库
git clone https://github.com/OpenDCAI/Paper2Any.git
cd Paper2Any

# 2. 安装基础依赖
pip install -r requirements-base.txt

# 3. 以可编辑（开发）模式安装
pip install -e .

2. 安装 Paper2Any 特定依赖（必需）

Paper2Any 涉及 LaTeX 渲染、矢量图形处理以及 PPT/PDF 转换等功能，这些都需要额外的依赖：

# 1. Python 依赖
pip install -r requirements-paper.txt || pip install -r requirements-paper-backup.txt

# 2. LaTeX 引擎（tectonic）——推荐通过 Conda 安装
conda install -c conda-forge tectonic -y

# 3. 解决 doclayout_yolo 依赖冲突（重要）
pip install doclayout_yolo --no-deps

# 4. 系统依赖（以 Ubuntu 为例）
sudo apt-get update
sudo apt-get install -y inkscape libreoffice poppler-utils wkhtmltopdf

3. 环境变量

export DF_API_KEY=your_api_key_here
export DF_API_URL=xxx  # 可选：如果您需要第三方 API 网关
export MINERU_DEVICES="0,1,2,3" # 可选：MinerU 任务的 GPU 资源池

[!TIP] 📚 详细配置指南，请参阅 配置指南，其中提供了关于配置模型、环境变量以及启动服务的分步说明。

4. 配置环境文件（可选）

# 复制后端环境文件
cp fastapi_app/.env.example fastapi_app/.env

# 复制前端环境文件
cp frontend-workflow/.env.example frontend-workflow/.env

SUPABASE_URL=https://your-project-id.supabase.co
SUPABASE_ANON_KEY=your_supabase_anon_key

# 默认 LLM API 地址
DEFAULT_LLM_API_URL=http://123.129.219.111:3000/v1/

# 工作流级别的默认值
PAPER2PPT_DEFAULT_MODEL=gpt-5.1
PAPER2PPT_DEFAULT_IMAGE_MODEL=gemini-3-pro-image-preview
PDF2PPT_DEFAULT_MODEL=gpt-4o
# …完整列表请参见 .env.example

# DrawIO OCR / VLM
PAPER2DRAWIO_OCR_API_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
PAPER2DRAWIO_OCR_API_KEY=your_dashscope_key

# MinerU 官方远程 API；如果 MINERU_API_KEY 为空，后端将回退到本地 MINERU_PORT
MINERU_API_BASE_URL=https://mineru.net/api/v4
MINERU_API_KEY=your_mineru_api_key
MINERU_API_MODEL_VERSION=vlm

# SAM3 分割服务，用于 PDF2PPT / Image2PPT / Image2Drawio
# 单个端点：
SAM3_SERVER_URLS=http://127.0.0.1:8001
# 或多个端点以实现负载均衡：
# SAM3_SERVER_URLS=http://127.0.0.1:8021,http://127.0.0.1:8022

# UI 中显示的默认 API 地址
VITE_DEFAULT_LLM_API_URL=https://api.apiyi.com/v1

# 下拉菜单中可用的 API URL（逗号分隔）
VITE_LLM_API_URLS=https://api.apiyi.com/v1,http://b.apiyi.com:16888/v1,http://123.129.219.111:3000/v1

VITE_SUPABASE_URL=https://your-project.supabase.co
VITE_SUPABASE_ANON_KEY=your-anon-key
SUPABASE_SERVICE_ROLE_KEY=your-service-role-key
SUPABASE_JWT_SECRET=your-jwt-secret

[!NOTE] 快速入门： 您可以完全跳过 .env 配置，直接通过 --api-key 参数使用 CLI 脚本。请参阅下方的 CLI 脚本 部分。

bash script/start_local_sam3_dev.sh

🪟 Windows 安装

[!NOTE] 目前我们建议在 Linux / WSL 上尝试 Paper2Any。如果您需要在原生 Windows 上部署，请按照以下步骤操作。

1. 创建环境并安装基础依赖

# 0. 创建并激活 conda 环境
conda create -n paper2any python=3.12 -y
conda activate paper2any

# 1. 克隆仓库
git clone https://github.com/OpenDCAI/Paper2Any.git
cd Paper2Any

# 2. 安装基础依赖
pip install -r requirements-win-base.txt

# 3. 以可编辑（开发）模式安装
pip install -e .

2. 安装 Paper2Any 特定依赖（推荐）

Paper2Any 涉及 LaTeX 渲染和矢量图形处理，需要额外的依赖（见 requirements-paper.txt）：

# Python 依赖
pip install -r requirements-paper.txt

# tectonic：LaTeX 引擎（推荐通过 conda 安装）
conda install -c conda-forge tectonic -y

🎨 安装 Inkscape（SVG/矢量图形处理 | 推荐/必需）

1. 下载并安装（Windows 64 位 MSI）：Inkscape 下载
2. 将 Inkscape 可执行文件目录添加到系统环境变量 Path 中（示例）：C:\Program Files\Inkscape\bin\

