📑 目录

• 🔥 News
• ✨ 核心功能
• 📸 功能展示
• 🧩 Drawio
• 🚀 快速开始
• 📂 项目结构
• 🗺️ 开发计划
• 🤝 贡献

🔥 News

@article{guo2025paper2sysarch,
  title   = {Paper2SysArch: Structure-Constrained System Architecture Generation from Scientific Papers},
  author  = {Guo, Ziyi and Liu, Zhou and Zhang, Wentao},
  journal = {arXiv preprint arXiv:2511.18036},
  year    = {2025},
  note    = {CVPR 2026 Findings}
}

@article{zhang2026sciflowbench,
  title   = {SciFlow-Bench: Evaluating Structure-Aware Scientific Diagram Generation via Inverse Parsing},
  author  = {Zhang, Tong and Lin, Honglin and Liu, Zhou and Chen, Chong and Zhang, Wentao},
  journal = {arXiv preprint arXiv:2602.09809},
  year    = {2026},
  note    = {ACL 2026 Main}
}

✨ 核心功能

从论文 PDF / 图片 / 文本出发，一键生成可编辑的科研绘图、演示文稿、视频脚本、学术海报等多模态内容。

Paper2Any 当前包含以下几个子能力：

• 📊 Paper2Figure - 可编辑科研绘图：模型架构图、技术路线图（PPT + SVG）与实验数据图，输出可编辑 PPTX。
• 🧩 Paper2Diagram / Image2Drawio - 可编辑流程图：从论文/文本或图片生成 Drawio 图，支持 drawio/png/svg 导出与对话式编辑。
• 🎬 Paper2PPT - 可编辑演示文稿：论文/文本/主题一键生成，支持超长文档与表格/图表抽取。
• 📝 Paper2Rebuttal：自动生成结构化反驳草稿与修改建议，辅助审稿意见回复。
• 🖼️ PDF2PPT - 版式保留转换：精准保留版式的 PDF → 可编辑 PPTX。
• 🖼️ Image2PPT - 图片转 PPT：将图片或截图快速转换为结构化幻灯片。
• 🔥 生图模型体验：直接调用后端托管生图模型，支持提示词模板、图中文字语言控制、批量生图、压缩缩略图预览与整批下载。
• 🎨 PPTPolish 智能美化：基于 AI 的排版优化与风格迁移。
• 🎬 Paper2Video：生成讲解视频脚本与配音素材。
• 🖼️ Paper2Poster - 论文转海报：将论文 PDF 自动整理为学术海报，支持版式参数、Logo 注入与导出。
• 🔎 Paper2Citation - 论文引用追踪：按作者姓名或 DOI / 论文链接追踪引用作者、机构与代表性引用论文。
• 📚 知识库（KB）：文件入库/向量化、语义检索，以及 KB 驱动的 PPT/播客/思维导图生成。

