Paper2Any - Мультимодальный рабочий процесс для научных статей

Обзор

Paper2Any — это мультимодальная workflow-платформа с открытым исходным кодом для академических статей. Она преобразует PDF-файлы статей, скриншоты или текст в диаграммы архитектуры моделей, технические дорожные карты, графики экспериментов, PPT-презентации и многое другое — и все это в один клик.

Информация о проекте

🔗 Исходный код: github.com/OpenDCAI/Paper2Any
📜 Лицензия: Open Source
👤 Организация: OpenDCAI
⭐ Вклад сообщества, поддерживает несколько LLMs через APIYI

Почему Paper2Any

Несколько форматов вывода

Преобразуйте статьи в архитектурные диаграммы, дорожные карты, PPT, rebuttal и многое другое — один инструмент для всего исследовательского workflow

Гибкий выбор модели

Динамически переключайтесь между GPT-4o, Claude Sonnet, Qwen-VL и другими через параметры API — без необходимости hardcoding

Двойной режим CLI + Web

Доступны как скрипты командной строки, так и web-интерфейс, чтобы соответствовать разным workflow

API, совместимый с OpenAI

Нативная поддержка формата API, совместимого с OpenAI, — просто настройте Base URL APIYI, чтобы получить доступ к 400+ моделям

Основные модули

Module	Description	Output Formats
Paper2Figure	Генерация научных визуализаций по статьям	Архитектурные диаграммы, дорожные карты (PPTX + SVG), графики
Paper2Diagram	Создание блок-схем по статьям/тексту/изображениям	draw.io / PNG / SVG
Paper2PPT	Преобразование статей в презентации	PPTX (поддерживает более 40 слайдов)
Paper2Rebuttal	Генерация структурированных ответов на rebuttal	Документы rebuttal с опорой на доказательства
PDF2PPT	Преобразование PDF в редактируемый PPT с сохранением макета	PPTX
Image2PPT	Преобразование изображений/скриншотов в слайды	PPTX
PPTPolish	Оптимизация макета с помощью ИИ	PPTX
Knowledge Base	Импорт файлов, семантический поиск, генерация на основе KB	Несколько форматов

Подключение к LLM через APIYI

Paper2Any поддерживает формат API, совместимый с OpenAI. После настройки APIYI как LLM-эндпоинта вы можете использовать GPT, Claude, Gemini, DeepSeek и более 400 других моделей.

Развертывание в Docker

Шаг 1: Получите ваш API key APIYI

Посетите APIYI Console, чтобы зарегистрироваться/войти
Перейдите в раздел Tokens
Сгенерируйте новый API key
Скопируйте ключ (начинается с sk-)

Шаг 2: Клонируйте и настройте backend

После клонирования репозитория отредактируйте fastapi_app/.env, чтобы задать APIYI как LLM-эндпоинт:

# fastapi_app/.env
DEFAULT_LLM_API_URL=https://api.apiyi.com/v1
BACKEND_API_KEY=sk-your-apiyi-key

При необходимости укажите модели по умолчанию для разных рабочих процессов:

PAPER2PPT_DEFAULT_MODEL=gpt-4o
PDF2PPT_DEFAULT_MODEL=gpt-4o

Шаг 3: Настройте frontend

Отредактируйте frontend-workflow/.env, чтобы web UI по умолчанию использовал APIYI:

# frontend-workflow/.env
VITE_DEFAULT_LLM_API_URL=https://api.apiyi.com/v1
VITE_LLM_API_URLS=https://api.apiyi.com/v1

Шаг 4: Запуск

Запустите все с помощью Docker Compose:

docker compose up -d --build

После запуска откройте frontend, чтобы начать работу с Paper2Any.

