当前位置： 首页 > news >正文

智能理解 PPT 内容，快速生成讲解视频

news 2025/9/18 17:27:10

当我们想根据一版 PPT 制作出相对应的解锁视频时，从撰写解锁词，录制音频到剪辑视频，每一个环节都需要投入大量的时间和精力，本方案将依托于阿里云函数计算 FC 和百炼模型服务，实现从 PPT 到视频的全自动转换，将静态的 PPT 转化为动态视频。

本方案利用函数计算 FC 部署 Web 应用，调用百炼模型服务实现 PPT 到视频的自动转换。视觉模型智能理解 PPT 图文内容，快速生成相匹配的解说词；文本模型对解说词进行优化，提高其可读性和吸引力；语音模型则根据解说词生成生动流畅的旁白音频。整个过程高度集成，只需一键操作，系统即可自动整合图片、文本和音频素材，快速生成对应讲解视频。

适用客户

  • 期望通过 AI 技术将 PPT 转换为教学视频的在线教育机构
  • 希望减少视频内容创作时间和成本，专注于创意构思的自媒体创作者

使用产品

  • 大模型服务平台百炼
  • 函数计算
  • 对象存储

架构与部署

在制作线上课程、自媒体内容或者活动宣传视频时，用户通常需要撰写解说词、录制音频和剪辑视频，制作流程繁琐且周期较长。本方案利用函数计算 FC 部署 Web 应用，调用百炼模型服务实现 PPT 到视频的自动转换。

方案中涉及多种模型：视觉模型（qwen-vl-max-latest）用于理解 PPT 图文内容，快速生成与之相匹配的解说词；文本模型（qwen-plus）对解说词进行优化，提高其可读性和吸引力；语音模型（cosyvoice-v1）则根据解说词生成生动流畅的旁白音频。系统自动整合图片、文本和音频素材，将原本静态的 PPT 转化为结构严谨、过渡自然的动态视频。整个过程高度集成化，用户只需进行简单的几步操作，即可轻松实现从 PPT 到视频的转换。

最终的运行环境将与下图展示的架构相似。

本方案的技术架构包括以下云服务：

  • 函数计算 FC：用于部署应用程序。
  • 对象存储 OSS Bucket：用于存储从 PPT 文件中分解出的每一页图片。
  • 大模型服务平台百炼：提供视觉模型、文本模型和语音模型服务，用于解说词创作、解说词优化和语音合成。

部署应用

  1. 请点击前往部署 [ 1] 打开我们提供的函数计算应用模板，参考下表进行参数配置，然后单击创建并部署默认环境。

  1. 应用部署成功后如下图所示。

应用体验

  1. 应用部署完成后，可以在环境详情的环境信息中找到示例网站的访问域名。

  1. 点击访问域名，即可打开示例应用。

  1. 鼠标移动到示例 1，然后单击使用该示例。

  1. 当 PPT 被分解成图片后，点击生成解说词（文本理解） 按钮，视觉模型将依次分析每一张图片，并为对应的页面创建解说词文案。文本模型会对生成的解说词进行润色，确保表达自然流畅且易于理解。

说明：点击生成解说词按钮右侧的下拉图标，可以选择文本理解或者深度理解。

  • 文本理解： 主要根据文字生成解说词，若配图关联度低则不予考虑。
  • 深度理解： 深入理解并分析 PPT 中呈现的架构图、流程图等视觉信息，解读其含义与逻辑关系。
  1. 双击解说词区域可直接编辑当前页面的解说词。编辑完成后，只需点击页面其他任意位置即可自动保存更改。

  1. 旁白音频提供了两种不同的内置音色供您选择。

  1. 点击生成视频按钮，系统会根据解说词自动生成音频和字幕，最终和图片一起制作成动态视频。

说明：

  1. 系统将根据解说词生成音频和字幕，最后整合音频、字幕和图片合成视频。生成过程所需时间会根据 PPT 的页数有所不同，整个生成过程预计需要 5 分钟左右，请您耐心等待。
  2. 为了方便用户快速体验效果，当前应用为演示版本，体验完毕请及时释放资源。若想用于生产环境，建议下载源码：获取源码 [ 2] ，可以进行二次开发，同时打开登录鉴权功能。

