🌐 Bahasa

Kontak 📫

Kontributor utama repo ini adalah mahasiswa Magister yang akan lulus tahun 2026, silakan hubungi untuk kolaborasi atau peluang.

Kontributor utama dari repositori ini adalah lulusan magister tahun 2026, selamat datang untuk kontak, kolaborasi, atau kesempatan diskusi.

Berita 📅

[2026/03]: Kini mendukung CLI dan telah merilis model fine-tuned kami di Hugging Face 🤗!
[2026/01]: Mendukung pembuatan bebas dan template serta ekspor PPTX, mode offline kini tersedia! Manajemen konteks ditambahkan untuk menghindari kelebihan konteks.
[2025/12]: 🔥 V2 dirilis dengan peningkatan besar - Integrasi Riset Mendalam, Desain Visual Bebas, Pembuatan Asset Otomatis, Generasi Teks-ke-Gambar, serta Lingkungan Agen dengan sandbox & 20+ tools.
[2025/09]: 🛠️ Dukungan server MCP ditambahkan - lihat MCP Server untuk detail konfigurasi
[2025/09]: 🚀 v2 dirilis dengan peningkatan besar - lihat catatan rilis untuk detail
[2025/08]: 🎉 Paper diterima di EMNLP 2025!
[2025/05]: ✨ v1 dirilis dengan fungsi inti dan 🌟 terobosan: mencapai 1.000 bintang di GitHub! - lihat catatan rilis untuk detail
[2025/01]: 🔓 Kode sumber dibuka, dengan kode eksperimen diarsipkan di rilis eksperimen

Penggunaan 📖

[!PENTING]

Windows tidak didukung. Jika Anda menggunakan Windows, harap gunakan WSL.

Kami sangat menyarankan memulai dengan CLI dan tugas minimum untuk memastikan dependensi dan lingkungan telah dikonfigurasi dengan benar.

Konfigurasi

Jika Anda menggunakan CLI, pptagent onboard dapat membantu membuat dan memperbarui konfigurasi ini secara interaktif. Jika Anda menggunakan Docker Compose atau membangun dari sumber, Anda harus menyiapkannya secara manual:

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

#### Layanan Opsional yang Meningkatkan Kualitas

Layanan-layanan berikut dapat meningkatkan kualitas generasi secara signifikan, terutama untuk kedalaman riset, parsing PDF, dan pembuatan aset visual:

Tavily: meningkatkan kualitas pencarian web. Ajukan API key di tavily.com, lalu atur TAVILY_API_KEY di deeppresenter/mcp.json.
MinerU: meningkatkan kualitas parsing PDF. Anda bisa mengajukan API key di mineru.net dan atur MINERU_API_KEY di deeppresenter/mcp.json, atau deploy MinerU secara lokal dan atur MINERU_API_URL sebagai gantinya.
Model teks-ke-gambar: meningkatkan kualitas pembuatan gambar. Konfigurasikan t2i_model di deeppresenter/config.yaml.

Jika Anda menginginkan pengaturan sepenuhnya offline, deploy MinerU secara lokal dan atur offline_mode: true di deeppresenter/config.yaml untuk menghindari pemuatan alat yang bergantung pada jaringan seperti pencarian web.

Variabel yang dapat dikonfigurasi lebih lanjut dapat ditemukan di constants.py.

1. Penggunaan Pribadi / Integrasi OpenClaw: CLI

[!CATATAN]

Di macOS, CLI mungkin secara otomatis menginstal beberapa dependensi lokal, termasuk Homebrew, Node.js, Docker, poppler, Playwright, dan llama.cpp.

Di Linux, Anda harus menyiapkan lingkungan sendiri.

Gunakan mode ini jika Anda menginginkan pengaturan lokal tercepat atau ingin menghubungkan DeepPresenter ke OpenClaw melalui CLI.

# 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

| Perintah | Deskripsi | | -------------------- | ------------------------------------------------- | | pptagent onboard | Wizard konfigurasi interaktif | | pptagent generate | Membuat presentasi | | pptagent config | Melihat konfigurasi saat ini | | pptagent reset | Mengatur ulang konfigurasi | | pptagent serve | Memulai layanan inferensi lokal yang digunakan CLI |

2. Penyiapan Minimal / Pengembangan: Membangun Dari Sumber

Gunakan mode ini jika Anda menginginkan lapisan abstraksi terkecil dan kontrol penuh atas dependensi selama pengembangan.

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 .

Mulai aplikasi:

python webui.py

3. Deploy Server: Docker Compose

Gunakan mode ini untuk lingkungan server yang stabil dengan dependensi yang jelas.

# 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”

Kontributor 🌟

_Force1ess	_Puelloc	_hongyan	_Dnoob	_Sadahlu
_{KurisuMakiseSame}	_Angelen	_BrandonHu	_{Eliot White}	_EvolvedGhost
_ISCAS-zwl	_{James Brown}	_JunZhang	_{Open AI Tx}	_{Sense_wang}
_SuYao	_{Zakir Jiwani}	_Zhenyu	_lnennnn

Sitasi 🙏

Jika Anda merasa proyek ini bermanfaat, silakan gunakan berikut ini untuk mengutipnya:

@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 ---