🌐 官方网址:
http://dcai-paper2any.nas.cpolar.cn/
https://github.com/OpenDCAI/Paper2Any
(北京大学 DCAI 课题组提供的在线体验版,打开网页即可上传论文试用,无需配置环境。如需本地部署或获取完整代码,请访问 GitHub 仓库:https://github.com/OpenDCAI/Paper2Any)
📌 工具简介
Paper2Any 是北京大学 DCAI 课题组开源的一套多模态学术内容生成工作流平台,基于 DataFlow-Agent 框架构建,核心目标是解决科研和办公场景中“内容已经有了,但把它变成 PPT、示意图、视频脚本极其耗时”的最后一公里问题。它和市面上多数 AI 生图或 AI PPT 工具的根本区别在于“可编辑性”:Paper2Any 不给你一张无法修改的 PNG,而是把论文或截图中的文字、图表、模块、线条自动分割为独立的图文元素,输出分层、可拖拽、可改色的 PPTX、SVG 或 Draw.io 文件。功能覆盖 Paper2Figure(模型架构图、技术路线图、实验数据图)、Paper2PPT(论文/长文本/主题转幻灯片)、Paper2Video(讲解视频脚本与配音)、PDF2PPT、Image2PPT、Image2Drawio、Paper2Poster、Paper2Technical 等一整套工具链。项目采用 Apache 2.0 许可证开源,软件本身免费,同时提供在线体验版降低上手门槛,但完整本地部署需要一定的技术配置和模型 API 费用。
⚡ 主要功能
- Paper2Figure · 智能科研绘图:支持上传论文 PDF、文本描述甚至手绘草图截图,自动识别意图并生成模型架构图、技术路线图或实验数据图,输出可编辑的 SVG 和 PPTX,图中的方框、线条、文字均可直接拖拽修改
- Paper2PPT · 论文转可编辑幻灯片:对文档结构进行深度语义分析,提取背景、方法论、关键图表,生成包含封面、目录、内容页和参考文献页的 PPT。支持自定义页数、风格和中英文语言,可逐页生成,输出可编辑的 PPTX
- Paper2Video · 论文转讲解视频:将论文内容自动转换为讲解视频,生成脚本、配音和视觉内容,适合快速了解论文核心思想或制作组会/会议报告的视频素材
- PDF2PPT / Image2PPT · 版面结构化重建:将现有 PDF 讲义或图片截图“拆积木”式地分割版面,再重组为可编辑的 PPTX,保留布局的同时让每一页的文字、图片和版式都独立可控
- Image2Drawio · 截图转可编辑矢量图:把论文中的系统架构截图或手绘图还原为 Draw.io 可编辑画布,线条、模块、文字不再是死图,支持对话式调整并导出 drawio、PNG 或 SVG
- Paper2Poster · 学术海报生成:从论文内容自动生成学术海报,适合会议展示和课题组内部汇报场景
- Paper2Technical · 技术报告生成:提取论文的技术细节,生成详细的技术报告、方法描述和实现指南
- PPTPolish · 既有 PPT 风格优化:对已有演示文稿进行布局优化和风格迁移,提升版式一致性和视觉规范性
- 知识库与语义检索:支持摄取多份文档进行嵌入和语义检索,并基于知识库生成 PPT、播客或思维导图,适合实验室维护内部资料库
- Web 界面 + CLI 双模式:既提供浏览器可视化操作界面(拖拽上传、选择输出格式、下载结果),也提供独立命令行工具,支持批量处理和自动化工作流集成
- 全流程可编辑的核心突破:系统内置智能体对输入内容进行语义分析后,不仅生成视觉图像,还自动识别并记录文字、图表、结构模块和图标的元数据,最终输出的是一组独立、分层、可操作的图文块,而非不可修改的像素图
💰 价格信息
在线体验版可直接使用
模型调用费用自付
自部署需承担基础设施成本
