科研人福音！一键生成PPT和科研绘图，北大开源Paper2Any，全流程可编辑

你是否经历过这样的至暗时刻： 明明实验数据已经跑通，核心逻辑也已梳理完毕，却在面对空白的 PPT 页面时陷入停滞； 明明脑海里有清晰的系统架构，却要在 Visio 或 Illustrator 里跟一根歪歪扭扭的线条较劲半小时； 好不容易用 AI 生成了一张精美的流程图，却发现上面的文字是乱码，或者为了改一个配色不得不重新生成几十次……

在内容生产的过程中，“写” 往往只占了一半，而将文字转化为结构图、流程图，再整理成演示用的 PPT，这个过程繁琐、耗时，且极度考验设计感。为什么我们不能让 AI 像理解文字一样，理解我们的逻辑，并自动帮我们要展示的 “视觉物料” 准备好？

为了解决这一痛点，北京大学 DCAI 课题组 基于自动化数据治理 Agent 框架 DataFlow-Agent，推出了全新的多模态辅助平台 —— Paper2Any。

它不再是一个简单的 “文生图” 工具，而是一整套自动化的内容视觉化 Workflow。从阅读资料、理解逻辑，到生成图像、切割元素，最终输出完全可编辑的 PPT 和 SVG 文件，Paper2Any 正在试图重塑我们准备 Presentation 的方式。

• 本地部署方式：https://github.com/OpenDCAI/Paper2Any?tab=readme-ov-file#-linux-% E5% AE%89% E8% A3%85
• 网页体验地址：http://dcai-paper2any.nas.cpolar.cn/
• 文章多模态工作流 Paper2Any：https://github.com/OpenDCAI/Paper2Any

一、 核心突破：打破 “不可编辑” 的魔咒

目前市面上的 AI 绘图工具虽然效果不错，但在科研与办公等场景下有一个致命缺陷：生成的图片是 “死” 的。 文字无法修改，模块无法拖拽，风格难以统一。

工作流实现逻辑

生成示例PPT绘图

Paper2Any 的核心差异在于它实现了从逻辑到结构化元素的映射。

系统内置的智能体首先对输入的文章或文本进行语义分析，提取核心贡献与思路。接着，它不仅生成视觉图像，更进一步对草稿图进行图文内容分割 —— 自动识别其中的文字、图表、结构模块、图标，并记录每个元素的元数据。

这意味着，你拿到的不再是一张不可直接修改的 PNG，而是一组独立、分层、可操作的图文块。用户可以在 PPT 中自由移动、编辑、替换、重新布局。（Paper2PPT 和 PPTPolish 功能暂时仅支持输出 PDF，可通过 PDF2PPT 功能将其结果转为可编辑 PPTX）

二、 功能全景：从草稿到演示的自动化闭环

Paper2Any 目前支持的功能主要涵盖以下四大核心场景，旨在解决从 “输入素材” 到 “最终汇报” 的最后一公里问题。

Paper2Figure：智能科研绘图，草图变精图

用户无需从零学习复杂的矢量绘图软件。Paper2Figure 支持多模态输入（PDF、文本、甚至随手画的草图截图），系统便能自动识别你的意图。

• 模型架构图： 上传论文或描述，系统自动梳理模块连接关系，生成清晰的架构图。支持生成 SVG 和 可编辑 PPTX，图里的方框、线条都能动。
• 技术路线图： 无论是中文还是英文，系统能根据方法论自动绘制流程与逻辑步骤。
• 实验数据图： 扔给它一堆实验数据文本或表格，它能自动转化为可视化的对比柱状图或折线图。

Paper2PPT：文章结构化解析与 PPT 生成

这是为 “赶进度” 的研究者和职场人准备的救星。Paper2PPT 不仅仅是简单的摘要生成，它利用算法对文档结构进行深度语义分析，提取背景、方法论、关键图表。

• 三种输入模式： 直接上传 PDF 论文、粘贴长文本、或者仅仅输入一个研究 Topic（系统会自动深度搜索）。
• 自定义设置： 支持用户自定义幻灯片页数、风格及自由选择中英文语言；支持逐页生成 PPT，用户可自由调整每页 PPT 的大纲。
• 超长 PPT 支持：首次支持制作超过 40 页的超长 ppt，无论是综述的演示还是深入研究某个主题都能一次满足！
• 中文适配与呈现： 可解决大模型生成 PPT 字体怪异及表达僵硬问题。输出结果采用标准中文字体与规范的排版，文案逻辑自然流畅，可减少 “AI 痕迹”，满足正式场合演示需求。