[!TIP] 配置 Path 后，建议重新打开终端（或重启 VS Code / PowerShell），以确保环境变量生效。

⚡ 安装 vLLM 的 Windows 版本（可选 | 用于本地推理加速）

发布页面：vllm-windows releases
推荐版本：0.11.0

pip install vllm-0.11.0+cu124-cp312-cp312-win_amd64.whl

[!IMPORTANT] 请确保 .whl 文件与您的当前环境匹配：

• Python：cp312（Python 3.12）
• 平台：win_amd64
• CUDA：cu124（必须与您本地的 CUDA / 驱动程序匹配）

启动应用

Paper2Any - 论文工作流 Web 前端（推荐）

# 配置本地后端运行时（单一可信来源）
# 编辑 deploy/app_config.sh：
#   APP_PORT=8000
#   APP_WORKERS=2

# 启动后端 API
./deploy/start.sh

# 启动前端（新开终端）
cd frontend-workflow
npm install
npm run dev

默认本地地址：

• 前端开发服务器：http://localhost:3000
• 后端健康检查：http://127.0.0.1:8000/health

有用的本地部署命令：

• 启动后端：./deploy/start.sh
• 停止后端：./deploy/stop.sh
• 重启后端：./deploy/restart.sh

注意：

• deploy/start.sh 和 deploy/stop.sh 都会读取 deploy/app_config.sh 中的相同运行时配置。
• 如果您更改了 APP_PORT，还需同时更新 frontend-workflow/vite.config.ts 中的前端代理目标。

配置前端代理

修改 frontend-workflow/vite.config.ts 中的 server.proxy：

export default defineConfig({
  plugins: [react()],
  server: {
    port: 3000,
    open: true,
    allowedHosts: true,
    proxy: {
      '/api': {
        target: 'http://127.0.0.1:8000',  // FastAPI 后端地址
        changeOrigin: true,
      },
      '/outputs': {
        target: 'http://127.0.0.1:8000',
        changeOrigin: true,
      },
    },
  },
})

访问 http://localhost:3000。

Windows：加载 MinerU 预训练模型

# 在 PowerShell 中启动
vllm serve opendatalab/MinerU2.5-2509-1.2B `
  --host 127.0.0.1 `
  --port 8010 `
  --logits-processors mineru_vl_utils:MinerULogitsProcessor `
  --gpu-memory-utilization 0.6 `
  --trust-remote-code `
  --enforce-eager

启动应用

🎨 Web 前端（推荐）

# 如果想更改本地端口/工作进程数，请先配置 deploy/app_config.sh

# 启动后端 API
./deploy/start.sh

# 启动前端（新开终端）
cd frontend-workflow
npm install
npm run dev

访问 http://localhost:3000。默认情况下，后端健康检查地址为 http://127.0.0.1:8000/health。

🖥️ 命令行脚本 (CLI)

Paper2Any 提供了独立的命令行脚本，支持通过命令行参数直接执行工作流，无需使用 Web 前端或后端。

环境变量

可通过环境变量配置 API 访问（可选）：

export DF_API_URL=https://api.openai.com/v1  # LLM API 地址
export DF_API_KEY=sk-xxx                      # API 密钥
export DF_MODEL=gpt-4o                        # 默认模型

可用的 CLI 脚本

1. Paper2Figure CLI - 生成科学图表（3 种类型）

# 从 PDF 文件生成模型架构图
python script/run_paper2figure_cli.py \
  --input paper.pdf \
  --graph-type model_arch \
  --api-key sk-xxx

# 从文本生成技术路线图
python script/run_paper2figure_cli.py \
  --input "带有注意力机制的 Transformer 架构" \
  --input-type TEXT \
  --graph-type tech_route

# 生成实验数据可视化图表
python script/run_paper2figure_cli.py \
  --input paper.pdf \
  --graph-type exp_data

图表类型： model_arch（模型架构）、tech_route（技术路线图）、exp_data（实验图表）

2. Paper2PPT CLI - 将论文转换为 PPT 演示文稿

# 基本用法
python script/run_paper2ppt_cli.py \
  --input paper.pdf \
  --api-key sk-xxx \
  --page-count 15

# 自定义风格
python script/run_paper2ppt_cli.py \
  --input paper.pdf \
  --style "学术风格；英语；现代设计" \
  --language en

3. PDF2PPT CLI - 一键将 PDF 转换为可编辑的 PPT

# 基本转换（无 AI 增强）
python script/run_pdf2ppt_cli.py --input slides.pdf

# 带 AI 增强
python script/run_pdf2ppt_cli.py \
  --input slides.pdf \
  --use-ai-edit \
  --api-key sk-xxx

4. Image2PPT CLI - 将图片转换为可编辑的 PPT

# 基本转换
python script/run_image2ppt_cli.py --input screenshot.png

# 带 AI 增强
python script/run_image2ppt_cli.py \
  --input diagram.jpg \
  --use-ai-edit \
  --api-key sk-xxx

5. PPT2Polish CLI - 美化现有 PPT 文件

# 基本美化
python script/run_ppt2polish_cli.py \
  --input old_presentation.pptx \
  --style "学术风格，简洁优雅" \
  --api-key sk-xxx