📸 功能展示

🧩 Drawio

✨ 上传论文配图或截图，作为可编辑 DrawIO 的起点

✨ 转换前保留原图结构，便于对照核验

✨ 图片一键转成可编辑 DrawIO 画布

✨ 在 DrawIO 工作台里直接生成模型图 / 系统框架图

✨ 生成后可继续对话式编辑，并导出为展示友好的成品图

📝 Paper2Rebuttal：审稿回复

_{✨ 审稿回复草拟与修改建议}

📊 Paper2Figure: 科研绘图生成

<sub>✨ 模型架构图生成

✨ 模型架构图生成</sub>

✨ 技术路线图工作台：选择图类型、输入来源、模型配置与模板风格

✨ 生成结果：结构化双栏技术路线图

_{✨ 实验数据图生成 (多种风格)}

🎬 Paper2PPT: 论文转演示文稿

✨ 端到端 PPT 生成演示

✨ 从论文 / 文本 / 主题生成完整演示文稿

✨ 主题锁定下的画布内直接改字与逐页修订

✨ 导出前集中检查多页生成结果

✨ AI 辅助修改入口，支持定向补写与风格调整

✨ 细粒度大纲编辑，可直接调整章节与要点

_{✨ 超长文档支持（40+ 页） · 智能表格提取与插入 · 历史版本管理与迭代回溯}

🎬 Paper2Video：PPT 转视频

_{✨ PPT / PDF 一键生成讲解视频，支持脚本确认、阿里语音与最终视频导出}

🖼️ Paper2Poster：论文转海报

PNG 海报结果

PPT 海报结果

_{✨ 论文 PDF 自动整理为学术海报，支持版式参数、可编辑海报结果与一键导出}

🔎 Paper2Citation：论文引用追踪

_{✨ 输入作者名或论文 DOI / 链接，查看候选作者、引用线索与机构信息}

🎨 PPT 智能美化

<sub>✨ 基于 AI 的排版优化

✨ 基于 AI 的排版优化与风格迁移</sub>

🖼️ PDF2PPT: 版式保留转换

<sub>✨ 智能抠图 & 版式保留

✨ 图片转 PPT</sub>

🚀 快速开始

环境要求

.env 配置模式

现在有两套配置方式：

• 粗粒度模式：使用 *.env.simple.example。推荐大多数自部署用户直接用这套。
• 细粒度模式：使用 *.env.example。只有需要逐个 workflow 覆盖模型和 provider 时再用。

推荐起步：

cp fastapi_app/.env.simple.example fastapi_app/.env
cp frontend-workflow/.env.simple.example frontend-workflow/.env

如果确实需要细粒度覆盖，再改成：

cp fastapi_app/.env.example fastapi_app/.env
cp frontend-workflow/.env.example frontend-workflow/.env

# 1. 克隆仓库
git clone https://github.com/OpenDCAI/Paper2Any.git
cd Paper2Any

# 2. 配置环境变量
cp fastapi_app/.env.simple.example fastapi_app/.env
cp frontend-workflow/.env.simple.example frontend-workflow/.env
cp deploy/docker.env.example deploy/docker.env

# 内部接口鉴权 key，必须与前端 VITE_API_KEY 一致
BACKEND_API_KEY=your-backend-api-key

# 推荐：由后端统一决定 workflow 使用的模型
APP_BILLING_MODE=free
PAPER2ANY_CONFIG_MODE=simple

# 必填：统一文本入口
SIMPLE_TEXT_API_URL=https://your-text-gateway/v1
SIMPLE_TEXT_API_KEY=your_text_key

# 可选但推荐：统一生图入口
SIMPLE_IMAGE_API_URL=https://your-image-gateway
SIMPLE_IMAGE_API_KEY=your_image_key

# 可选：DrawIO OCR / VLM 服务
SIMPLE_OCR_API_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
SIMPLE_OCR_API_KEY=your_dashscope_key

# 可选：MinerU 官方远端 API
MINERU_API_BASE_URL=https://mineru.net/api/v4
MINERU_API_KEY=your_mineru_api_key

# 可选：给 PDF2PPT / Image2PPT / Image2Drawio 使用的 SAM3 分割服务
# SAM3_SERVER_URLS=http://GPU机器IP:8001
# SAM3_SERVER_URLS=http://GPU1:8021,http://GPU2:8022

# 可选：Supabase（不填则跳过用户认证，核心功能不受影响）
# SUPABASE_URL=https://your-project-id.supabase.co
# SUPABASE_ANON_KEY=your_supabase_anon_key

# 必须与后端 BACKEND_API_KEY 完全一致
VITE_API_KEY=your-backend-api-key

# Docker 下通常保持为空，由 nginx 反代 /api 和 /outputs
VITE_API_BASE_URL=

# 前端只负责展示默认值，不控制后端真实模型
VITE_DEFAULT_LLM_API_URL=https://your-text-gateway/v1
VITE_DEFAULT_LLM_MODEL=gpt-4o

# 可选：Supabase（与后端保持一致）
# VITE_SUPABASE_URL=https://your-project-id.supabase.co
# VITE_SUPABASE_ANON_KEY=your_supabase_anon_key

BACKEND_PORT=8000
FRONTEND_PORT=3000
DOCKER_APP_WORKERS=1

# 可选：本地 SAM3 容器端口
SAM3_PORT=8021
SAM3_SERVER_URLS=

# 3. 构建并启动
bash deploy/docker-up.sh

# 可选：如果部署环境提供了预下载镜像 tar，先导入
docker load -i /path/to/onlyoffice-documentserver-latest.tar

docker run -d --name paper2any-onlyoffice \
  -p 8082:80 \
  --add-host=host.docker.internal:host-gateway \
  -e JWT_ENABLED=false \
  -e ALLOW_PRIVATE_IP_ADDRESS=true \
  onlyoffice/documentserver:latest

