تماس 📫

مشارکت‌کننده اصلی این مخزن دانشجوی کارشناسی ارشد است که در سال ۲۰۲۶ فارغ‌التحصیل می‌شود؛ برای همکاری یا فرصت‌های شغلی، آزادانه تماس بگیرید.

本仓库的主要贡献者是一名 2026 届硕士毕业生，欢迎联系合作或交流机会。

اخبار 📅

• [۲۰۲۶/۰۳]: اکنون از CLI پشتیبانی می‌کنیم و مدل‌های آموزش‌دیده خود را در Hugging Face 🤗 منتشر کرده‌ایم!
• [۲۰۲۶/۰۱]: پشتیبانی از تولید آزاد و قالب و خروجی PPTX، حالت آفلاین اضافه شد! مدیریت زمینه برای جلوگیری از سرریز زمینه افزوده شد.
• [۲۰۲۵/۱۲]: 🔥 نسخه V2 با بهبودهای عمده منتشر شد - یکپارچه‌سازی عمیق پژوهش، طراحی بصری آزاد، ایجاد مستقل دارایی، تولید متن به تصویر، و محیط عامل با سندباکس و بیش از ۲۰ ابزار.
• [۲۰۲۵/۰۹]: 🛠️ پشتیبانی سرور MCP افزوده شد - برای جزئیات پیکربندی به MCP Server مراجعه کنید
• [۲۰۲۵/۰۹]: 🚀 نسخه v2 با بهبودهای عمده منتشر شد - جزئیات را در release notes ببینید
• [۲۰۲۵/۰۸]: 🎉 مقاله پذیرفته شده در EMNLP 2025!
• [۲۰۲۵/۰۵]: ✨ نسخه v1 با عملکرد اصلی و 🌟 دستاورد: رسیدن به ۱۰۰۰ ستاره در GitHub! - جزئیات را در release notes ببینید
• [۲۰۲۵/۰۱]: 🔓 کد منبع باز شد، کدهای آزمایشی در experiment release بایگانی شد

راهنما 📖

[!IMPORTANT]

ویندوز پشتیبانی نمی‌شود. اگر از ویندوز استفاده می‌کنید، لطفاً WSL را به کار ببرید.

توصیه اکید داریم با CLI و کمینه‌ترین وظیفه شروع کنید تا وابستگی‌ها و محیط به درستی پیکربندی شده باشند.

پیکربندی

اگر از CLI استفاده می‌کنید، pptagent onboard می‌تواند به صورت تعاملی ایجاد و به‌روزرسانی این پیکربندی‌ها را انجام دهد. اگر از Docker Compose یا ساخت از منبع استفاده می‌کنید، باید آن‌ها را به صورت دستی آماده کنید:

cp deeppresenter/config.yaml.example deeppresenter/config.yaml
cp deeppresenter/mcp.json.example deeppresenter/mcp.json

#### سرویس‌های اختیاری که کیفیت را بهبود می‌بخشند

سرویس‌های زیر می‌توانند کیفیت تولید را به طور محسوسی بهبود دهند، به ویژه برای عمق تحقیق، تجزیه PDF و تولید دارایی‌های بصری:

• Tavily: کیفیت جستجوی وب را بهبود می‌دهد. برای دریافت کلید API به tavily.com مراجعه کنید و سپس مقدار TAVILY_API_KEY را در deeppresenter/mcp.json تنظیم نمایید.
• MinerU: کیفیت تجزیه PDF را بهبود می‌دهد. می‌توانید برای دریافت کلید API به mineru.net مراجعه کرده و مقدار MINERU_API_KEY را در deeppresenter/mcp.json تنظیم کنید، یا MinerU را به صورت محلی راه‌اندازی کرده و به جای آن مقدار MINERU_API_URL را تنظیم نمایید.
• مدل تبدیل متن به تصویر: کیفیت تولید تصویر را بهبود می‌دهد. مقدار t2i_model را در deeppresenter/config.yaml پیکربندی کنید.

متغیرهای قابل پیکربندی بیشتر را می‌توانید در constants.py پیدا کنید.

1. استفاده شخصی / ادغام با OpenClaw: رابط خط فرمان (CLI)

[!توجه]

در macOS، CLI ممکن است به طور خودکار چندین وابستگی محلی از جمله Homebrew، Node.js، Docker، poppler، Playwright و llama.cpp را نصب کند.

در لینوکس، باید محیط را خودتان آماده کنید.

اگر سریع‌ترین راه‌اندازی محلی را می‌خواهید یا می‌خواهید DeepPresenter را از طریق CLI به OpenClaw متصل کنید، از این حالت استفاده نمایید.