总结

至此，您已基本了解如何通过函数计算实现从静态 PPT 到动态讲解视频的全过程，更多细节以及后续清理资源，欢迎您移步官网查看详情：https://www.aliyun.com/solution/tech-solution/ai-for-ppt-to-video

相关链接：

[1] 前往部署

https://fcnext.console.aliyun.com/applications/create?template=ppt2video&deployType=template-direct&from=solution

[2] 获取源码

https://atomgit.com/aliyun_solution/ppt2video

相关文章：

智能理解 PPT 内容，快速生成讲解视频

当我们想根据一版 PPT 制作出相对应的解锁视频时，从撰写解锁词，录制音频到剪辑视频，每一个环节都需要投入大量的时间和精力，本方案将依托于阿里云函数计算 FC 和百炼模型服务，实现从 PPT 到视频的全自动转换&#xff0…...

编程日记 2025/2/9 6:24:31

【鸿蒙开发】第二十四章 AI - Core Speech Kit（基础语音服务）

目录 1 简介 1.1 场景介绍 1.2 约束与限制 2 文本转语音 2.1 场景介绍 2.2 约束与限制 2.3 开发步骤 2.4 设置播报策略 2.4.1 设置单词播报方式 2.4.2 设置数字播报策略 2.4.3 插入静音停顿 2.4.4 指定汉字发音 2.5 开发实例 3 语音识别 3.1 场景介绍 3.2 约束…...

编程日记 2025/2/9 6:23:29

Java/Kotlin双语革命性ORM框架Jimmer（一）——介绍与简单使用

概览 Jimmer是一个Java/Kotlin双语框架 包含一个革命性的ORM 以此ORM为基础打造了一套综合性方案解决方案，包括 DTO语言 更全面更强大的缓存机制，以及高度自动化的缓存一致性 更强大客户端文档和代码生成能力，包括Jimmer独创的远程异常 …...

编程日记 2025/2/9 6:22:28

番外02：前端八股文面试题-CSS篇

一：CSS基础 1：CSS选择器及其优先级 2：display的属性值及其作用 属性值作用none元素不显示，并且会从文档流中移除block块类型，默认元素为父元素宽度，可设置宽高，换行显示inline行内元素类型&a…...

编程日记 2025/2/9 6:20:26

Redis Copilot：基于Redis为AI打造的副驾工具

我们最近发布了Redis Copilot，以帮助开发者更快地使用Redis构建应用。我们的使命是使应用程序快速运行，并简化构建过程。为此，Redis Copilot作为您的AI助手，能够让您更迅速地完成与Redis相关的任务。您今天就可以在Redis Insight中…...

编程日记 2025/2/9 6:19:22

JavaScript遍历对象的7种方式

注：纯手打，如有错误欢迎评论区交流！ 转载请注明出处：https://blog.csdn.net/testleaf/article/details/145523427 编写此文是为了更好地学习前端知识，如果损害了有关人的利益，请联系删除！ 本文章…...

编程日记 2025/2/9 6:17:19

如何避免NACK重传风暴

策略 1，10 次 NACK 模块对同一包号的最大请求次数，超过这个最大次数限制，会把该包号移出 nack_list，放弃对该包的重传请求。 策略 2，20 毫秒 NACK 模块每隔 20 毫秒批量处理 nack_list，获取一批请求包号…...

编程日记 2025/2/9 6:16:17

并发工具CountDownLatch、CyclicBarrier、Semaphore

文章目录 学习链接CountDownLatchCountDownLatch类的作用类的主要方法介绍图解await和countDown方法两个典型用法注意点总结示例CountDownLatchDemo1CountDownLatchDemo2CountDownLatchDemo1And2 CyclicBarrierCyclicBarrier循环栅栏CyclicBarrier和CountDownLatch的区别示例Cy…...

编程日记 2025/2/9 6:15:14

十二. Redis 集群操作配置(超详细配图，配截图详细说明)

十二. Redis 集群操作配置(超详细配图，配截图详细说明) 文章目录 十二. Redis 集群操作配置(超详细配图，配截图详细说明)1. 为什么需要集群-高可用性2. 集群概述(及其搭建)3. Redis 集群的使用4. Redis 集群故障恢复5. Redis 集群的 Jedis 开发(使用Java…...

