aippt技术调研

发表于 更新于 分类于 ， 阅读次数：

技术路线

方案 A：html → PDF → pptx（我尝试下来不大可行，无法再进行编辑了）

方案 B：html → PPTXGenJS

方案 C：html → python-pptx (主流)

方案 D：markdown → Slidev

我尝试了当前市面的ppt生成产品，在网页里面展示还会有良好的动画效果，但是一旦导出成pptx，都是会变成静态页面，没有动画

reveal.js可以利用页面生成丰富的ppt动画效果；Slidev可以将markdown语法转化成ppt，可以导出为pdf或pptx，需要注意的是，PPTX 文件中的所有幻灯片都会被导出为图片。

PPTXGenJS和python-pptx的原理基本一致，区别一个是使用js一个是python，使用方法都是通过解析HTML标签内容，定义一个ppt实例，将html的内容一点点加入这个示例中，最后导出pptx。这样都仅能实现最基本的ppt演示，不会有复杂的结构，而且经常会出现一个问题——某个标签内文字太多往往会超出ppt演示范围

直接让AI来生成非常自由的PPT，最终的效果一般来说都比较烂，大部分都是预定义一个html模板，然后让AI来自动的选择模板往里面填充内容

相关工具

Slidev 是一个为开发者设计的基于 Web 的幻灯片制作工具。它帮助您以 Markdown 的形式专注于编写幻灯片的内容，并制作出具有交互式演示功能的、高度可自定义的幻灯片。

reveal.js 是一个开源的 HTML 演示框架，用 JavaScript 写成。只要你会写 HTML/CSS/JS，就可以像做网页一样做出 酷炫、响应式、支持键盘/鼠标/触控交互 的幻灯片。

PptxGenJS 允许您使用 JavaScript 生成专业的 PowerPoint 演示文稿——直接从 Node、React、Vite、Electron，甚至浏览器中生成。

python-pptx 是一个用于创建、读取和更新 PowerPoint (.pptx)文件的 Python 库。典型的使用场景是从动态内容（如数据库查询、分析输出或 JSON 负载）生成 PowerPoint 演示文稿，可能是在响应 HTTP 请求时生成 PPTX 文件并下载。

python-pptx使用方式：根据标签解析html文件，如h1，div等，然后一点点添加到定义的页中

市面同类产品

  1. Genspark
    • Genspark 是 MainFunc 公司（由前小度 CEO 景鲲和前小度 CTO 朱凯华联合创立）推出的 AI Agent 搜索引擎（或称“AI 原生搜索引擎”）。
  2. skywork
    • Skywork 是昆仑万维（Kunlun Inc.）旗下 SkyWork AI 推出的一系列 开源大模型 与 AI 技术品牌。
  3. manus
  4. Gamma 是一个 “AI 驱动的在线内容工作站”：输入一句话、一段大纲或任何资料，它就能在 1-3 分钟内 帮你生成 高颜值、品牌化、可互动 的演示文稿、网站、社媒图文或 PDF，并可一键导出为 PPT / Google Slides / PDF / 网站链接。

manus是每页ppt都是一个html文件，我猜测应该是使用像python-pptx的库生成

ppt-mcp

可以参考其中的工具实现，这两个我看下来都是使用python-pptx包

GongRzhe/Office-PowerPoint-MCP-Server: A MCP (Model Context Protocol) server for PowerPoint manipulation using python-pptx. This server provides tools for creating, editing, and manipulating PowerPoint presentations through the MCP protocol.

ltc6539/mcp-ppt: A mcp server supporting you to generate powerpoint using LLM and natural language automatically.

架构思考

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
flowchart TB
    subgraph "Plan-and-Execute阶段"
        A["用户输入"] --> B["Planner Agent"]
        B --> C["Agent Executor"]
        C --> D["Replanner"]
        D -->|"需要更多信息"| C
        D -->|"信息充足"| E["输出结构化信息"]
    end
    
    subgraph "内容生成阶段"
        E --> F["大纲设计节点"]
        F --> G["页面内容生成节点"]
        G --> H["HTML代码生成节点"]
    end
    
    subgraph "文件转换阶段"
        H --> I["html演示生成"]
        I --> J["转换pptx节点"]
        J --> K["输出PPTX文件"]
    end

利用APRYSE将pdf转成pptx

Apryse（曾用名 PDFTron）是一家加拿大公司推出的商用 SDK 家族，专注 “任何格式进、任何格式出” 的文档处理。

获取apikeyFree trial key for Apryse SDK | Apryse documentation

Python 3.X PDF Library for Windows, Linux and Mac | Apryse documentation

安装 Apryse SDK 的“结构化输出模块”（Structured Output Module）。该模块是一个可选的扩展包，PDF → PPTX、PDF → Word 等高级转换功能都依赖它。库插件：OCR、CAD 转 PDF - 适用于服务器/桌面 SDK | Apryse 文档 — Library Add-ons: OCR, CAD to PDF - for Server/Desktop SDK | Apryse documentation

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
from apryse_sdk import PDFNet, PDFDoc, Convert, StructuredOutputModule

# 1. 初始化（许可证）
PDFNet.Initialize("demo:1756369085114:")

# 2. 告诉 SDK 模块放在哪里
PDFNet.AddResourceSearchPath(r"F:\project python\test\StructuredOutputWindows\Lib\Windows")

# 3. 可选：确认模块已就位
if not StructuredOutputModule.IsModuleAvailable():
    raise RuntimeError("StructuredOutput module not found!")

# 4. 正常调用
doc = PDFDoc("input.pdf")
Convert.ToPowerPoint(doc, "output.pptx")

Overview

参考资料

动手实现一个做PPT的MCP服务器_哔哩哔哩_bilibili