📫 تماس

مشارکت‌کننده اصلی این مخزن دانشجوی کارشناسی ارشد است که در سال ۲۰۲۶ فارغ‌التحصیل می‌شود، برای همکاری یا فرصت‌ها می‌توانید با او در ارتباط باشید.

مشارکت‌کننده اصلی این مخزن یک دانشجوی کارشناسی ارشد ورودی ۲۰۲۶ است. خوشحال می‌شویم برای همکاری یا فرصت‌های تبادل با او تماس بگیرید.

📅 اخبار

[۲۰۲۶/۰۱]: اکنون از خروجی‌گیری PPTX در حالت آزاد و مبتنی بر قالب، و همچنین حالت آفلاین پشتیبانی می‌شود! مدیریت زمینه اضافه شده تا از سرریز زمینه جلوگیری شود.
[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 sandbox 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 - برای جزئیات به یادداشت‌های انتشار مراجعه نمایید.
[۲۰۲۵/۰۸]: 🎉 مقاله به EMNLP 2025 پذیرفته شد!
[۲۰۲۵/۰۵]: ✨ نسخه v1 با قابلیت‌های اصلی و 🌟 یک پیشرفت: دستیابی به ۱۰۰۰ ستاره در گیت‌هاب! - برای جزئیات به یادداشت‌های انتشار مراجعه نمایید.
[۲۰۲۵/۰۱]: 🔓 کد منبع به صورت متن‌باز منتشر شد، کدهای آزمایشی در انتشار آزمایشی آرشیو شده‌اند.

📖 نحوه استفاده

[!مهم]

۱. همه این کلیدهای API، پیکربندی‌ها و سرویس‌ها ضروری هستند.

۲. پیشنهاد ستون فقرات عامل: برای عامل تحقیقاتی از Claude و برای عامل طراحی از Gemini استفاده کنید. GLM-4.7 نیز در مدل‌های متن‌باز گزینه مناسبی است.

۳. حالت آفلاین با قابلیت‌های محدود پشتیبانی می‌شود (به بخش راه‌اندازی آفلاین در پایین مراجعه کنید).

۱. پیکربندی محیط

ایجاد فایل‌های پیکربندی (از ریشه پروژه):

  cp deeppresenter/deeppresenter/config.yaml.example deeppresenter/deeppresenter/config.yaml
  cp deeppresenter/deeppresenter/mcp.json.example deeppresenter/deeppresenter/mcp.json
  ``راه‌اندازی آنلاین:
  MinerU: برای دریافت کلید API به mineru.net مراجعه کنید. توجه داشته باشید که هر کلید به مدت ۱۴ روز معتبر است.
  Tavily: برای دریافت کلید API به tavily.com مراجعه کنید.
  LLM: نقطه پایانی مدل، کلیدهای API و پارامترهای مرتبط را در فایل config.yaml تنظیم کنید.
راه‌اندازی آفلاین:

  MinerU: سرور MinerU را مطابق با دستورالعمل‌های راهنمای داکر MinerU راه‌اندازی کنید.
  تغییر پیکربندی: مقدار offline_mode: true را در config.yaml قرار دهید تا از بارگذاری ابزارهای وابسته به شبکه (مانند fetch و search) جلوگیری شود.

  نقطه پایانی MinerU: مقدار MINERU_API_URL را در mcp.json به URL سرویس MinerU محلی خود تنظیم کنید.
2. راه‌اندازی سرویس
ایمیج‌های داکر را بسازید: docker compose build
از طریق Docker Compose:
  
`bash
  docker compose up -d
  `
اجرای محلی:
  `bash
  cd deeppresenter
  pip install -e .
  playwright install-deps
  playwright install chromium
  npm install
  npx playwright install chromium
  python webui.py
  `
[!TIP]
🚀 All configurable variables can be found in constants.py.
💡 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”
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  

Citation 🙏
If you find this project helpful, please use the following to cite it:

bibtex
@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."
}

--- Tranlated By Open Ai Tx | Last indexed: 2026-02-22 ---