Hugging Face's logo

Spaces:
pzp5700
/
Paper2Any
Sleeping

App Files Community
Paper2Any / README.md
pzp5700's picture
pzp5700
Add HuggingFace Space YAML metadata and gradio dependency
3533cc6
preview code
|
Raw
History Blame Contribute Delete
16.8 kB
---
title: Paper2Any
emoji: 📄
colorFrom: blue
colorTo: purple
sdk: gradio
sdk_version: "5.31.0"
app_file: app.py
pinned: false
license: apache-2.0
---
<div align="center">
<img src="static/new_readme/logo图.png" alt="Paper2Any Logo" width="200"/>
# Paper2Any
[![Python](https://img.shields.io/badge/Python-3.11+-3776AB?style=flat-square&logo=python&logoColor=white)](https://www.python.org/)
[![License](https://img.shields.io/badge/License-Apache_2.0-2F80ED?style=flat-square&logo=apache&logoColor=white)](LICENSE)
[![GitHub Repo](https://img.shields.io/badge/GitHub-OpenDCAI%2FPaper2Any-24292F?style=flat-square&logo=github&logoColor=white)](https://github.com/OpenDCAI/Paper2Any)
[![Stars](https://img.shields.io/github/stars/OpenDCAI/Paper2Any?style=flat-square&logo=github&label=Stars&color=F2C94C)](https://github.com/OpenDCAI/Paper2Any/stargazers)
中文 | [English](README_EN.md)
✨ **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** &nbsp;|&nbsp; 🎯 **AI-Powered Generation** &nbsp;|&nbsp; 🎨 **Custom Styling** &nbsp;|&nbsp; ⚡ **Lightning Speed** |
<br>
<a href="#-快速开始" target="_self">
 <img alt="Quickstart" src="https://img.shields.io/badge/🚀-快速开始-2F80ED?style=for-the-badge" />
</a>
<a href="http://dcai-paper2any.nas.cpolar.cn/" target="_blank">
 <img alt="Online Demo" src="https://img.shields.io/badge/🌐-在线体验-56CCF2?style=for-the-badge" />
</a>
<a href="docs/" target="_blank">
 <img alt="Docs" src="https://img.shields.io/badge/📚-文档-2D9CDB?style=for-the-badge" />
</a>
<a href="docs/contributing.md" target="_blank">
 <img alt="Contributing" src="https://img.shields.io/badge/🤝-参与贡献-27AE60?style=for-the-badge" />
</a>
<br>
<br>
<img src="static/new_readme/first.png" alt="Paper2Any Web Interface" width="80%"/>
</div>
---
## 📢 Roadmap & 拆分公告
> [!IMPORTANT]
> **本项目正在进行架构拆分，以提供更专注的功能体验。**
- **[Paper2Any](https://github.com/OpenDCAI/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](https://github.com/OpenDCAI/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。
---
## 📑 目录
- [🔥 News](#-news)
- [✨ 核心功能](#-核心功能)
- [📸 功能展示](#-功能展示)
- [🚀 快速开始](#-快速开始)
- [📂 项目结构](#-项目结构)
- [🗺️ 开发计划](#️-开发计划)
- [🤝 贡献](#-贡献)
---
## 🔥 News
> [!TIP]
> 🆕 <strong>2025-12-12 · Paper2Figure 网页端公测上线</strong><br>
> 支持一键生成多种<strong>可编辑</strong>科研绘图（模型架构图 / 技术路线图 / 实验数据图）<br>
> 🌐 在线体验：<a href="http://dcai-paper2any.nas.cpolar.cn/">http://dcai-paper2any.nas.cpolar.cn/</a>
- 2025-10-01 · 发布 <code>0.1.0</code> 首个版本
---
## ✨ 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**：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。
---
## 📸 功能展示
### 📊 Paper2Figure: 科研绘图生成
<div align="center">
<br>
<img src="static/new_readme/2figure.gif" width="90%"/>
<br><sub>✨ 模型架构图生成</sub>
<br>
<img src="static/new_readme/科研绘图-01.png" width="90%"/>
<br><sub>✨ 模型架构图生成</sub>
<br><br>
<img src="static/new_readme/技术路线图.png" width="90%"/>
<br><sub>✨ 技术路线图生成</sub>
<br><br>
<img src="static/new_readme/实验数据图.png" width="90%"/>
