📫 Kontak

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

Kontributor utama dalam repositori ini adalah seorang mahasiswa magister yang akan lulus pada tahun 2026, silakan hubungi untuk peluang kolaborasi atau diskusi.

📅 Berita

[2026/01]: Kami mendukung ekspor PPTX untuk generasi bebas dan berbasis template, mode offline kini tersedia! Manajemen konteks ditambahkan untuk menghindari kelebihan konteks.
[2025/12]: 🔥 Versi V2 dirilis dengan peningkatan besar - Integrasi Riset Mendalam, Desain Visual Bebas, Pembuatan Aset Mandiri, Generasi Teks-ke-Gambar, dan Lingkungan Agen dengan sandbox & lebih dari 20 alat.
[2025/09]: 🛠️ Dukungan server MCP ditambahkan - lihat MCP Server untuk detail konfigurasi
[2025/09]: 🚀 Versi v2 dirilis dengan peningkatan besar - lihat catatan rilis untuk detailnya
[2025/08]: 🎉 Paper diterima di EMNLP 2025!
[2025/05]: ✨ Versi v1 dirilis dengan fitur inti dan 🌟 terobosan: mencapai 1.000 bintang di GitHub! - lihat catatan rilis untuk detailnya
[2025/01]: 🔓 Kode sumber dibuka, dengan kode eksperimental diarsipkan di rilis eksperimen

📖 Penggunaan

[!PENTING]

1. Semua kunci API, konfigurasi, dan layanan ini wajib.

2. Rekomendasi Backbone Agen: Gunakan Claude untuk Agen Riset dan Gemini untuk Agen Desain. GLM-4.7 juga pilihan baik pada model open-source.

3. Mode offline didukung dengan kemampuan terbatas (lihat Pengaturan Offline di bawah).

1. Konfigurasi Lingkungan

Buat file konfigurasi (dari root proyek):

  cp deeppresenter/deeppresenter/config.yaml.example deeppresenter/deeppresenter/config.yaml
  cp deeppresenter/deeppresenter/mcp.json.example deeppresenter/deeppresenter/mcp.json
  ``Pengaturan online:
  MinerU: Ajukan API key di mineru.net. Perhatikan bahwa setiap key berlaku selama 14 hari.
  Tavily: Ajukan API key di tavily.com.
  LLM: Atur endpoint model, API key, dan parameter terkait di config.yaml.
Pengaturan offline:

  MinerU: Deploy server MinerU dengan mengikuti petunjuk di Panduan docker MinerU
  Pengaturan config: Atur offline_mode: true di config.yaml untuk menghindari pemuatan alat yang bergantung pada jaringan (misal, fetch, search).

  Endpoint MinerU: Atur MINERU_API_URL di mcp.json ke URL layanan MinerU lokal Anda
2. Startup Layanan
Bangun image docker: docker compose build
Dari Docker Compose:
  
`bash
  docker compose up -d
  `
Menjalankan secara lokal:
  `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 ---