PPT PPTAgent：自动化生成高质量的演示文稿

PPT PPTAgent简介

PPT PPTAgent是由中国科学院软件研究所中文信息处理实验室和上海捷讯科技有限公司联合开发的创新框架，旨在通过两阶段的编辑流程自动化生成高质量的演示文稿。该框架首先分析参考演示文稿以理解其结构模式和内容架构，然后通过代码操作草拟大纲并生成幻灯片，确保内容的一致性和对齐。开发团队还引入了PPT PTEval评估框架，从内容、设计和连贯性三个维度全面评估生成的演示文稿质量。实验结果表明，PPT PPTAgent在所有评估维度上均显著优于传统方法，其代码和数据已在GitHub上公开，以促进自动演示文稿生成领域的未来研究。

PPT PPTAgent主要功能

• 高质量演示文稿生成：
  • 能够从文档自动生成具有吸引力的演示文稿，包含清晰的故事线、视觉上吸引人的布局以及丰富有影响力的内容，满足实际应用中对演示文稿的高标准要求。
  • 生成的演示文稿在内容、设计和连贯性三个关键维度上均表现出色，可有效提升信息传递的效果，吸引并保持观众的注意力。
• 两阶段编辑流程：
  • 演示文稿分析：分析参考演示文稿，对幻灯片进行聚类，提取内容模式，为后续生成提供结构化语义信息，增强对参考演示文稿的表达能力，便于后续有针对性地生成演示文稿。
  • 演示文稿生成：基于分析结果，创建详细的大纲，分配文档部分和参考幻灯片，并通过编辑动作API动态修改参考幻灯片，生成新的演示文稿，确保生成过程的一致性、适应性和对复杂格式的无缝处理。
• 提供评估框架：引入PPT PTEval评估框架，可从内容、设计和连贯性三个维度对生成的演示文稿进行全面、系统且可扩展的评估，为演示文稿的优化和改进提供量化依据和定性反馈。

PPT PPTAgent技术原理

• 基于编辑的生成范式：
  • 与传统的端到端文本生成方法不同，PPT PPTAgent采用基于编辑的生成方式，将演示文稿生成过程分解为多个离散阶段，而非一次性生成整个演示文稿。这种方式更符合人类创建演示文稿的流程，能够更好地处理空间关系和设计风格，生成更符合实际需求的演示文稿。
  • 通过生成一系列动作来修改现有幻灯片，输入文档和参考演示文稿共同作为输入，利用大型语言模型（LLM）理解和生成代码的能力，驱动演示文稿的生成和编辑过程。
• 幻灯片聚类与模式提取：
  • 幻灯片聚类：根据幻灯片的功能性（如结构幻灯片和内容幻灯片）以及文本或视觉特征，采用不同的聚类算法对幻灯片进行有效分类。对于结构幻灯片，利用LLM推断其功能角色并分组；对于内容幻灯片，使用基于图像相似性的层次聚类方法，并借助多模态大型语言模型（MLLM）推断每个聚类的布局模式。
  • 模式提取：在聚类基础上，进一步分析幻灯片的内容模式，定义提取框架，将每个元素表示为类别、模态和内容，并通过LLM的指令遵循和结构化输出能力，提取每个幻灯片的模式，为后续的编辑提供精准指导。
• 大纲与幻灯片生成：
  • 大纲生成：利用LLM的规划和总结能力，结合文档内容和从参考演示文稿中提取的语义信息，创建结构化的大纲。大纲包含多个条目，每个条目指定参考幻灯片、相关文档部分索引以及新幻灯片的标题和描述，为演示文稿的生成提供清晰的框架和逻辑顺序。
  • 幻灯片生成：在大纲指导下，通过迭代编辑参考幻灯片来生成新幻灯片。实现五个专门的API，使LLM能够精确操作幻灯片元素，包括编辑、删除和复制文本元素，以及编辑和删除视觉元素。将幻灯片从原始XML格式转换为更易于LLM理解的HTML表示，并根据内容模式生成新幻灯片内容，再利用生成的内容、参考幻灯片的HTML表示和API文档，产生可执行的编辑动作，通过REPL环境执行并实时反馈，以迭代优化编辑动作，增强生成过程的鲁棒性。
• 多维度评估框架：
  • PPT PTEval框架从内容、设计和连贯性三个关键维度对演示文稿进行全面评估，每个维度的评分范围为1到5分，并提供详细反馈以指导未来演示文稿生成方法的改进。
  • 内容评估：关注幻灯片上的文本和图像信息，从信息量、文本内容的清晰度和质量，以及视觉内容对文本内容的支持程度三个方面进行评估，利用MLLM对幻灯片图像进行评估，以弥补纯文本格式难以全面理解幻灯片内容的不足。
  • 设计评估：基于颜色方案、视觉元素和整体设计三个方面进行评估，要求幻灯片颜色方案具有清晰对比以突出内容，同时保持和谐；视觉元素的使用能使幻灯片设计更具表现力；整体设计需遵循基本设计原则，避免元素重叠，确保设计不干扰内容传递。
  • 连贯性评估：依据逻辑结构和上下文信息进行评估，有效的连贯性体现在模型构建引人入胜的故事线，并提供丰富的上下文信息，使观众能够顺畅地跟随内容，通过分析演示文稿中的逻辑结构和上下文信息来评估连贯性。

PPT PPTAgent应用场景

1. 教育领域：教师可以利用PPT PPTAgent快速生成课程演示文稿，将教学大纲、知识点等文档内容转化为具有吸引力的幻灯片，提高教学效率和课堂互动性。
2. 企业培训：企业内部培训师可将培训资料输入PPT PPTAgent，生成专业的培训演示文稿，帮助员工更好地理解和掌握培训内容，提升培训效果。
3. 学术报告：科研人员在准备学术报告时，可借助该工具将研究成果文档转换为演示文稿，突出关键结论和实验数据，使报告更加清晰、有条理，便于同行交流。
4. 市场推广：市场人员可以将产品介绍、市场分析等文档输入，生成用于产品发布会或市场推广活动的演示文稿，吸引潜在客户，提升产品知名度。
5. 项目汇报：项目团队成员可利用PPT PPTAgent将项目进展、成果等文档内容生成汇报演示文稿，直观地向管理层或客户展示项目情况，增强汇报的说服力。
6. 个人演讲：个人在准备各类演讲，如行业研讨会、社团活动等场合的演讲时，可使用PPT PPTAgent将自己的演讲稿或相关资料转化为精美的演示文稿，辅助演讲，更好地传达观点和思想。

PPT PPTAgent项目入口

• GitHub代码库：https://github.com/icip-cas/PPTAgent
• arXiv技术论文：https://arxiv.org/pdf/2501.03936