<br><sub>✨ 实验数据图生成 (多种风格)</sub>
</div>
---
### 🎬 Paper2PPT: 论文转演示文稿
<div align="center">
<br>
<img src="static/new_readme/paper2ppt操作.gif" width="85%"/>
<br><sub>✨ PPT生成案例</sub>
<br>
<img src="static/new_readme/paper2ppt案例-1.png" width="90%"/>
<br><sub>✨ Paper / Text / Topic → PPT</sub>
<br><br>
<img src="static/new_readme/paper2ppt-长文长ppt.png" width="85%"/>
<br><sub>✨ 超长文档支持 (40+ 页 PPT)</sub>
<br><br>
<img src="static/new_readme/paper2ppt-表格提取功能.png" width="90%"/>
<br><sub>✨ 智能表格提取与插入</sub>
</div>
---
### 🎨 PPT 智能美化
<div align="center">
<br>
<img src="static/new_readme/polish.gif" width="90%"/>
<br><sub>✨ 基于 AI 的排版优化</sub>
<br>
<img src="static/new_readme/ppt美化-1.png" width="90%"/>
<br><sub>✨ 基于 AI 的排版优化与风格迁移</sub>
</div>
---
### 🖼️ PDF2PPT: 版式保留转换
<div align="center">
<br>
<img src="static/new_readme/pdf2ppt抠图.png" width="90%"/>
<br><sub>✨ 智能抠图 & 版式保留</sub>
</div>
---
## 🚀 快速开始
### 环境要求
![Python](https://img.shields.io/badge/Python-3.11+-3776AB?style=flat-square&logo=python&logoColor=white)
![pip](https://img.shields.io/badge/pip-latest-3776AB?style=flat-square&logo=pypi&logoColor=white)
### 🐧 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
```bash
# 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：
```bash
# 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 wkhtmltopdf
```
#### 3. 配置环境变量
```bash
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 Supabase (前后端必需)
在 `frontend-workflow` 目录下创建 `.env` 文件并填入以下配置：
```bash
# 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
```
<details>
<summary><strong>高级配置：本地模型服务负载均衡</strong></summary>
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。
</details>
---
### 🪟 Windows 安装
> [!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。
#### 1. 创建环境并安装基础依赖
```bash
# 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（见 requirements-paper.txt）：
```bash
# 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）**
1. 下载并安装（Windows 64-bit MSI）：[Inkscape Download](https://inkscape.org/release/inkscape-1.4.2/windows/64-bit/msi/?redirected=1)
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\`
> [!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。
#### ⚡ 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](https://github.com/SystemPanic/vllm-windows/releases)
推荐版本：0.11.0
```bash
pip install vllm-0.11.0+cu124-cp312-cp312-win_amd64.whl
```
> [!IMPORTANT]
> 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）
#### 启动应用
**Paper2Any - 论文工作流 Web 前端（推荐）**
```bash
# 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`：
```typescript
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
# 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
```
> [!TIP]
> **Paper2Figure 网页端内测说明**
>
> 当你部署了前端，还需要手动新建一个 `invite_codes.txt` 文件，并写入你的邀请码（例如：`ABCDEFG123456`）。
> 然后再启动后端。
>
> 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 PPT
> - `python script/run_pdf2ppt_with_paddle_sam_mineru.py`：PDF2PPT（保留版式 + 可编辑内容）
---
### 启动应用
#### 🎨 Web 前端（推荐）
```bash
# 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 PPT
> - `python script/run_pdf2ppt_with_paddle_sam_mineru.py`：PDF 转 PPT
---
## 📂 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
<table>
<tr>
<th width="35%">功能</th>
