再看如何利用大模型自动生成PPT：从基本原理解读到ChatPPT开源Demo级项目源码分析

​​​​​​​      今天是9月20日，星期三，北京天气晴。天已凉。

上篇文章，我们讲了使用langchain进行行业问答的实现核心步骤，涉及到文本解析、标准化以及文本切割，这些连同文本向量化一同组成了技术核心。

这个核心中，文档智能占据了很大一块，即解决解析和标准化的问题。

那么，我们是否也可以反向操作，看看文档智能如何能够利用大模型，比如chatgpt进行反向生成，做解析的逆操作，实现包括PPT自动生成，excel的自动生成，思维导图以及可视化图表的自动化生成？

答案是肯定的。

当我们以chatppt，chatexcel为关键词在搜索引擎，在guthub中进行搜索时，能得到多种结果。

那么，作为demo级别的它们又是如何做的，根本原理是什么？实现过程中用到的组件包括哪些？这些都是值得探究的话题。

因此，本文就以chatppt为例，跟大家聊聊，供大家一起参考并深入思考。

一、ChatPPT的实现思路

ChatPPT，旨在解决的问题是，自动地生成PPT文本。

1、先看有哪些生成场景

那么会有哪些场景？如果以输入输出来分：

输入的可以是一个用户的主题，例如输入“北京的旅游攻略”，直接输出一份PPT；

输入的可以是一个用户的主题以及主题的大纲，大纲可粗可细，粗则直接放一级标题，细则给出每个章节的层级标题目录。

这两个是发散性生成的范畴，以点扩面。另外一种是总结式，即输入的是一堆文档，提取其中的要点以及要点的内容，逐步地形成一级标题，二级标题，三级标题等。

2、再看实现这套需要哪些组件

无论是上面说的那种，都不在乎包括三个要素：

一组或者多组生成内容的prompt提示。用于指引大模型围绕给定主题、大纲、文章内容生成相关PPT章节的填充内容，这个一般需要我们进行人工设定，并且不同的prompt提示对文本生成质量影响较大。

一个足够好的生成模型。生成模型需要能够准确地理解指令，产生正确的内容，也能准确地按照特定格式地输出内容，以方便快速地获取相应内容。例如，根据主题生成大纲时，需要按照1、2、3等方式生成，如果生成每个章节的一级标题。二级标题时通常会要求使用json格式或者特殊符号作为分割来返回。这些都是要生成模型对结果形式指令有较好的遵循能力。比如ChatGPT、GPT4，或者经过这类技能特殊微调的大模型。

一个可以与PPT文档进行交互的程序组件。这个组件可以执行PPT文档生成过程中所需要的各种操作，包括文档创建、页面的新增、页面内容的编排（例如标题、一级一级、二级标题），页面图片的插入等。以python为例，可以使用python-pptx来实现，该组件提供了许多基础的操作接口。

3、有哪些可以注意的点

当我们有了上述3个重要组件时【理想情况下】，就可以实现这一工作，但为了保证较好地效果，我们可以尝试如下方法【从原理上来说】：

不能将宝押在生成模型上，为了得到较好的结果，可以制定完备的生成流程，例如先让其生成大纲，然后再逐步遍历大纲让它生成一级二级标题，再根据一级二级标题生成指定的内容，从单步变成多步。这个是产品化的思路，先流程化，然后再让技术做实现。

这种方式的好处在于，好处在于给到生成模型的压力降低，尤其是对其输出格式的容错率较高。

这种做法存在很大的问题就是，拆成多步会引来生成的次数倍增，是一种时间换质量的做法。

另一个，就是单纯使用python–pptx生成的文档很干瘪，很粗糙。

二、一个开源的Demo级PPT生成案例

项目地址：https://github.com/HuiMi24/chatppt

该项目整体实现实现如下，流程较为清晰： 先利用chatppt(topic, pages, api_key, language)，生成所需要的ppt内容，再利用 generate_ppt(ppt_content)生成指定的ppt文档。

def main(topic: str, pages: int, api_key: str, language: str, template_path=None):
    robot_print("Hi, I am your PPT assistant.")
    robot_print("I am powered by ChatGPT")
    # robot_print("If you have any issue, please contact hui_mi@dell.com")
    ppt_content = chatppt(topic, pages, api_key, language)
    generate_ppt(ppt_content)


1、引入相关组件

相关组件包括pptx，用于操作ppt；openai，用于文本内容生成；

import openai
import json
import argparse
import time
import random
from pptx import Presentation


2、使用openai根据指定的主题topic来生成指定pages页数和language语言的ppt文档

可以看到，其中的核心是生成的输出格式，是严格的json格式，这个对应于上面的输出格式遵循，是个很难控制的点，本地测试之后，发现，基于chatglm6b生成的数据，很容易出现解析失败的情况。

此外，对于prompt，设计的也很简单；

  messages = [
        {
            "role": "user",
            "content": f"I'm going to prepare a presentation about {topic}, please help to outline detailed about this topic, output with JSON language with follow in format {output_format}, please help to generate {pages} pages, the bullet for each as much as possible, please only return JSON format and use double quotes, please return the content in {language}",
        },
    ]


该部分完整的内容如下：

def chatppt(topic: str, pages: int, api_key: str, language: str):
    language_map = {"cn": "Chinese", "en": "English"}
    language = language_map[language]