Использование CLI

Paper2Any предоставляет автономные скрипты CLI с параметрами --api-url и --api-key для прямой интеграции с APIYI:

# Paper to PPT
python script/run_paper2ppt_cli.py \
  --input paper.pdf \
  --api-url https://api.apiyi.com/v1 \
  --api-key sk-your-apiyi-key \
  --model gpt-4o

# Paper to Figure
python script/run_paper2figure_cli.py \
  --input paper.pdf \
  --api-url https://api.apiyi.com/v1 \
  --api-key sk-your-apiyi-key \
  --graph-type model_arch

Рекомендации по моделям: Для преобразования paper-to-PPT рекомендуются GPT-4o или Claude Sonnet 4.5 благодаря их сильному пониманию длинных документов и возможностям структурированного вывода. Для генерации диаграмм также стоит попробовать vision-модели, такие как Qwen-VL.

Варианты развертывания

Способ	Требования	Лучше всего для
Docker (Рекомендуется)	Однократный запуск frontend + backend	Быстрый старт, production
Нативно в Linux	Python 3.11+, LaTeX, Inkscape, LibreOffice	Разработка, настройка
Windows	Python 3.12, Inkscape	Локальное использование

Функции, зависящие от GPU, такие как PDF2PPT и Image2PPT, требуют отдельного сервера модели SAM3. См. README проекта для инструкций по развертыванию на GPU.

Часто задаваемые вопросы

Как подключить Paper2Any к моделям APIYI?

Установите DEFAULT_LLM_API_URL в значение https://api.apiyi.com/v1 и укажите BACKEND_API_KEY как ваш ключ APIYI в переменных окружения. Для режима CLI используйте параметры --api-url и --api-key.

Какие модели поддерживаются?

Через APIYI вы можете получить доступ к более чем 400 моделям, включая GPT-4o, Claude Sonnet 4.5, Gemini, DeepSeek, Qwen и другие. Модели можно динамически переключать в веб-интерфейсе без изменения кода.

Запуск Docker не удается — что проверить?

Проверьте, что:

Docker и Docker Compose установлены корректно
Файлы .env настроены правильно
Необходимые порты не используются
Проверьте docker compose logs на наличие подробных сообщений об ошибках

Ошибки генерации PPT или неполный контент?

Убедитесь, что на вашем аккаунте APIYI достаточно баланса
Для длинных статей используйте модели с более широким контекстным окном (например, GPT-4o 128K)
Проверьте, что PDF статьи содержит распознаваемый текст (сканированные PDF могут давать плохие результаты)

Как получить API-ключ APIYI?

Перейдите в консоль APIYI, создайте аккаунт и сгенерируйте новый ключ в разделе Tokens. Новые пользователи получают бесплатные пробные кредиты.

Связанные ресурсы

Список моделей APIYI

Просмотрите полный список из более чем 400 моделей, поддерживаемых APIYI

Настройка базового URL

Узнайте, как настроить Base URL APIYI в различных инструментах

Управление токенами APIYI

Управляйте ключами API, проверяйте использование и баланс

Тарификация APIYI

Просматривайте тарификацию моделей и предложения по пополнению

Обзор

Разговорный ИИ

Программирование

Вклад сообщества

AI-агент

Инженерия

Перевод

Paper2Any - Мультимодальный рабочий процесс для научных статей

Обзор

Почему Paper2Any

Несколько форматов вывода

Гибкий выбор модели

Двойной режим CLI + Web

API, совместимый с OpenAI

Основные модули

Подключение к LLM через APIYI

Развертывание в Docker

Использование CLI

Варианты развертывания

Часто задаваемые вопросы

Связанные ресурсы

Список моделей APIYI

Настройка базового URL

Управление токенами APIYI

Тарификация APIYI

​Обзор

​Почему Paper2Any

Несколько форматов вывода

Гибкий выбор модели

Двойной режим CLI + Web

API, совместимый с OpenAI

​Основные модули

​Подключение к LLM через APIYI

​Развертывание в Docker

​Использование CLI

​Варианты развертывания

​Часто задаваемые вопросы

​Связанные ресурсы

Список моделей APIYI

Настройка базового URL

Управление токенами APIYI

Тарификация APIYI

Обзор

Почему Paper2Any

Основные модули

Подключение к LLM через APIYI

Развертывание в Docker

Использование CLI

Варианты развертывания

Часто задаваемые вопросы

Связанные ресурсы