ChatPPT 是一个基于多模态 AI 技术的智能助手，旨在提升企业办公自动化流程的效率。它能够处理语音、图像和文本等多种输入形式，通过精确的提示工程和强大的自然语言处理能力，为用户生成高质量的 PowerPoint 演示文稿。ChatPPT 不仅简化了信息收集和内容创作过程，还通过自动化的报告生成和分析功能，帮助企业快速、准确地完成各类汇报和展示任务，从而显著提升工作效率和业务价值。
- 多模态输入支持：支持语音、图像、文本等多种输入形式，灵活适应用户的使用需求。
- 自动生成演示文稿：基于输入内容，自动生成结构化的 PowerPoint 演示文稿，支持多种布局和模板。
- 语音识别和文本转换：自动将语音输入转化为文本，进行内容处理和文稿生成，降低用户的操作成本。
- 图像处理与嵌入：支持将用户上传的图片自动嵌入演示文稿中，并根据内容智能选择合适的布局。
- 多语言支持：结合 OpenAI 模型和其他语言模型，支持中英文等多语言的演示文稿生成和报告输出。
- 可视化界面：通过 Gradio 实现简洁易用的图形化界面，让用户无需复杂配置即可快速生成演示文稿。
| 版本号 | 主要特性 | 发布链接 |
|---|---|---|
| v0.1 | - PowerPoint 内容解析：引入了强大的输入解析系统，将结构化文本转化为 PowerPoint 幻灯片，包括标题、要点和图片。该系统使用高级正则表达式，将用户输入映射到相应的幻灯片布局。 - 基于模板的 PowerPoint 生成：实现了基于主模板（ MasterTemplate.pptx）的动态 PowerPoint 幻灯片生成，用户可以为不同的幻灯片定义不同的布局，如“标题与内容”和“标题与两列”。- 图片与要点支持：增加了图片和要点的自动插入功能，确保图片插入到指定的占位符中，并根据内容布局调整要点。 - 用户输入转换：开发了将自然语言描述的幻灯片内容转换为标准输入格式的函数，用户可使用类似“Slide X: Title, Key Points, Notes”的格式进行描述。 - 自动文件命名：根据输入文本的主标题（如“企业年度报告”）自动使用该标题作为生成 PowerPoint 文件的文件名。 |
访问 v0.1 |
| v0.2 | - 自动布局管理：引入了 LayoutManager，根据幻灯片内容自动分配合适的布局，简化了输入文本格式，无需手动指定布局。- 布局映射配置：通过 config.json 进行布局映射配置管理，确保布局映射的灵活性，并与 template.pptx 模板文件中的布局保持一致。- 简化输入格式：输入格式去除了对布局名称的需求，用户只需提供标题、要点和图片，布局将由 LayoutManager 自动分配。- 增强的 PowerPoint 解析：使用 SlideBuilder 类封装了幻灯片生成与布局分配的逻辑，提高了代码的模块化与可维护性。- 配置加载器集成：新增 Config 类，自动从 config.json 文件加载系统配置，包括输入模式、PPT 模板和布局映射。 |
访问 v0.2 |
| v0.3 | - 基于内容类型权重的布局编码：通过为不同的内容类型（如 Title、Content、Picture）分配权重，简化了布局匹配，确保顺序无关的内容类型组合被正确处理。- Gradio 和 ChatBot 集成：引入了基于 Gradio 的界面，集成了由 GPT-4o-mini 驱动的 ChatBot，用户可以通过 ChatBot 生成 Markdown 内容，并将其无缝集成到 PowerPoint 生成中。 - PowerPoint 生成集成：将 Gradio 与 PowerPoint 生成系统无缝结合，用户可以通过 Gradio 提交内容，并自动生成 PowerPoint 幻灯片。 - 动态布局策略生成：基于内容类型动态生成布局策略，进一步简化了配置，并提升了布局扩展的灵活性。 - 调试和日志改进：增加了调试功能，包括为 LayoutManager 等类添加 __str__ 方法，提供有关布局策略和编码的详细调试信息。 |
访问 v0.3 |
| v0.4 | - 集成 Whisper Large v3（ASR）：引入 Whisper Large v3 自动语音识别（ASR）模型，显著提升了语音转文本的精度，支持用户通过语音直接生成结构化内容。 - 分层内容解析：实现多级缩进的要点解析，支持根据缩进级别识别多层级的要点，保留文本结构，并提升内容在幻灯片中的组织性。 - 极简风格幻灯片母版：引入极简风格的幻灯片母版，优化了多层级内容的呈现效果，符合极简主义设计的最佳实践，增强可读性和视觉效果。 - 支持缩进的要点层级解析：增强了要点解析功能，可根据缩进级别识别多层次要点结构，确保内容层级在幻灯片中的准确展现。 - 优化布局一致性：增强了系统对多层级结构数据的兼容性，使幻灯片布局在保持一致性的同时支持复杂结构和多级缩进内容。 |
访问 v0.4 |
| v0.5 | - 集成多模态模型 MiniCPM-v-2.6：新增对 MiniCPM-v-2.6 模型的集成，支持识别和解释用户上传的 .png、.jpg 和 .jpeg 图像文件。- 支持从 Word 文件一键生成 PowerPoint 文件：实现了从 Word 文件内容直接生成 PowerPoint 的功能，包括： - Docx 解析模块（docx_parser）：将 Word 文档内容解析为 Markdown 格式的 raw_content；- Content Formatter（Agent）：由 GPT-4-mini 驱动，在不丢失内容的情况下，将 raw_content 转换为适配 ChatPPT 的 Markdown 格式；- Content Assistant（Agent）：在 markdown_content 的基础上，进一步扩展和完善内容，生成最终的 PowerPoint 内容。- 图像自适应支持：生成 PPT 文件时，支持图像尺寸自适应，确保插入到 ImagePlaceholder 时图像居中对齐并匹配尺寸。 |
访问 v0.5 |
| v0.6 | - 引入 ImageAdvisor 类用于 Bing 图像检索和嵌入：实现了自动关键词提取与图像检索功能，并增加了重试逻辑和 RGBA 图像处理。 - 集成 Jupyter Notebook 演示：新增 Jupyter Notebook 展示 ImageAdvisor 功能，增强用户对图像检索与嵌入的理解。- 增强的 save_image 函数：更新 save_image 函数以灵活处理多种图像格式，自动转换 RGBA 图像为 PNG 格式。 |
访问 v0.6 |
| v0.7 | - 全面的单元测试覆盖：为多个模块添加单元测试，确保代码的可靠性与可维护性，并提供详细的测试文档。 - Docker 集成：引入 Docker 支持，实现自动化单元测试验证，并通过环境变量安全配置 API 密钥，简化部署过程。 - 更新 README 文档：增强 README.md 文件，包含 Docker 使用说明和测试指引。 |
访问 v0.7 |