    ## 输出的格式，对大模型要求较高
    output_format = {
        “title”: “example title”,
        “pages”: [
            {
                “title”: “title for page 1”,
                # “subtitle”: “subtitle for page 1”,
                “content”: [
                    {
                        “title”: “title for bullet 1”,
                        “desctription”: “detail for bullet 1”,
                    },
                    {
                        “title”: “title for bullet 2”,
                        “desctription”: “detail for bullet 2”,
                    },
                ],
            },
            {
                “title”: “title for page 2”,
                # “subtitle”: “subtitle for page 2”,
                “content”: [
                    {
                        “title”: “title for bullet 1”,
                        “desctription”: “detail for bullet 1”,
                    },
                    {
                        “title”: “title for bullet 2”,
                        “desctription”: “detail for bullet 2”,
                    },
                ],
            },
        ],
    }

    ## 构造使用的prompt，这里用的是一步生成答案；
    messages = [
        {
            “role”: “user”,
            “content”: f“I’m going to prepare a presentation about {topic}, please help to outline detailed about this topic, output with JSON language with follow in format {output_format}, please help to generate {pages} pages, the bullet for each as much as possible, please only return JSON format and use double quotes, please return the content in {language}”,
        },
    ]

    robot_print(f“I’m working hard to generate your PPT about {topic}.”)
    robot_print(“It may takes about a few minutes.”)
    robot_print(f“Your PPT will be generated in {language}”)

    openai.api_key = api_key
    completion = openai.ChatCompletion.create(model=“gpt-3.5-turbo”, messages=messages)
    try:
        content = completion.choices[0].message.content
        # just replace ‘ to ” is not a good soluation
        # print(content)
        content = json.loads(content.strip())
        return content
    except Exception as e:
        print(“I’m a PPT assistant, your PPT generate failed, please retry later..”)
        exit(1)
        # raise Exception(“I’m PPT generate assistant, some error happened, please retry”)

3、多模型生成的结果进行解析，生成ppt

利用python-pptx进行逐页内容的生成，对于每一页slide，有包括title and subtitle、Pic with caption等不同位置的内容，根据实现得到的页面内容进行解析即可。

def generate_ppt(content: str, template=None):
    ppt = Presentation()
    if template:
        ppt = Presentation(template)

    # Creating slide layout
    first_slide_layout = ppt.slide_layouts[0]

    # “”” Ref for slide types:
    # 0 ->  title and subtitle
    # 1 ->  title and content
    # 2 ->  section header
    # 3 ->  two content
    # 4 ->  Comparison
    # 5 ->  Title only
    # 6 ->  Blank
    # 7 ->  Content with caption
    # 8 ->  Pic with caption
    # “””

    slide = ppt.slides.add_slide(first_slide_layout)
    slide.shapes.title.text = content.get(“title”, “”)
    slide.placeholders[1].text = “Generate by ChatPPT”

    pages = content.get(“pages”, [])
    robot_print(f“Your PPT have {len(pages)} pages.”)
    for i, page in enumerate(pages):
        page_title = page.get(“title”, “”)
        robot_print(f“page {i+1}: {page_title}”)
        bullet_layout = ppt.slide_layouts[1]
        bullet_slide = ppt.slides.add_slide(bullet_layout)
        bullet_spahe = bullet_slide.shapes
        bullet_slide.shapes.title.text = page_title

        body_shape = bullet_spahe.placeholders[1]
        for bullet in page.get(“content”, []):
            paragraph = body_shape.text_frame.add_paragraph()
            paragraph.text = bullet.get(“title”, “”)
            paragraph.level = 1

            paragraph = body_shape.text_frame.add_paragraph()
            paragraph.text = bullet.get(“description”, “”)
            paragraph.level = 2

    ppt_name = content.get(“title”, “”)
    ppt_name = f“{ppt_name}.pptx”
    ppt.save(ppt_name)
    robot_print(“Generate done, enjoy!”)
    robot_print(f“Your PPT: {ppt_name}”)

4、生成效果

该项目中给出了以“What is ChatPPT”、“AWS”是什么为例生成的ppt效果：

该方式提供了一个很简单的例子，基本可以串通流程，但效果有限，可以从prompt构造方式等多个方面进行优化，感兴趣的可以在此基础上进一步开发。

参考文献

本文主要介绍了chatppt实现的技术原理、三个必备要素以及一个开源的demo级项目，从中我们可以看到，决定最终效果的，是文本内容的生成，这个受限于prompt构造的方式以及生成模型的生成能力。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

感兴趣的朋友可以自己玩一玩，并对优化点展开自己的思考，这个事情十分有趣。

参考文献

1、https://github.com/HuiMi24/chatppt

关于我们

老刘，刘焕勇，NLP开源爱好者与践行者，主页：https://liuhuanyong.github.io。

老刘说NLP，将定期发布语言资源、工程实践、技术总结等内容，欢迎关注。

对于想加入更优质的知识图谱、事件图谱实践、相关分享的，可关注公众号，在后台菜单栏中点击会员社区->会员入群加入。

这些问题十分有趣，我们把其中一些比较有趣的内容出来，供大家一起参考。
​​​​​​​