PPTAgent

PPTAgent简介

PPTAgent是由中国科学院软件研究所中文信息处理实验室研发的创新框架，采用模仿人类工作流程的两阶段编辑方法，实现从文档到高质量演示文稿的自动生成。该工具通过分析参考演示文稿，提取其结构和内容模式，并基于代码动作草拟大纲、生成幻灯片，确保内容的一致性和排版对齐。PPTAgent依托大型语言模型（LLM）的能力，将生成过程分解为迭代的编辑流程，提升演示文稿的连贯性与适应性，同时有效应对复杂格式问题。此外，PPTAgent引入了PPT Eval评估框架，从内容、设计和连贯性三个维度全面评估生成结果，为后续研究提供有价值的参考。

PPTAgent的核心功能

• 分析参考演示文稿：识别其结构与内容模式。
• 生成大纲：基于分析结果，构建详细的演示文稿结构。
• 生成幻灯片：根据代码指令，将大纲转化为具体幻灯片内容，确保一致性。
• 编辑与优化：提供反馈机制，支持对生成内容进行修改与调整。
• 质量评估：利用PPT Eval框架，从内容、设计和连贯性三方面评估生成效果。

PPTAgent的技术原理

• 第一阶段：演示文稿分析
  • 幻灯片聚类：
    • 将幻灯片划分为结构型（如开场页）和内容型（如项目符号页），并分别采用不同算法进行聚类。
    • 结构型幻灯片通过LLM推断其功能角色；内容型幻灯片则基于图像相似性进行层次聚类。
  • 模式提取：
    • 分析幻灯片内容，提取多样化的内容模式。
    • 利用LLM的情境感知能力，结合类别、模态和内容信息，结构化输出每个幻灯片的模式。
• 第二阶段：演示文稿生成
  • 大纲生成：
    • 指导LLM创建结构化大纲，包含参考幻灯片、文档索引及新幻灯片标题与描述。
    • 结合文档内容和参考演示文稿语义，生成逻辑清晰的大纲。
  • 幻灯片生成：
    • 在大纲基础上，通过迭代编辑参考幻灯片生成新内容。
    • 提供五种API支持文本和视觉元素的编辑操作。
    • 将XML格式转换为HTML，便于LLM处理。
    • 基于源文档和可用图像信息生成内容，并通过REPL环境执行编辑动作，实时检测错误并优化结果。

PPTAgent项目信息

• GitHub仓库：https://github.com/icip-cas/PPTAgent
• arXiv技术论文：https://arxiv.org/pdf/2501.03936

PPTAgent的应用场景

• 教育领域：教师可快速生成课程讲解的演示文稿，提高教学效率。
• 企业培训：用于新员工培训，介绍公司文化与业务流程。
• 市场营销：生成产品推广材料，适用于客户会议或市场活动。
• 项目管理：用于项目进度汇报，展示目标、进展与解决方案。
• 个人使用：帮助个人制作演讲内容，提升表达效果。