# Install uv
curl -LsSf https://astral.sh/uv/install.sh | sh
First-time interactive setup
uvx pptagent onboard
Generate a presentation
uvx pptagent generate "Single Page with Title: Hello World" -o hello.pptx
Generate with attachments
uvx pptagent generate "Q4 Report" \
  -f data.xlsx \
  -f charts.pdf \
  -p "10-12" \
  -o report.pptx

| دستور | توضیحات | | ------------------- | ------------------------------------------------- | | pptagent onboard | راهنمای پیکربندی تعاملی | | pptagent generate | تولید ارائه‌ها | | pptagent config | مشاهده پیکربندی فعلی | | pptagent reset | بازنشانی پیکربندی | | pptagent serve | راه‌اندازی سرویس استنتاج محلی مورد استفاده CLI |

۲. راه‌اندازی حداقلی / توسعه: ساخت از سورس

از این حالت استفاده کنید اگر می‌خواهید کمترین لایه انتزاعی و کنترل کامل بر وابستگی‌ها را در زمان توسعه داشته باشید.

uv pip install -e .
playwright install-deps
playwright install chromium
npm install --prefix deeppresenter/html2pptx
modelscope download forceless/fasttext-language-id
docker pull forceless/deeppresenter-sandbox
docker pull forceless/deeppresenter-host
docker tag forceless/deeppresenter-sandbox deeppresenter-sandbox
or build from dockerfile
docker build -t deeppresenter-sandbox -f deeppresenter/docker/SandBox.Dockerfile .

برنامه را اجرا کنید:

python webui.py

۳. استقرار سرور: Docker Compose

از این حالت برای محیط سرور پایدار با وابستگی‌های مشخص استفاده کنید.

# Pull the public images to avoid build from source
docker pull forceless/deeppresenter-sandbox
docker tag forceless/deeppresenter-sandbox deeppresenter-sandbox
Or build from source
docker build -t deeppresenter-sandbox -f deeppresenter/docker/SandBox.Dockerfile .
Start the host service
docker compose up -d

The service exposes the web UI on http://localhost:7861.

Case Study 💡

• #### Prompt: Please present the given document to me.

• #### Prompt: 请介绍小米 SU7 的外观和价格

• #### Prompt: 请制作一份高中课堂展示课件，主题为“解码立法过程：理解其对国际关系的影响”

مشارکت‌کنندگان 🌟

Force1ess	Puelloc	hongyan	Dnoob	ساداهلو
کوریسو ماکیسه	آنجلن	براندون هو	الیوت وایت	EvolvedGhost
ISCAS-zwl	James Brown	JunZhang	Open AI Tx	Sense_wang
سویاو	زاکر جیوانی	ژن‌یوی	lnennnn

ارجاع 🙏

اگر این پروژه برای شما مفید بود، لطفاً از متن زیر برای ارجاع به آن استفاده کنید:

@inproceedings{zheng-etal-2025-pptagent,
    title = "{PPTA}gent: Generating and Evaluating Presentations Beyond Text-to-Slides",
    author = "Zheng, Hao  and
      Guan, Xinyan  and
      Kong, Hao  and
      Zhang, Wenkai  and
      Zheng, Jia  and
      Zhou, Weixiang  and
      Lin, Hongyu  and
      Lu, Yaojie  and
      Han, Xianpei  and
      Sun, Le",
    editor = "Christodoulopoulos, Christos  and
      Chakraborty, Tanmoy  and
      Rose, Carolyn  and
      Peng, Violet",
    booktitle = "Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing",
    month = nov,
    year = "2025",
    address = "Suzhou, China",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2025.emnlp-main.728/",
    doi = "10.18653/v1/2025.emnlp-main.728",
    pages = "14413--14429",
    ISBN = "979-8-89176-332-6",
    abstract = "Automatically generating presentations from documents is a challenging task that requires accommodating content quality, visual appeal, and structural coherence. Existing methods primarily focus on improving and evaluating the content quality in isolation, overlooking visual appeal and structural coherence, which limits their practical applicability. To address these limitations, we propose PPTAgent, which comprehensively improves presentation generation through a two-stage, edit-based approach inspired by human workflows. PPTAgent first analyzes reference presentations to extract slide-level functional types and content schemas, then drafts an outline and iteratively generates editing actions based on selected reference slides to create new slides. To comprehensively evaluate the quality of generated presentations, we further introduce PPTEval, an evaluation framework that assesses presentations across three dimensions: Content, Design, and Coherence. Results demonstrate that PPTAgent significantly outperforms existing automatic presentation generation methods across all three dimensions."
}
@misc{zheng2026deeppresenterenvironmentgroundedreflectionagentic,
      title={DeepPresenter: Environment-Grounded Reflection for Agentic Presentation Generation},
      author={Hao Zheng and Guozhao Mo and Xinru Yan and Qianhao Yuan and Wenkai Zhang and Xuanang Chen and Yaojie Lu and Hongyu Lin and Xianpei Han and Le Sun},
      year={2026},
      eprint={2602.22839},
      archivePrefix={arXiv},
      primaryClass={cs.AI},
      url={https://arxiv.org/abs/2602.22839},
}

--- Tranlated By Open Ai Tx | Last indexed: 2026-04-09 ---