编程日记 2025/2/9 6:14:13

网络工程师 （26）TCP/IP体系结构

一、层次 四层： 网络接口层：TCP/IP协议的最底层，负责网络层与硬件设备间的联系。该层协议非常多，包括逻辑链路和媒体访问控制，负责与物理传输的连接媒介打交道，主要功能是接收数据报，并把接收到…...

编程日记 2025/2/9 6:13:11

TensorFlow域对抗训练DANN神经网络分析MNIST与Blobs数据集梯度反转层提升目标域适应能力可视化...

全文链接：https://tecdat.cn/?p39656 本文围绕基于TensorFlow实现的神经网络对抗训练域适应方法展开研究。详细介绍了梯度反转层的原理与实现，通过MNIST和Blobs等数据集进行实验，对比了不同训练方式（仅源域训练、域对抗训练等&am…...

编程日记 2025/2/9 6:12:10

保姆级教程--DeepSeek部署

以DeepSeek-R1或其他类似模型为例，涵盖环境配置、代码部署和运行测试的全流程： 准备工作 1. 注册 Cloud Studio - 访问 [Cloud Studio 官网](https://cloudstudio.net/)，使用腾讯云账号登录。 - 完成实名认证（如需长期使用…...

编程日记 2025/2/9 6:11:05

机器学习之心的创作纪念日

机缘 今天，是我成为创作者的第1460天。 在这段时间里，获得了很大的成长。 虽然日常忙碌但还在坚持创作、初心还在。 日常 创作已经成为我生活的一部分，尤其是在我的工作中，创作是不可或缺的，创作都是核心能力之一。…...

编程日记 2025/2/9 6:08:00

VeryReport和FastReport两款报表软件深度分析对比

在当今数据驱动的商业环境中，报表软件已经成为企业管理和数据分析的重要工具。无论是中小型企业还是大型企业，都需要依赖高效的报表工具来快速生成、分析和展示数据。市面上有许多报表工具，其中VeryReport和FastReport是两款备受关注的报表软…...

编程日记 2025/2/9 6:06:59

libtorch的c++，加载*.pth

一、转换模型为TorchScript 前提：python只保存了参数，没存结构 要在C中使用libtorch（PyTorch的C接口），读取和加载通过torch.save保存的模型（ torch.save(pdn.state_dict()这种方式，只保存了…...

编程日记 2025/2/9 6:04:56

去除 RequestTemplate 对象中的指定请求头

目录 目标实现获取 RequestTemplate 对象去除请求头 目标 去除 RequestTemplate 对象中的指定请求头，如 Authorization 等。 实现 获取 RequestTemplate 对象 获取 RequestTemplate 对象的方式有很多种，如 通过 feign 虚拟客户端配置器： …...

编程日记 2025/2/9 6:02:53

b s架构 网络安全 网络安全架构分析

目录 文章目录 目录网络安全逻辑架构 微分段（Micro-segmentation）防火墙即服务（Firewall asa Service ，FWaaS）安全网络网关（Secure web gateway）净化域名系统（Sanitized Domain Na…...

编程日记 2025/2/9 5:59:49

【DeepSeek论文精读】2. DeepSeek LLM：以长期主义扩展开源语言模型

欢迎关注[【AIGC论文精读】](https://blog.csdn.net/youcans/category_12321605.html）原创作品 【DeepSeek论文精读】1. 从 DeepSeek LLM 到 DeepSeek R1 【DeepSeek论文精读】2. DeepSeek LLM：以长期主义扩展开源语言模型 【DeepSeek论文精读】3. DeepS…...

编程日记 2025/2/9 5:57:47

Spring Boot和SpringMVC的关系

Spring Boot和SpringMVC都是Spring框架的一部分，但它们的作用和使用方式有所不同。为了更好地理解它们的关系，我们可以从以下几个方面进行详细说明： 1. SpringBoot的作用 SpringBoot是一个开源框架，它的目的是简化Spring应用程序…...

编程日记 2025/2/9 5:56:46

java基础4（黑马）

一、方法 1.定义 方法：是一种语法结构，它可以把一段代码封装成一个功能，以便重复使用。 方法的完整格式： package cn.chang.define;public class MethodDemo1 {public static void main(String[] args) {// 目标：掌…...