Paper2Any 的软件本体采用 Apache 2.0 许可证完全开源免费,可以自由使用、修改和自托管,不收取软件授权费或订阅费。在线体验版(dcai-paper2any.nas.cpolar.cn)也无需付费即可试用核心功能,适合先跑通流程、确认输出质量。实际成本发生在两个层面:在线版可能受限于演示服务器的算力和排队机制,适合轻量试用;本地部署则需要自行承担模型 API 调用费用(文本和图像生成通常通过 OpenAI 兼容接口或可配置的 API 网关调用),以及运行后端、前端和模型服务所需的基础设施成本。根据项目文档和社区反馈,部分功能(如 PDF2PPT、Image2PPT、Image2Drawio 涉及的图像分割)需要 NVIDIA GPU 或 SAM3 分割服务才能完整运行,对硬件有一定要求。整体而言,Paper2Any 的“免费”是软件层面的免费,真正持续使用时的成本取决于你选择在线体验、自备 API 的本地部署,还是搭配 GPU 服务器的完整自托管方案。
👥 适合人群
需要把论文快速转化为答辩 PPT、组会汇报或会议报告的硕博研究生和科研人员(Paper2PPT + Paper2Figure 的组合直接对应这一高频场景);需要绘制模型架构图、技术路线图或实验数据图、但不想在 Visio 或 Illustrator 里手动拖拽线条的研究者(Paper2Figure 和 Image2Drawio 输出可编辑矢量格式);需要将讲义 PDF 转为可修改课件的教师和培训者(PDF2PPT 保留布局的同时让每一页可编辑);需要制作学术海报、技术报告或讲解视频的研究团队(Paper2Poster、Paper2Technical、Paper2Video);以及有技术能力自行部署、希望把论文转多模态内容的工作流嵌入自有系统的开发者和实验室(Apache 2.0 开源、支持 CLI 和 Docker 部署)。Paper2Any 尤其适合“输入素材已有、输出需要可编辑且符合学术规范”的场景。如果核心需求是零配置、打开网页点一下就能直接发布成品,在线体验版是合适的起点;如果完全没有技术基础且不愿意接触命令行、API 配置或 Docker,本地部署完整功能的门槛会比较高,部分依赖 GPU 分割服务的功能在普通笔记本上可能无法启用。
✅ 优点
- “全流程可编辑”是真正拉开差距的核心能力:多数 AI 生图或 AI PPT 工具交付的是不可修改的成品图或固定版式,Paper2Any 把文字、模块、线条和图标分割为独立元素,输出 PPTX、SVG、Draw.io 等可编辑格式,用户拿到的是可以继续打磨的素材,而非只能接受或整页重做的结果
- 功能覆盖了学术内容视觉化的完整链路:从示意图、PPT、视频脚本到海报、技术报告和 Draw.io 画布,一套工具链覆盖了组会、答辩、会议、海报展示和视频科普等多个场景,不需要在多个垂直工具之间来回切换
- 开源免费且采用 Apache 2.0 宽松许可证:软件本体无授权费用,可自由修改和商用,代码和部署文档公开,对于实验室、研究团队和希望深度定制的开发者来说,避免了 SaaS 订阅和供应商锁定
- 在线体验版大幅降低了首次使用门槛:不需要配置 Python 环境、Node 环境或模型 API,打开网页拖拽上传即可跑通 Paper2Figure 或 Paper2PPT 的完整流程,先验证效果再决定是否投入本地部署
- Draw.io 可编辑输出在科研绘图场景中非常实用:模型架构图和技术路线图在 Draw.io 中可以用对话式方式调整,线条和模块可以拖拽、改色、加标注,比在 Visio 或 AI 里反复重绘高效得多
- 项目来自北京大学 DCAI 课题组,有学术背景和持续迭代:基于 DataFlow-Agent 框架,GitHub 星标约 2.8k,功能覆盖 Paper2Figure、Paper2PPT、Paper2Video 等多个工作流,文档和部署指南相对完整
⚠️ 缺点
- 本地部署的技术门槛和硬件要求不低:项目不再是“一个 Python 环境 + 一个 .env + 一条命令”的简单结构,需要分别配置 FastAPI 后端、React 前端和模型服务,涉及 Python 3.11、Node.js、conda/虚拟环境以及多份 .env 文件;部分功能(PDF2PPT、Image2PPT、Image2Drawio)依赖 NVIDIA GPU 或 SAM3 分割服务,没有 GPU 或不愿部署分割服务的用户无法使用这些能力,官方推荐 Linux 或 WSL,原生 Windows 开箱即用的体验不够顺滑
