中文 | English
✨ 专注论文多模态工作流：从论文 PDF/截图/文本，一键生成模型示意图、技术路线图、实验图和演示文稿 ✨
| 📄 Universal File Support | 🎯 AI-Powered Generation | 🎨 Custom Styling | ⚡ Lightning Speed |
Important
本项目正在进行架构拆分，以提供更专注的功能体验。
-
Paper2Any (本仓库)：
- 专注于论文多模态工作流（Paper2Figure, Paper2PPT, Paper2Video 等）。
- 为科研人员提供一键式绘图、PPT 生成和视频脚本辅助工具。
-
DataFlow-Agent (新仓库)：
- 专注于 DataFlow 算子编排和编写。
- 提供通用的多智能体数据流处理框架和算子开发工具。
Tip
🆕 2025-12-12 · Paper2Figure 网页端公测上线
支持一键生成多种可编辑科研绘图（模型架构图 / 技术路线图 / 实验数据图）
🌐 在线体验：http://dcai-paper2any.nas.cpolar.cn/
- 2025-10-01 · 发布
0.1.0首个版本
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：一键生成模型架构图、技术路线图（PPT + SVG）、实验数据图，支持多种输入源，输出可编辑 PPTX。
- 🎬 Paper2PPT - 可编辑演示文稿：生成任意风格PPT，支持超长文档处理，内置表格提取与图表解析功能。
- 🖼️ PDF2PPT - 版式保留转换：智能抠图与版式分析，将 PDF 精准转换为可编辑 PPTX。
- 🎨 PPT 智能美化：基于 AI 的 PPT 排版优化与风格迁移。
✨ 模型架构图生成
✨ 模型架构图生成
✨ 技术路线图生成
✨ 实验数据图生成 (多种风格)
✨ PPT生成案例
✨ Paper / Text / Topic → PPT
✨ 超长文档支持 (40+ 页 PPT)
✨ 智能表格提取与插入
✨ 基于 AI 的排版优化
✨ 基于 AI 的排版优化与风格迁移
✨ 智能抠图 & 版式保留
建议使用 Conda 创建隔离环境（推荐 Python 3.11）。
# 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 .Paper2Any 涉及 LaTeX 渲染、矢量图处理以及 PPT/PDF 转换，需要额外依赖：
# 1. Python 依赖
pip install -r requirements-paper.txt || pip install -r requirements-paper-backup.txt
# 2. LaTeX 引擎 (tectonic) - 推荐用 conda 安装
conda install -c conda-forge tectonic -y
# 3. 解决 doclayout_yolo 依赖冲突（重要）
pip install doclayout_yolo --no-deps
# 4. 系统依赖 (Ubuntu 示例)
sudo apt-get update
sudo apt-get install -y inkscape libreoffice poppler-utils wkhtmltopdfexport 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 资源池在 frontend-workflow 目录下创建 .env 文件并填入以下配置：
# frontend-workflow/.env
VITE_SUPABASE_URL=your_supabase_url
VITE_SUPABASE_ANON_KEY=your_supabase_anon_key
# Backend
SUPABASE_URL=your_supabase_url
SUPABASE_ANON_KEY=your_supabase_anon_key
SUPABASE_SERVICE_ROLE_KEY=your_service_role_key
SUPABASE_JWT_SECRET=your_jwt_secret
# Application Settings
DAILY_WORKFLOW_LIMIT=10高级配置：本地模型服务负载均衡
如果是本地部署高并发环境，可以使用 script/start_model_servers.sh 启动本地模型服务集群（MinerU / SAM / OCR）。
脚本位置：/DataFlow-Agent/script/start_model_servers.sh
主要配置项说明：
-
MinerU (PDF 解析)
MINERU_MODEL_PATH: 模型路径 (默认models/MinerU2.5-2509-1.2B)MINERU_GPU_UTIL: 显存占用比例 (默认 0.2)- 实例配置: 脚本默认在 GPU 0 和 GPU 4 上各启动 4 个实例 (共 8 个)，端口范围 8011-8018。
- Load Balancer: 端口 8010，自动分发请求。
-
SAM (Segment Anything Model)
- 实例配置: 默认在 GPU 2 和 GPU 3 上各启动 1 个实例，端口 8021-8022。
- Load Balancer: 端口 8020。
-
OCR (PaddleOCR)
- 配置: 运行在 CPU 上，使用 uvicorn 的 worker 机制 (默认 4 workers)。
- 端口: 8003。
使用前请根据实际 GPU 数量和显存情况修改脚本中的
gpu_id和实例数量。
Note
目前推荐优先在 Linux / WSL 环境下体验 Paper2Any。 若你需要在 原生 Windows 上部署，请按以下步骤操作。
# 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 .Paper2Any 涉及 LaTeX 渲染与矢量图处理，需要额外依赖（见 requirements-paper.txt）：
# Python 依赖
pip install -r requirements-paper.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）
- 下载并安装（Windows 64-bit MSI）：Inkscape Download
- 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\
Tip
配置 Path 后建议重新打开终端（或重启 VS Code / PowerShell），确保环境变量生效。
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.whlImportant
请确保 .whl 与当前环境匹配：
- Python：cp312（Python 3.12）
- 平台：win_amd64
- CUDA：cu124（需与你本机 CUDA/驱动适配）
Paper2Any - 论文工作流 Web 前端（推荐）
# 启动后端 API
cd fastapi_app
uvicorn main:app --host 0.0.0.0 --port 8000
# 启动前端（新终端）
cd frontend-workflow
npm install
npm run dev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,
},
},
},
})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-eagerTip
Paper2Figure 网页端内测说明
如果暂时不想部署前后端，可以先通过本地脚本体验 Paper2Any 的核心能力：
python script/run_paper2figure.py：模型架构图生成python script/run_paper2expfigure.py：实验数据图生成python script/run_paper2technical.py：技术路线图生成python script/run_paper2ppt.py：论文内容生成可编辑 PPTpython script/run_pdf2ppt_with_paddle_sam_mineru.py：PDF2PPT（保留版式 + 可编辑内容）
# 启动后端 API
cd fastapi_app
uvicorn main:app --host 0.0.0.0 --port 8000
# 启动前端（新终端）
cd frontend-workflow
npm install
npm run dev访问 http://localhost:3000。
Tip
如果暂时不想部署前后端，可以通过本地脚本体验核心功能：
python script/run_paper2figure.py：模型架构图生成python script/run_paper2ppt.py：论文生成 PPTpython script/run_pdf2ppt_with_paddle_sam_mineru.py：PDF 转 PPT
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
| 功能 | 状态 | 子功能 |
|---|---|---|
| 📊 Paper2Figure 可编辑科研绘图 |
 |
   
|
| 🎬 Paper2PPT 可编辑演示文稿 |
 |
     
|
| 🖼️ PDF2PPT 版式保留转换 |
 |
  
|
| 🎨 PPT 美化 智能排版优化 |
 |
  
|
我们欢迎所有形式的贡献！
本项目采用 Apache License 2.0 开源协议。
如果这个项目对你有帮助，请给我们一个 ⭐️ Star！
扫码加入社区微信群
❤️ Made with by OpenDCAI Team