编程日记 2025/2/9 5:55:45

Vim 调用外部命令学习笔记

Vim 外部命令集成完全指南 文章目录 Vim 外部命令集成完全指南核心概念理解命令语法解析语法对比 常用外部命令详解文本排序与去重文本筛选与搜索高级 grep 搜索技巧文本替换与编辑字符处理高级文本处理编程语言处理其他实用命令 范围操作示例指定行范围处理复合命令示例 实用技…...

编程新知 2025/9/13 1:36:57

日语AI面试高效通关秘籍：专业解读与青柚面试智能助攻

在如今就业市场竞争日益激烈的背景下，越来越多的求职者将目光投向了日本及中日双语岗位。但是，一场日语面试往往让许多人感到步履维艰。你是否也曾因为面试官抛出的“刁钻问题”而心生畏惧？面对生疏的日语交流环境，即便提前恶补了…...

编程新知 2025/9/18 12:23:43

Java 语言特性(面试系列1)

一、面向对象编程 1. 封装（Encapsulation） 定义：将数据（属性）和操作数据的方法绑定在一起，通过访问控制符（private、protected、public）隐藏内部实现细节。示例： public …...

编程新知 2025/9/3 1:27:59

2.Vue编写一个app

1.src中重要的组成 1.1main.ts // 引入createApp用于创建应用 import { createApp } from "vue"; // 引用App根组件 import App from ./App.vue;createApp(App).mount(#app)1.2 App.vue 其中要写三种标签 <template> <!--html--> </template>…...

编程新知 2025/9/14 12:35:19

LLM基础1_语言模型如何处理文本

基于GitHub项目&#xff1a;https://github.com/datawhalechina/llms-from-scratch-cn 工具介绍 tiktoken&#xff1a;OpenAI开发的专业"分词器" torch&#xff1a;Facebook开发的强力计算引擎&#xff0c;相当于超级计算器 理解词嵌入&#xff1a;给词语画"…...

编程新知 2025/9/1 17:51:59

Reasoning over Uncertain Text by Generative Large Language Models

https://ojs.aaai.org/index.php/AAAI/article/view/34674/36829https://ojs.aaai.org/index.php/AAAI/article/view/34674/36829 1. 概述 文本中的不确定性在许多语境中传达，从日常对话到特定领域的文档（例如医学文档）（Heritage 2013；Landmark、Gulbrandsen 和 Svenevei…...

编程新知 2025/9/13 17:40:39

Xen Server服务器释放磁盘空间

disk.sh #!/bin/bashcd /run/sr-mount/e54f0646-ae11-0457-b64f-eba4673b824c # 全部虚拟机物理磁盘文件存储 a$(ls -l | awk {print $NF} | cut -d. -f1) # 使用中的虚拟机物理磁盘文件 b$(xe vm-disk-list --multiple | grep uuid | awk {print $NF})printf "%s\n"…...

编程新知 2025/7/18 2:39:54

AI病理诊断七剑下天山，医疗未来触手可及

一、病理诊断困局&#xff1a;刀尖上的医学艺术 1.1 金标准背后的隐痛 病理诊断被誉为"诊断的诊断"&#xff0c;医生需通过显微镜观察组织切片&#xff0c;在细胞迷宫中捕捉癌变信号。某省病理质控报告显示&#xff0c;基层医院误诊率达12%-15%&#xff0c;专家会诊…...

编程新知 2025/9/18 12:52:50

《C++ 模板》

目录 函数模板 类模板 非类型模板参数 模板特化 函数模板特化 类模板的特化 模板&#xff0c;就像一个模具&#xff0c;里面可以将不同类型的材料做成一个形状&#xff0c;其分为函数模板和类模板。 函数模板 函数模板可以简化函数重载的代码。格式&#xff1a;templa…...

编程新知 2025/6/11 3:20:47

怎么让Comfyui导出的图像不包含工作流信息，

为了数据安全&#xff0c;让Comfyui导出的图像不包含工作流信息&#xff0c;导出的图像就不会拖到comfyui中加载出来工作流。 ComfyUI的目录下node.py 直接移除 pnginfo&#xff08;推荐&#xff09;​​ 在 save_images 方法中&#xff0c;​​删除或注释掉所有与 metadata …...

编程新知 2025/8/13 15:12:54