ONLYOFFICE_DOCUMENT_SERVER_URL=/onlyoffice
ONLYOFFICE_THINKFLOW_PUBLIC_URL=http://host.docker.internal:8000
ONLYOFFICE_DOCUMENT_DOWNLOAD_BASE_URL=http://host.docker.internal:8000
ONLYOFFICE_SERVER_DOWNLOAD_URL_BASE=http://127.0.0.1:8082
ONLYOFFICE_JWT_SECRET=

🐧 Linux 安装

建议使用 Conda 创建隔离环境（推荐 Python 3.11）。

1. 创建环境并安装基础依赖

# 0. 创建并激活 conda 环境
conda create -n paper2any python=3.11 -y
conda activate paper2any

# 1. 克隆仓库
git clone https://github.com/OpenDCAI/Paper2Any.git
cd Paper2Any

# 2. 安装基础依赖
pip install -r requirements-base.txt

# 3. 开发模式安装
pip install -e .

2. 安装 Paper2Any 相关依赖（必须）

Paper2Any 涉及 LaTeX 渲染、矢量图处理以及 PPT/PDF 转换，需要额外依赖。

当前依赖边界建议如下：

• requirements-base.txt：跨平台通用 Python 运行时
• requirements-paper.txt：论文 / PDF / 科研绘图相关额外 Python 包
• requirements-cu12.txt：NVIDIA CUDA 12 的 Linux GPU 额外依赖
• requirements-system-ubuntu.txt：Ubuntu/Debian 系统包，不是 Python 包

# 1. 论文 / PDF / 科研绘图额外 Python 依赖
pip install -r requirements-paper.txt

# 2. NVIDIA GPU 运行时额外依赖（仅 Linux + CUDA 12）
pip install -r requirements-cu12.txt

# 3. LaTeX 引擎 (tectonic) - 推荐用 conda 安装
conda install -c conda-forge tectonic -y

# 4. 解决 doclayout_yolo 依赖冲突（重要）
pip install doclayout_yolo --no-deps

# 5. 系统依赖 (Ubuntu 示例；完整列表见 requirements-system-ubuntu.txt)
sudo apt-get update
sudo apt-get install -y ffmpeg inkscape libreoffice poppler-utils wkhtmltopdf

3. 配置环境变量

export DF_API_KEY=your_api_key_here
export DF_API_URL=xxx  # 可选：如需使用第三方 API 中转站
export MINERU_DEVICES="0,1,2,3" # 可选：MinerU 任务 GPU 资源池

4. 配置环境文件（可选）

# 复制后端环境文件
cp fastapi_app/.env.example fastapi_app/.env

# 复制前端环境文件
cp frontend-workflow/.env.example frontend-workflow/.env

SUPABASE_URL=https://your-project-id.supabase.co
SUPABASE_ANON_KEY=your_supabase_anon_key

# 默认 LLM API 地址
DEFAULT_LLM_API_URL=http://123.129.219.111:3000/v1/

# 工作流级别默认值
PAPER2PPT_DEFAULT_MODEL=gpt-5.1
PAPER2PPT_DEFAULT_IMAGE_MODEL=gemini-3-pro-image-preview
PDF2PPT_DEFAULT_MODEL=gpt-4o
# ... 完整列表请查看 .env.example

# DrawIO OCR / VLM
PAPER2DRAWIO_OCR_API_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
PAPER2DRAWIO_OCR_API_KEY=your_dashscope_key

# MinerU 官方远端 API；若 MINERU_API_KEY 为空，后端会回退到本地 MINERU_PORT
MINERU_API_BASE_URL=https://mineru.net/api/v4
MINERU_API_KEY=your_mineru_api_key
MINERU_API_MODEL_VERSION=vlm

# SAM3 分割服务，供 PDF2PPT / Image2PPT / Image2Drawio 使用
# 单个端点：
SAM3_SERVER_URLS=http://127.0.0.1:8001
# 或多个端点做负载均衡：
# SAM3_SERVER_URLS=http://127.0.0.1:8021,http://127.0.0.1:8022