- 在线体验版受限于演示服务器:公开的 cpolar 地址是课题组提供的演示入口,可能面临算力排队、生成速度波动或服务不可用的情况,不适合作为生产级的高频使用依赖;正式或批量使用仍需本地部署或自备环境
- Paper2PPT 和 PPTPolish 当前输出为 PDF,需要再用 PDF2PPT 二次转换才能得到可编辑的 PPTX:多了一步格式转换,虽然流程上可以衔接,但对于期待“一步直达可编辑 PPT”的用户来说,体验不够直接,转换过程也可能引入版式或字体上的细微偏差
- 生成质量依赖所接入的模型和输入素材的质量:在线版和本地部署的模型配置不同,输出效果可能存在差异;论文排版复杂、图表密集或扫描件模糊时,分割和识别的准确性会下降,仍需要人工检查和调整
- “模型调用费用自付”意味着持续使用有隐性成本:虽然软件免费,但文本和图像生成需要调用外部或本地模型,OpenAI 兼容 API 或 GPU 推理都会产生费用,高频或批量处理论文时,实际支出需要在部署前做好预算
- 作为学术课题组开源项目,产品化程度和商业支持有限:界面打磨、异常处理、跨平台兼容性和文档完备性无法与成熟商业 SaaS 相比,遇到环境配置或工作流问题时,主要依赖 GitHub Issues、文档和社区自行排查
💡 使用技巧
- 先用在线体验版跑通一次完整流程,不要一上来就折腾本地部署:打开 dcai-paper2any.nas.cpolar.cn,选择 Paper2Figure 或 Paper2PPT,上传一篇你熟悉的论文,观察它提取的架构图或生成的 PPT 初稿质量,确认“可编辑输出”的方式符合你的预期后,再决定是否投入时间配置本地环境
- 如果主要需求是“论文转答辩/组会 PPT”,优先从 Paper2PPT 切入;如果痛点是“架构图和技术路线图画不动”,优先用 Paper2Figure 或 Image2Drawio。先解决最耗时的单一环节,不要一开始就试图把整条工作流全部用上
- 本地部署前仔细核对硬件和系统要求:确认是否有 NVIDIA GPU(部分分割和转换功能需要),系统是否适合 Linux 或 WSL,Python 3.11 和 Node.js 环境是否就绪。没有 GPU 或不想处理分割服务的用户,可以先只启用不依赖这些服务的功能(如纯文本到 PPT 的 Paper2PPT),避免在环境配置上卡太久
- Paper2Figure 生成架构图或技术路线图后,优先导出 SVG 或 Draw.io 格式而非直接截图:SVG 和 Draw.io 保留了分层和矢量编辑能力,后续在 Draw.io、Figma 或 PPT 中调整线条、颜色和模块位置时不会损失清晰度,这是 Paper2Any 相对于普通 AI 生图工具的核心价值所在
- 对 Paper2PPT 的输出保持“初稿心态”:AI 生成的幻灯片在结构和信息提取上有帮助,但具体页面的措辞、图表取舍和排版细节仍需要逐页审阅和调整,尤其是涉及实验数据、方法描述和结论表述的部分,不能直接用于正式汇报而不做人工校对
- 如果使用本地部署并自备模型 API,先从低成本或免费额度的模型开始测试工作流:确认 Paper2Figure 和 Paper2PPT 的生成逻辑和输出格式符合需求后,再根据需要切换到更强的模型提升质量,避免在流程尚未跑通时就在模型调用上产生不必要的开销
- 批量处理多篇论文时,优先使用 CLI 模式而不是网页逐篇上传:项目提供了 run_paper2ppt_cli.py、run_paper2figure_cli.py 等命令行脚本,适合实验室或课题组需要一次性处理多篇论文的场景,效率远高于手动操作
- 对涉及未发表数据或敏感内容的论文,在线体验版意味着上传到第三方演示服务器。如果数据不能外传,应使用本地部署方案,并在配置模型 API 时注意数据流向,确保符合课题组或机构的数据管理规定