# 使用参考图片保持风格一致
python script/run_ppt2polish_cli.py \
  --input old_presentation.pptx \
  --style "现代简约风格" \
  --ref-img reference_style.png \
  --api-key sk-xxx

[!NOTE] PPT2Polish 的系统要求：

• LibreOffice：sudo apt-get install libreoffice（Ubuntu/Debian）
• pdf2image：pip install pdf2image
• poppler-utils：sudo apt-get install poppler-utils

共享选项

所有 CLI 脚本均支持以下通用选项：

• --api-url URL - LLM API 地址（默认值来自 DF_API_URL 环境变量）
• --api-key KEY - API 密钥（默认值来自 DF_API_KEY 环境变量）
• --model NAME - 文本模型名称（默认值因脚本而异）
• --output-dir DIR - 自定义输出目录（默认：outputs/cli/{脚本名}/{时间戳}）
• --help - 显示详细帮助信息

如需查看完整的参数说明，可在任意脚本后添加 --help 参数：

python script/run_paper2figure_cli.py --help

📂 项目结构

Paper2Any/
├── dataflow_agent/          # 核心代码库
│   ├── agentroles/         # 代理定义
│   │   └── paper2any_agents/ # Paper2Any 特定代理
│   ├── workflow/           # 工作流定义
│   ├── promptstemplates/   # 提示模板
│   └── toolkits/           # 工具包（绘图、PPT 生成等）
├── fastapi_app/            # 后端 API 服务
├── frontend-workflow/      # 前端 Web 界面
├── static/                 # 静态资源
├── script/                 # 脚本工具
└── tests/                  # 测试用例

🗺️ 路线图

功能	状态	子功能
📊 Paper2Figure 可编辑的科学图表
🧩 Paper2Diagram Drawio 图表
🎬 Paper2PPT 可编辑的幻灯片演示文稿
🖼️ PDF2PPT 保持版面的转换
🖼️ Image2PPT 图片转幻灯片
🎨 PPTPolish 智能美化
📚 Knowledge Base 知识库工作流
🎬 Paper2Video 视频脚本生成

🤝 贡献

我们欢迎任何形式的贡献！

📄 许可证

本项目采用 Apache License 2.0 许可。

Paper2Any 快速上手指南

Paper2Any 是一款专注于论文多模态工作流的 AI 工具，支持从论文 PDF、截图或文本一键生成可编辑的模型图、技术路线图、实验图表、PPT 演示文稿及学术海报等。

🛠️ 环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统：Linux / macOS / Windows (推荐 WSL2)
• Python 版本：3.11 或更高版本
• 依赖管理：pip 或 conda
• 网络环境：需能访问 Hugging Face 或 ModelScope（国内用户建议配置镜像源）

📦 安装步骤

1. 克隆项目

首先从 GitHub 获取源代码：

git clone https://github.com/OpenDCAI/Paper2Any.git
cd Paper2Any

2. 创建虚拟环境

推荐使用 conda 或 venv 隔离环境（以 conda 为例）：

conda create -n paper2any python=3.11 -y
conda activate paper2any

3. 安装依赖

安装项目所需的核心依赖包。国内用户建议使用清华或阿里镜像源加速安装：

# 使用 pip 安装（推荐国内镜像）
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

注意：如果项目包含特定的前端构建步骤或额外的模型权重下载脚本，请参考 docs/ 目录下的详细文档进行后续配置。

🚀 基本使用

Paper2Any 提供了 Web 界面和 API 两种主要使用方式。以下是启动本地服务的最简示例。

启动 Web 服务

在项目根目录下运行启动脚本（具体脚本名称可能因版本更新略有不同，通常为 main.py 或 app.py）：

python main.py

启动成功后，终端将显示本地访问地址，通常为： http://127.0.0.1:8000 或 http://localhost:7860

核心功能操作示例

打开浏览器访问上述地址，您将看到主界面。以下是几个典型工作流的操作逻辑：

1. 生成可编辑科学图表 (Paper2Figure)

   • 上传论文 PDF 或模型架构图截图。
   • 选择 "Model Architecture" 或 "Technical Roadmap" 模式。
   • 点击生成，系统将输出可编辑的 PPTX 或 SVG 文件。

2. 论文转 PPT (Paper2PPT)

   • 上传长篇论文文档或直接输入研究主题。
   • 利用 "AI-assisted outline" 调整大纲结构。
   • 选择主题风格，一键生成包含图表提取的多页幻灯片。

3. 图片转 Drawio (Image2Drawio)

   • 上传现有的流程图或架构截图。
   • 系统自动识别元素并转换为 Drawio 可编辑画布，支持通过对话进一步修改。

在线体验

如果您暂时不想部署本地环境，可以直接访问官方提供的在线演示： 🌐 http://dcai-paper2any.nas.cpolar.cn/