智能理解 PPT 内容,快速生成讲解视频

简介: 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,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。


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。




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。2. 点击访问域名,即可打开示例应用。



3. 鼠标移动到示例 1,然后单击使用该示例。



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。



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。


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。



6. 旁白音频提供了两种不同的内置音色供您选择。



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。



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
|
机器学习/深度学习 数据采集 算法
Machine Learning机器学习之随机森林(Random Forests)
Machine Learning机器学习之随机森林(Random Forests)
|
7月前
|
安全 BI
HIS医疗信息化核心:护士工作站9大模块详解
HIS系统是医疗数字化核心,涵盖EMR、收费管理、医护工作站等模块。其中护士工作站分住院与门诊两部分:住院站实现医嘱闭环、护理执行、床位管理、计费协同及统计分析;门诊站支持分诊叫号、医嘱执行、检查预约等,全面提升护理效率与患者安全。
619 1
|
4月前
|
人工智能 安全 API
阿里云JVS智能体套件对接使用完全指南:从架构解析到生产级集成
本文深度解析阿里云JVS智能体套件的产品体系、技术架构与完整对接使用方法。JVS基于Harness分布式架构,由JVS Claw(开箱即用AI助理)、JVS Crew(企业级全托管智能体底座)和JVS Mobile(移动端智能自动化平台)三大产品组成。文章从账号准备、Clawbot创建、模型配置、多渠道接入(微信、企业微信、钉钉等)到API深度集成(含Python完整示例)、自定义Skill开发、安全合规与计费策略,层层递进,提供一站式从零到一构建企业级AI智能体的完整技术指南。同时深入解析JVS的"环境范式"设计理念——智能在模型、执行在沙箱,以及Harness四层架构如何实现安全隔离与动态
|
7月前
|
人工智能 缓存 API
阿里云百炼Token Plan是什么?阿里云百炼Token Plan团队版全解析:功能、计费、接入与实战配置指南
随着AI智能体与大模型应用的持续普及,阿里云百炼Token Plan团队版将不断扩展模型生态、优化工具适配、提升服务性能,为企业与开发者提供更稳定、更高效、更经济的AI大模型服务能力。无论是日常AI辅助办公、研发编码,还是构建自主智能体,Token Plan团队版都能提供可靠支撑,助力用户释放AI生产力,实现高效协作与创新。
1160 0
|
JSON 监控 前端开发
Python爬取微博热搜并实时发送到邮箱:零基础实现指南
本文介绍如何用Python实现微博热搜自动抓取与邮件推送,通过requests、BeautifulSoup和smtplib等库,50行代码即可完成定时监控,解决数据获取、解析与发送难题,提升信息获取效率。
721 1
|
存储 SQL 分布式计算
告别 Hadoop,拥抱 StarRocks!政采云数据平台升级之路
政采云平台作为政府采购数字化的创新典范,集监管、交易、服务于一体,经过近九年的发展,已成为行业内服务范围最广、用户数量最多、交易最活跃、监管产品最丰富的跨区域、跨层级、跨领域的一体化采购云服务平台,日均处理海量高并发数据。Hadoop 作为早期构建大规模数据平台的基石,为政采云平台打开了低成本处理海量非结构化、半结构化数据的可能。然而,伴随业务激增、复杂分析需求及严苛的时效要求,曾经“功臣”的局限性和沉重包袱日益凸显,逐渐成为数据价值释放的“枷锁”。
|
Python 存储 自然语言处理
Langchain 和 RAG 最佳实践
这是一篇关于LangChain和RAG的快速入门文章,主要参考了由Harrison Chase和Andrew Ng讲授的​​Langchain chat with your data​​​课程。你可以在​​rag101仓库​​​中查看完整代码。本文翻译自我的英文博客,最新修订内容可随时参考:​​LangChain 与 RAG 最佳实践​​。
1086 4
Langchain 和 RAG 最佳实践
|
Android开发 数据安全/隐私保护 虚拟化
安卓手机远程连接登录Windows服务器教程
安卓手机远程连接登录Windows服务器教程
4407 5
|
算法 搜索推荐
数据结构与算法学习十一:冒泡排序、选择排序、插入排序
本文介绍了冒泡排序、选择排序和插入排序三种基础排序算法的原理、实现代码和测试结果。
764 0
数据结构与算法学习十一:冒泡排序、选择排序、插入排序
|
缓存 DataWorks 数据可视化
DataWorks 数据服务 + BI 可视化分析报表 (搭建战报)
DataWorks 数据服务提供强大的数据 API 能力,并能与多种业界流行的 BI 报表 (DataV、QuickBI、PowerBI和Grafana) 结合,使用 API 数据源的好处是统一数据接口、统一权限管理、统一数据交换以及数据服务提供强大的各式各样的插件能力 (如缓存插件、流量控制插件、日志脱敏插件、断路器插件、IP访问控制插件、三方鉴权插件等),下文介绍各热门 BI 工具接入 DataWorks 数据服务的操作方式。
1167 0
DataWorks 数据服务 + BI 可视化分析报表 (搭建战报)