智能理解 PPT 内容,快速生成讲解视频

本文涉及的产品
Serverless 应用引擎免费试用套餐包,4320000 CU,有效期3个月
函数计算FC,每月15万CU 3个月
简介: 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。

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。

image.png

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


项目 描述 示例值
部署类型 部署方式。 直接部署
应用名称 自动生成。 默认
角色名称 模板所需的角色(如果需要授权,请按照控制台提示进行授权)。 默认
地域 FC部署地域。 默认华东1(杭州)
对象存储-存储桶名 下拉选择Bucket 名称。 ppt2video-test
百炼API-KEY 百炼API-KEY。 部署资源中获取的百炼 API-KEY
RAM角色ARN 函数计算访问对象存储OSS服务时使用的函数角色。 如果提示您当前选择的应用还需要额外一些权限,请单击前往授权


2. 应用部署成功后如下图所示。

image.png

应用体验

1. 应用部署完成后,可以在环境详情环境信息中找到示例网站的访问域名。

image.png

2. 点击访问域名,即可打开示例应用。

image.png

3. 鼠标移动到示例 1,然后单击使用该示例

image.png

4. 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。

image.png

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。

image.png

  • 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。


5. 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。

image.png

6. 旁白音频提供了两种不同的内置音色供您选择。

image.png

7. 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。

image.png

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

相关实践学习
借助OSS搭建在线教育视频课程分享网站
本教程介绍如何基于云服务器ECS和对象存储OSS,搭建一个在线教育视频课程分享网站。
相关文章
|
人工智能 智能设计 BI
才有PPT智能排版,又来Excel智能图表,Office正在AI化(1)!
才有PPT智能排版,又来Excel智能图表,Office正在AI化(1)!
361 0
才有PPT智能排版,又来Excel智能图表,Office正在AI化(1)!
|
8月前
|
XML Java 数据处理
视觉智能开放平台操作报错合集之pdf识别报503,是什么导致的
在使用视觉智能开放平台时,可能会遇到各种错误和问题。虽然具体的错误代码和消息会因平台而异,但以下是一些常见错误类型及其可能的原因和解决策略的概述,包括但不限于:1. 认证错误、2. 请求参数错误、3. 资源超限、4. 图像质量问题、5. 服务不可用、6. 模型不支持的场景、7. 网络连接问题,这有助于快速定位和解决问题。
|
3月前
|
人工智能 自然语言处理 前端开发
VideoChat:高效学习新神器!一键解读音视频内容,结合 AI 生成总结内容、思维导图和智能问答
VideoChat 是一款智能音视频内容解读助手,支持批量上传音视频文件并自动转录为文字。通过 AI 技术,它能快速生成内容总结、详细解读和思维导图,并提供智能对话功能,帮助用户更高效地理解和分析音视频内容。
212 6
VideoChat:高效学习新神器!一键解读音视频内容,结合 AI 生成总结内容、思维导图和智能问答
|
2月前
|
前端开发 API
企业及图文视频内容
企业及图文视频内容
|
Java Windows
|
数据安全/隐私保护 Python
【文档操作】提取PPT中的图片
今天要带大家实现的是PPT图片的提取。在我们学习工作中,PPT的使用还是非常频繁的,但是自己做PPT是很麻烦的,所以就需要用到别人的模板或者素材,这个时候提取PPT图片就可以减少我们很多工作。
253 0
|
6月前
PPT 如何将大段WORD制作成PPT
PPT 如何将大段WORD制作成PPT
42 0
|
9月前
|
前端开发 JavaScript Java
大咖与小白的日常:如何在线编辑Word/PPT/Excel等Office文件
如何利用OSS和智能媒体管理服务,实现在线预览/编辑Office文件。
188 0
|
6月前
PPT 提升素材搜索能力
PPT 提升素材搜索能力
22 0