# UI 中显示的默认 API 地址
VITE_DEFAULT_LLM_API_URL=https://api.apiyi.com/v1

# 下拉菜单中的可用 API 地址（逗号分隔）
VITE_LLM_API_URLS=https://api.apiyi.com/v1,http://b.apiyi.com:16888/v1,http://123.129.219.111:3000/v1

VITE_SUPABASE_URL=https://your-project.supabase.co
VITE_SUPABASE_ANON_KEY=your-anon-key

bash script/start_local_sam3_dev.sh

🪟 Windows 安装

1. 创建环境并安装基础依赖

# 0. 创建并激活 conda 环境
conda create -n paper2any python=3.12 -y
conda activate paper2any

# 1. 克隆仓库
git clone https://github.com/OpenDCAI/Paper2Any.git
cd Paper2Any

# 2. 安装基础依赖
pip install -r requirements-win-base.txt

# 3. 开发模式安装
pip install -e .

2. 安装 Paper2Any 相关依赖（推荐）

Paper2Any 涉及 LaTeX 渲染与矢量图处理，需要额外依赖：

# Python 依赖
pip install -r requirements-paper.txt

# NVIDIA GPU 运行时额外依赖（仅 Linux，需要时再装）
# pip install -r requirements-cu12.txt

# tectonic：LaTeX 引擎（推荐用 conda 安装）
conda install -c conda-forge tectonic -y

🎨 安装 Inkscape（SVG/矢量图处理｜推荐/必装）

1. 下载并安装（Windows 64-bit MSI）：Inkscape Download
2. 将 Inkscape 可执行文件目录加入系统环境变量 Path（示例）：C:\Program Files\Inkscape\bin\

⚡ 安装 Windows 编译版 vLLM（可选｜用于本地推理加速）

发布页参考：vllm-windows releases 推荐版本：0.11.0

pip install vllm-0.11.0+cu124-cp312-cp312-win_amd64.whl

启动应用

Paper2Any - 论文工作流 Web 前端（推荐）

# NVIDIA 机器推荐直接使用一键入口
bash deploy/start_nv.sh

本地默认访问地址：

• 前端开发服务：http://localhost:3000
• 后端健康检查：http://127.0.0.1:8000/health

本地部署常用命令：

• 推荐启动整套：bash deploy/start_nv.sh
• 仅启动后端（需先加载 profile）： set -a && source deploy/profiles/nv.env && set +a && bash deploy/start.sh
• 停止后端：./deploy/stop.sh
• 重启后端：./deploy/restart.sh

说明：

• deploy/start.sh 会读取 deploy/app_config.sh，但不会自动加载 deploy/profiles/*.env。
• deploy/start_nv.sh 才是当前最稳妥的一键入口：它会加载 deploy/profiles/nv.env、准备本地模型、启动模型服务，再启动后端和前端。
• 如果修改了 APP_PORT，也要同步更新 frontend-workflow/vite.config.ts 里的前端代理地址。

配置前端代理

修改 frontend-workflow/vite.config.ts 中的 server.proxy：

export default defineConfig({
  plugins: [react()],
  server: {
    port: 3000,
    open: true,
    allowedHosts: true,
    proxy: {
      '/api': {
        target: 'http://127.0.0.1:8000',  // FastAPI 后端地址
        changeOrigin: true,
      },
      '/outputs': {
        target: 'http://127.0.0.1:8000',
        changeOrigin: true,
      },
    },
  },
})

访问 http://localhost:3000

Windows 加载 MinerU 预训练模型

# PowerShell环境下启动
vllm serve opendatalab/MinerU2.5-2509-1.2B `
  --host 127.0.0.1 `
  --port 8010 `
  --logits-processors mineru_vl_utils:MinerULogitsProcessor `
  --gpu-memory-utilization 0.6 `
  --trust-remote-code `
  --enforce-eager

启动应用

🎨 Web 前端（推荐）

# NVIDIA 机器推荐直接使用一键入口
bash deploy/start_nv.sh

访问 http://localhost:3000。 后端默认健康检查地址为 http://127.0.0.1:8000/health。

🖥️ CLI 脚本（命令行界面）

Paper2Any 提供独立的 CLI 脚本，支持命令行参数输入，可直接执行工作流，无需启动 Web 前后端。

环境变量配置

通过环境变量配置 API 访问（可选）：

export DF_API_URL=https://api.openai.com/v1  # LLM API 地址
export DF_API_KEY=sk-xxx                      # API 密钥
export DF_MODEL=gpt-4o                        # 默认模型