PDF2PPT：让静态文档可编辑

你是否遇到过这种情况：手里只有一份 PDF 格式的讲义或报告，却需要对其进行修改和汇报？

PDF2PPT 模块利用 MinerU 与 SAM (Segment Anything Model) 模型，像 “拆积木” 一样对版面进行高精度解析，将原本锁死的 PDF 页面还原为可编辑的 PPTX。

• 黑科技加持： 系统集成了 Gemini Nano 模型进行图像内补（Inpainting）。当系统将文字提取出来后，会自动修复文字覆盖区域的背景，实现 “去字留影”，最大程度还原原始底图的视觉效果。

PPTPolish：交互式美化专家

如果你的 PPT 内容已经写好，但排版却有些简陋，PPTPolish 可以接手后续的美化工作。系统会自动分析页面并生成美化提示词，用户可以逐页修改提示词来微调美化方向。

三、 示例高能时刻：从输入到输出的 “视觉魔法”

空口无凭，我们来看看 Paper2Any 的实际表现。

科研绘图：拯救手残党

• 模型架构图生成： 

1. 论文 PDF → 符合论文主题的架构图

2. 科研配图 / 示意图截图 → 可编辑 PPTX

3. 论文摘要文本 → 可编辑架构图

技术路线图智能梳理：

1. 论文 PDF → 符合论文主题的技术路线图

2. 论文摘要文本 → 符合论文主题的技术路线图

• 实验数据可视化：

1. 论文 PDF → 自动提取实验数据绘制 PPT

不同类型与不同风格的生成图示例

2. 论文实验表格文本 → 自动整理实验数据绘制 PPT

PPT 智能生成与美化

从文档到演示，Paper2Any 提供了全链路的解决方案。

• Paper2PPT：

与 Gemini 3 Pro、NotebookLM 相比，Paper2Any 生成的 PPT 有以下优势：

• 结构化图表生成能力强
• 中文文字表达与字体呈现效果更自然
• 可读性更好，干货更多，排版布局更具专业感与人工感

• PDF2PPT：

• PPTPolish： 

1. PPT 增色美化

2. PPT 润色拓展

原始 PPT 只是简单的文字罗列；润色后，系统自动添加了科技感背景、可视化图标、以及逻辑图示，瞬间提升汇报档次。

四、 如何使用与部署

Paper2Any 提供两种使用方式：

1. 本地部署（开发者推荐） 

如果你希望深入研究、二次开发或本地运行，可以基于 Github 仓库进行本地部署。

• Github 仓库： https://github.com/OpenDCAI/Paper2Any
• 快速开始指引： https://github.com/OpenDCAI/Paper2Any?tab=readme-ov-file#-linux-% E5% AE%89% E8% A3%85

参考 Readme 文档启动 Web 前端即可。

2. 网页版快速体验 

团队已推出可视化的 Web 前端，支持拖拽上传与实时进度展示。新用户可免费注册，登录后可查看历史使用记录。

• 访问地址： http://dcai-paper2any.nas.cpolar.cn/

结语：让配图成为一种「自动获得的附加值」

Paper2Any 的愿景，是希望建立一条新的科研与工作惯例：写文章 + 一键配图 + 一键生成 PPT + 一键展示。

在未来，课题组计划陆续支持 Paper2Rebuttal（论文返修）、Paper2Idea（创新点生成）和 Paper2Poster（文章海报生成）等更多的多模态功能。我们相信，工具的价值在于释放人类的创造力，让你从繁琐的格式调整中解脱出来，将宝贵的时间投入到那些真正闪光的 Idea 之中。

欢迎大家关注使用 DCAI 的开源项目并与我们进行技术交流，如果觉得好用也请在 GitHub 仓库点一个 star ~

Data-centric AI 开源项目：

文章多模态工作流 Paper2Any: https://github.com/OpenDCAI/Paper2Any

自动化数据治理 Agent 框架 DataFlow-Agent: https://github.com/OpenDCAI/DataFlow-Agent

LLM 数据准备系统 DataFlow (1.9k star): https://github.com/OpenDCAI/DataFlow

DataFlow 技术报告（#1 of the Hugging Face daily paper）: https://arxiv.org/abs/2512.16676

LLM 数据训练系统 DataFlex (基于 LLaMA-Factory): https://github.com/OpenDCAI/DataFlex

文章来自于“机器之心”，作者 “机器之心”。