Paper2Any 論文多模態工作流

概述

Paper2Any 是一個開源的論文多模態工作流平臺，專注於學術論文的格式轉換與視覺化。支援從論文 PDF/截圖/文本出發，一鍵生成模型架構圖、技術路線圖、實驗圖表、PPT 簡報等多種輸出格式。

專案資訊

🔗 開源地址：github.com/OpenDCAI/Paper2Any
📜 許可證：開源
👤 組織：OpenDCAI
⭐ 該專案由社群貢獻，支援通過 API易呼叫多種大模型

為什麼選擇 Paper2Any

多種輸出格式

支援論文轉架構圖、路線圖、PPT、Rebuttal 等，一個工具覆蓋科研全流程

靈活模型選擇

支援動態切換 GPT-4o、Claude Sonnet、Qwen-VL 等模型，無需硬編碼，通過 API 引數即可指定

CLI + Web 雙模式

提供命令列指令碼和 Web 介面兩種使用方式，適合不同場景需求

OpenAI 相容介面

原生支援 OpenAI 相容 API 格式，只需配置 API易的 Base URL 即可接入 400+ 模型

核心功能模組

功能模組	說明	輸出格式
Paper2Figure	論文生成科研視覺化圖	模型架構圖、技術路線圖（PPTX + SVG）、實驗圖表
Paper2Diagram	論文/文本/圖片生成流程圖	draw.io / PNG / SVG
Paper2PPT	論文轉 PPT 簡報	PPTX（支援 40+ 頁長文件）
Paper2Rebuttal	生成結構化審稿回覆	帶證據引用的 Rebuttal 文件
PDF2PPT	PDF 保留排版轉可編輯 PPT	PPTX
Image2PPT	圖片/截圖轉結構化幻燈片	PPTX
PPTPolish	AI 驅動的 PPT 排版最佳化	PPTX
知識庫	檔案匯入、語義搜尋，驅動 PPT/播客/思維導圖生成	多種格式

通過 API易接入大模型

Paper2Any 支援 OpenAI 相容 API 格式，配置 API易作為 LLM 服務端點後，即可使用 GPT、Claude、Gemini、DeepSeek 等 400+ 模型。

Docker 部署配置

第一步：獲取 API易金鑰

訪問 API易控制台註冊/登入
進入【令牌】欄目
點選生成新的 API 金鑰
複製金鑰（以 sk- 開頭）備用

第二步：克隆專案並配置後端環境變數

克隆倉庫後，編輯 fastapi_app/.env 檔案，配置 API易作為 LLM 端點：

# fastapi_app/.env
DEFAULT_LLM_API_URL=https://api.apiyi.com/v1
BACKEND_API_KEY=sk-你的API易金鑰

可選：為不同工作流指定預設模型：

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

第三步：配置前端環境變數

編輯 frontend-workflow/.env 檔案，讓 Web 介面預設使用 API易：

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

第四步：啟動服務

使用 Docker Compose 一鍵啟動：

docker compose up -d --build

啟動完成後，訪問前端頁面即可開始使用。

CLI 命令列使用

Paper2Any 提供獨立的命令列指令碼，支援通過 --api-url 和 --api-key 引數直接指定 API易：

# 論文轉 PPT
python script/run_paper2ppt_cli.py \
  --input paper.pdf \
  --api-url https://api.apiyi.com/v1 \
  --api-key sk-你的API易金鑰 \
  --model gpt-4o

# 論文轉科研圖
python script/run_paper2figure_cli.py \
  --input paper.pdf \
  --api-url https://api.apiyi.com/v1 \
  --api-key sk-你的API易金鑰 \
  --graph-type model_arch

模型推薦：論文轉 PPT 推薦使用 GPT-4o 或 Claude Sonnet 4.5，它們在長文件理解和結構化輸出方面表現出色。圖表生成任務也可嘗試 Qwen-VL 等視覺模型。

部署方式

部署方式	說明	適合場景
Docker（推薦）	一鍵啟動前後端服務	快速體驗、生產部署
Linux 原生	需 Python 3.11+、LaTeX、Inkscape、LibreOffice	開發除錯、定製需求
Windows	需 Python 3.12、Inkscape	本地使用

PDF2PPT 和 Image2PPT 等功能依賴 GPU，需要額外部署 SAM3 模型伺服器。詳見專案 README 的 GPU 部署說明。

常見問題

如何讓 Paper2Any 使用 API易的模型？

在環境變數中將 DEFAULT_LLM_API_URL 設定為 https://api.apiyi.com/v1，並將 BACKEND_API_KEY 設定為你的 API易金鑰即可。CLI 模式下使用 --api-url 和 --api-key 引數。

支援哪些大模型？

通過 API易接入後，支援 400+ 模型，包括 GPT-4o、Claude Sonnet 4.5、Gemini、DeepSeek、Qwen 等。可在 Web 介面動態切換模型，無需修改程式碼。

Docker 啟動失敗怎麼辦？

請檢查：

Docker 和 Docker Compose 是否已正確安裝
.env 檔案是否已正確配置
埠是否被佔用
檢視 docker compose logs 獲取詳細錯誤資訊

生成 PPT 時報錯或內容不完整？

確保 API易賬戶餘額充足
長論文建議使用上下文視窗更大的模型（如 GPT-4o 128K）
檢查論文 PDF 是否為可搜尋文本格式（掃描版 PDF 效果可能較差）

如何獲取 API易金鑰？

訪問 API易控制台，註冊賬號後在【令牌】欄目生成新的金鑰。新使用者有免費測試額度。

API易模型列表

檢視 API易支援的 400+ 模型完整列表

Base URL 配置指南

瞭解如何在各類工具中配置 API易 Base URL

API易-令牌管理

管理 API 金鑰、檢視用量和餘額

API易價格頁面

檢視各模型定價和充值優惠

概覽

對話型 AI

程式設計開發

社群貢獻

AI Agent

技術工程

翻譯場景

Paper2Any 論文多模態工作流

概述

為什麼選擇 Paper2Any

多種輸出格式

靈活模型選擇

CLI + Web 雙模式

OpenAI 相容介面

核心功能模組

通過 API易接入大模型

Docker 部署配置

CLI 命令列使用

部署方式

常見問題

相關資源

API易模型列表

Base URL 配置指南

API易-令牌管理

API易價格頁面

​概述

​為什麼選擇 Paper2Any

多種輸出格式

靈活模型選擇

CLI + Web 雙模式

OpenAI 相容介面

​核心功能模組

​通過 API易 接入大模型

​Docker 部署配置

​CLI 命令列使用

​部署方式

​常見問題

​相關資源

API易 模型列表

Base URL 配置指南

API易-令牌管理

API易 價格頁面

概述

為什麼選擇 Paper2Any

核心功能模組

通過 API易接入大模型

Docker 部署配置

CLI 命令列使用

部署方式

常見問題

相關資源

API易模型列表

API易價格頁面