可用的 CLI 脚本

1. Paper2Figure CLI - 生成科学图表（3种类型）

# 从 PDF 生成模型架构图
python script/run_paper2figure_cli.py \
  --input paper.pdf \
  --graph-type model_arch \
  --api-key sk-xxx

# 从文本生成技术路线图
python script/run_paper2figure_cli.py \
  --input "Transformer 架构与注意力机制" \
  --input-type TEXT \
  --graph-type tech_route

# 生成实验数据可视化图表
python script/run_paper2figure_cli.py \
  --input paper.pdf \
  --graph-type exp_data

图表类型： model_arch（模型架构图）、tech_route（技术路线图）、exp_data（实验数据图）

2. Paper2PPT CLI - 将论文转换为 PPT 演示文稿

# 基础用法
python script/run_paper2ppt_cli.py \
  --input paper.pdf \
  --api-key sk-xxx \
  --page-count 15

# 自定义风格
python script/run_paper2ppt_cli.py \
  --input paper.pdf \
  --style "学术风格；中文；现代设计" \
  --language zh

3. PDF2PPT CLI - 一键将 PDF 转换为可编辑 PPT

# 基础转换（无 AI 增强）
python script/run_pdf2ppt_cli.py --input slides.pdf

# 启用 AI 增强
python script/run_pdf2ppt_cli.py \
  --input slides.pdf \
  --use-ai-edit \
  --api-key sk-xxx

4. Image2PPT CLI - 将图片转换为可编辑 PPT

# 基础转换
python script/run_image2ppt_cli.py --input screenshot.png

# 启用 AI 增强
python script/run_image2ppt_cli.py \
  --input diagram.jpg \
  --use-ai-edit \
  --api-key sk-xxx

5. PPT2Polish CLI - 美化现有 PPT 文件

# 基础美化
python script/run_ppt2polish_cli.py \
  --input old_presentation.pptx \
  --style "学术风格，简洁大方" \
  --api-key sk-xxx

# 使用参考图片保持风格一致性
python script/run_ppt2polish_cli.py \
  --input old_presentation.pptx \
  --style "现代简约风格" \
  --ref-img reference_style.png \
  --api-key sk-xxx

通用选项

所有 CLI 脚本都支持以下通用选项：

• --api-url URL - LLM API 地址（默认：从 DF_API_URL 环境变量读取）
• --api-key KEY - API 密钥（默认：从 DF_API_KEY 环境变量读取）
• --model NAME - 文本模型名称（默认：各脚本不同）
• --output-dir DIR - 自定义输出目录（默认：outputs/cli/{脚本名称}/{时间戳}）
• --help - 显示详细帮助信息

查看完整参数文档，可运行任意脚本并添加 --help 参数：

python script/run_paper2figure_cli.py --help

📂 项目结构

Paper2Any/
├── dataflow_agent/          # 核心代码库
│   ├── agentroles/         # Agent 定义
│   │   └── paper2any_agents/ # Paper2Any 专用 Agent
│   ├── workflow/           # Workflow 定义
│   ├── promptstemplates/   # Prompt 模板
│   └── toolkits/           # 工具集（绘图、PPT生成等）
├── fastapi_app/            # 后端 API 服务
├── frontend-workflow/      # 前端 Web 界面
├── static/                 # 静态资源
├── script/                 # 脚本工具
└── tests/                  # 测试用例

🗺️ 开发计划

功能	状态	子功能
📊 Paper2Figure 可编辑科研绘图
🧩 Paper2Diagram Drawio 绘图
🎬 Paper2PPT 可编辑演示文稿
🖼️ PDF2PPT 版式保留转换
🖼️ Image2PPT 图片转 PPT
🎨 PPTPolish 智能美化
📚 知识库（KB） KB 工作流
🎬 Paper2Video 视频脚本生成

🤝 贡献

这里保留的是历史开源版贡献说明。新产品功能和新架构已不再同步到本仓库，目前也没有继续审核新功能 PR 的计划。现有 Issue 和 Discussion 作为社区历史记录保留。

📄 License

本项目采用 Apache License 2.0 开源协议。