Auto-Slides 是一个将学术研究论文自动转换为演示幻灯片的智能系统，由西湖大学 AGI Lab 与加州大学默塞德分校的研究者共同开发，是 ICME 2026 论文的官方实现。其目标是把论文内容转化为结构清晰、符合教学认知规律的演示文稿，并支持交互式定制。
一、用途 Auto-Slides 面向学术场景，可将研究论文 PDF 自动生成结构化的演示幻灯片，适用于学术会议报告、课堂讲解、组会汇报等需要将论文内容转化为演示材料的场合。系统基于大语言模型和认知科学原理，生成面向演示的叙事结构，以增强学习与理解效果。
二、主要能力
- 智能 PDF 处理：使用 OCR 与版面分析技术，自动从论文中提取文本、图片、表格和结构信息。
- 多智能体框架：由多个专门智能体分别负责内容提取、演示规划、验证与修复。
- 交互式定制：支持通过自然语言对话进行实时修改与完善。
- 教学优化：生成面向演示的叙事内容，提升学习与理解效果。
- 多模态输出：幻灯片中包含合理的图片放置、表格格式化和代码语法高亮。
- 多主题支持：支持多种 Beamer 主题（如 Madrid、Berlin、Singapore 等）。
- 双语支持：可处理英文和中文论文。
- 演讲稿生成：可选生成配套的演讲稿。
三、使用方式 环境要求：需要 LaTeX 环境（TeX Live 或 MiKTeX），以及 8GB 以上内存（用于 marker-pdf 模型）。 安装步骤：
- 克隆仓库；
- 创建虚拟环境（推荐）；
- 安装依赖；
- 下载所需模型：下载 marker-pdf 模型用于 PDF 处理，模型将下载到 models/ 目录（约 2GB）；
- 配置 API 密钥：可使用提供的模板文件，重命名后填入 API 密钥；也可从零创建 .env 文件，在项目根目录创建并设置 OPENAI_API_KEY。 基本用法：将研究论文转换为演示幻灯片。 高级选项：
- 默认在生成幻灯片后启用交互式修订，可通过 --no-interactive-revise 禁用；
- 可基于反馈修改已有演示文稿。 命令行参数： 必选参数：pdf_path（输入 PDF 文件路径）。 可选参数包括：--output-dir/-o（输出目录，默认 output）、--language/-l（输出语言 zh 或 en，默认 en）、--model/-m（语言模型，默认 gpt-4o）、--theme（Beamer 主题，默认 Madrid）、--verbose/-v（显示详细日志）、--disable-llm-enhancement（仅使用基础 PDF 解析）、--skip-compilation/-s（仅生成 TEX，跳过 PDF 编译）、--max-retries/-r（编译最大重试次数，默认 5）、--interactive/-i（启用演示计划优化的交互模式）、--no-interactive-revise（禁用幻灯片生成后的交互式修订，默认启用）、--enable-verification（启用内容验证，默认启用）、--enable-auto-repair（启用自动内容修复，默认启用）、--disable-verification（禁用验证与修复，快速模式）、--enable-speech（生成配套演讲稿）、--speech-duration（目标演讲时长，分钟，默认 15）、--speech-style（演讲风格：academic_conference、classroom、industry_presentation、public_talk）、--revise/-R（启用修订模式）、--original-plan（原始演示计划 JSON 路径）、--previous-tex（之前的 TEX 文件路径）、--feedback（用于修改的用户反馈）。
四、系统架构 Auto-Slides 采用多智能体框架，包含以下组件：
- PDF Parser：使用 marker-pdf 和 OCR 技术提取内容；
- Presentation Planner：基于认知科学原理生成结构化演示计划；
- Verification Agent：通过自动验证确保内容覆盖与准确性；
- Repair Agent：自动修复发现的问题并提升内容完整性；
- TEX Generator：生成格式规范的高质量 LaTeX Beamer 代码；
- Interactive Editor：通过自然语言对话实现实时定制。 系统从内容提取到最终演示生成经过多个阶段，内置质量保证与用户交互能力。
五、支持的主题与语言 主题：Madrid（默认）、Berlin、Singapore 等更多 Beamer 主题。 语言：英文（完整支持，优化提示词）、中文（完整支持，中文特定处理）。
六、常见问题与性能建议
- 图片未提取或缺失：确认已下载 marker-pdf 模型（python down_model.py），检查 output/images/<session_id>/ 中是否存在图片。
- API 密钥无效：确认 .env 中已设置 OPENAI_API_KEY，并检查 OpenAI 账户余额。
- LaTeX 编译失败：确认已安装 LaTeX 且 pdflatex 在 PATH 中；系统会自动使用 -shell-escape 进行代码高亮。
- 大 PDF 内存问题：marker-pdf 模型需要约 8GB 内存，可考虑使用 --disable-llm-enhancement 进行基础处理。 性能建议：使用 --disable-verification 加快处理；使用 --skip-compilation 仅生成 TEX；使用 --no-interactive-revise 跳过交互功能。
七、其他信息 项目采用 MIT 许可证。引用信息：论文 arXiv:2509.11062，项目页面 auto-slides.github.io，问题反馈见 GitHub Issues，联系邮箱 yangyuheng@westlake.edu.cn。致谢 marker-pdf、OpenAI、LangChain 和 Beamer。