<th width="15%">状态</th>
<th width="50%">子功能</th>
</tr>
<tr>
<td><strong>📊 Paper2Figure</strong><br><sub>可编辑科研绘图</sub></td>
<td><img src="https://img.shields.io/badge/进度-80%25-blue?style=flat-square&logo=progress" alt="80%"/></td>
<td>
<img src="https://img.shields.io/badge/✓-模型架构图-success?style=flat-square" alt="完成"/><br>
<img src="https://img.shields.io/badge/✓-技术路线图-success?style=flat-square" alt="完成"/><br>
<img src="https://img.shields.io/badge/⚠-实验数据图-yellow?style=flat-square" alt="进行中"/><br>
<img src="https://img.shields.io/badge/✓-Web_前端-success?style=flat-square" alt="完成"/>
</td>
</tr>
<tr>
<td><strong>🎬 Paper2PPT</strong><br><sub>可编辑演示文稿</sub></td>
<td><img src="https://img.shields.io/badge/进度-60%25-yellow?style=flat-square&logo=progress" alt="60%"/></td>
<td>
<img src="https://img.shields.io/badge/✓-Beamer_样式-success?style=flat-square" alt="完成"/><br>
<img src="https://img.shields.io/badge/✓-长文_PPT-success?style=flat-square" alt="完成"/><br>
<img src="https://img.shields.io/badge/✓-表格提取-success?style=flat-square" alt="完成"/><br>
<img src="https://img.shields.io/badge/✓-配图提取-success?style=flat-square" alt="完成"/>
</td>
</tr>
<tr>
<td><strong>🖼️ PDF2PPT</strong><br><sub>版式保留转换</sub></td>
<td><img src="https://img.shields.io/badge/进度-90%25-green?style=flat-square&logo=progress" alt="90%"/></td>
<td>
<img src="https://img.shields.io/badge/✓-智能抠图-success?style=flat-square" alt="完成"/><br>
<img src="https://img.shields.io/badge/✓-版式保留-success?style=flat-square" alt="完成"/><br>
<img src="https://img.shields.io/badge/✓-可编辑_PPTX-success?style=flat-square" alt="完成"/>
</td>
</tr>
<tr>
<td><strong>🎨 PPT 美化</strong><br><sub>智能排版优化</sub></td>
<td><img src="https://img.shields.io/badge/进度-50%25-yellow?style=flat-square&logo=progress" alt="50%"/></td>
<td>
<img src="https://img.shields.io/badge/✓-样式迁移-success?style=flat-square" alt="完成"/><br>
<img src="https://img.shields.io/badge/⚠-布局优化-yellow?style=flat-square" alt="进行中"/>
</td>
</tr>
</table>
---
## 🤝 贡献
我们欢迎所有形式的贡献！
[![Issues](https://img.shields.io/badge/Issues-提交_Bug-red?style=for-the-badge&logo=github)](https://github.com/OpenDCAI/Paper2Any/issues)
[![Discussions](https://img.shields.io/badge/Discussions-功能建议-blue?style=for-the-badge&logo=github)](https://github.com/OpenDCAI/Paper2Any/discussions)
[![PR](https://img.shields.io/badge/PR-提交代码-green?style=for-the-badge&logo=github)](https://github.com/OpenDCAI/Paper2Any/pulls)
---
## 📄 License
本项目采用 [Apache License 2.0](LICENSE) 开源协议。
<!-- --- -->
<!-- ## Star History
[![Star History Chart](https://api.star-history.com/svg?repos=OpenDCAI/Paper2Any&type=Date)](https://star-history.com/#OpenDCAI/Paper2Any&Date) -->
---
<div align="center">
**如果这个项目对你有帮助，请给我们一个 ⭐️ Star！**
[![GitHub stars](https://img.shields.io/github/stars/OpenDCAI/Paper2Any?style=social)](https://github.com/OpenDCAI/Paper2Any/stargazers)
[![GitHub forks](https://img.shields.io/github/forks/OpenDCAI/Paper2Any?style=social)](https://github.com/OpenDCAI/Paper2Any/network/members)
<br>
<img src="frontend-workflow/public/wechat.png" alt="DataFlow-Agent 社区微信群" width="800"/>
<br>
<sub>扫码加入社区微信群</sub>
<p align="center">
<em> ❤️ Made with by OpenDCAI Team</em>
</p>
</div>