Anionex/banana-slides

想赞助本项目？请发送邮件至 davidyang042@gmail.com。

点击折叠

	感谢 AIHubMix 赞助本项目！AIHubMix 是稳定、高并发的 AI 大模型 API 聚合平台，一个 API Key 即可接入 Claude、GPT、Gemini、DeepSeek 等主流模型，兼容多种协议。注册时，海外用户请使用 AIHubMix 入口，中国大陆用户请使用 Inferera 入口。
	感谢 APIMart 赞助了本项目！APIMart 是专注 AI 图片/视频生成的低价 API 平台，GPT-Image-2 低至 $0.006/张，1 美元可出图 160+ 张。图片、视频一套异步 API 通吃，提交任务拿 ID、回调取结果，跑批万张不超时、换模型不改代码。按量付费、无月费，通过此注册链接注册即可开用。
	感谢 火山引擎 赞助了本项目！相比海外主流官方 API 价格更低、性价比更高，生成效果接近；国内直连，无需特殊网络环境。订阅后还能用于日常使用和其他兼容工具，不局限于 Banana Slides。 查看优惠并订阅 →

• [2026-09-05]：0.9.0 候选版本 7 发布，修复 Codex（OpenAI OAuth）已连接但生图返回 400 的问题：内部调用主模型从 gpt-5.4 更新为 gpt-5.6-terra，图片模型仍保留 gpt-image-2，无需把图片模型改成文本模型。此版本还包含 RC6 之后的内容驱动风格描述与 SenseNova U1 生图支持；查看下载与安装说明
• [2026-08-30]：0.9.0 候选版本 6 发布，新增可开关的桌面启动更新检查、包含更新摘要与完整日志链接的更新卡片，以及下载进度、失败重试和重启安装；同时修复 APIMart OpenAI-compatible 异步图片任务、非流式请求及 1K/2K/4K 分辨率传递；查看下载与安装说明
• [2026-08-29]：0.9.0 候选版本 5 发布，新增沉浸式在线幻灯片播放器与 APIMart OpenAI-compatible Provider 预设，桌面版更新检查现可正确跟随 RC 通道；同时改进 PPT 改造的 MinerU 凭据错误提示、修复参考文档远程图片 SSRF 风险，并让图片编辑默认进入框选状态；查看下载与安装说明
• [2026-08-20]：0.9.0 候选版本 4 发布，重点修复桌面打包版 LazyLLM 在线供应商不可用（qwen 等）与 SOCKS 代理依赖缺失，并恢复预览页「上一步」返回描述编辑页、修复导出任务弹层遮挡与桌面端属性抽屉交互；一键下载并安装
• [2026-08-20]：预览页恢复「上一步」按钮，可从幻灯片预览一键返回描述编辑页继续修改
• [2026-08-20]：修复导出任务弹层被页面属性抽屉遮挡的问题；桌面端页面属性抽屉默认展开并自动适配窗口宽度
• [2026-07-31]：桌面打包版完整注册 11 家 LazyLLM 在线供应商（qwen / doubao / deepseek / glm / kimi / minimax / sensenova / siliconflow / ppio / aiping / openai），修复打包版报 Unsupported source: qwen 的问题
• [2026-08-06]：0.9.0 候选版本 3 发布，重点修复火山引擎 Agent Plans 配置与凭据恢复，并带来大纲流隔离、幻灯片就地编辑、字段契约 v2、模板匹配和可编辑 PPTX 导出改进；一键下载并安装
• [2026-07-15]：自定义大纲/描述要求预设现在会自动修复损坏的浏览器缓存，保留仍然有效的预设，避免异常缓存阻断编辑页面
• [2026-07-11]：0.9.0 候选版本 2 发布，包含 RC1 的全部能力，并修复 Windows 桌面端可编辑 PPTX 的 MinerU 目录不一致、讲解视频 FFprobe 路径错误；一键下载并安装
• [2026-06-23]：逐页模板上线 — 支持统一模板 / 每页独立模板两种模式，可上传图片或 PDF 构建项目模板库，AI 自动解析模板风格并一键为每页智能匹配，也可逐页手动绑定；两种模式随时双向切换（文档）
• [2026-04-25]： 素材工具箱上线 — 在原有素材生成基础上新增整图编辑、框选编辑（overlay/replace）、智能擦除三种模式，统一入口一站式操作
• [2026-04-25]：支持通过 OpenAI 官方 OAuth 登录绑定账号，绑定后可直接使用 Codex 作为文本/图片生成 provider，无需手动填写 API Key，plus账号五小时可生成100+ 2k图（教程)（基于 OpenAI 官方 OAuth PKCE 授权流程，非逆向）
• [2026-04-25]：支持保存自定义文字风格描述模板，可命名、标色、持久化复用，无需每次重新输入
• [2026-04-23]：支持了gpt-image-2模型，同时导出可编辑背景效果也因模型能力升级得到了提升（在 设置-导出选项-背景获取 选择 生成式获取）
• [2026-04-11]：支持了cli操作并加入了agent skills
• [2026-03]：加入了若干功能和优化，如额外字段、多比例设定等

你是否也曾陷入这样的困境：明天就要汇报，但PPT还是一片空白；脑中有无数精彩的想法，却被繁琐的排版和设计消磨掉所有热情？

我(们)渴望能快速创作出既专业又具设计感的演示文稿，传统的AI PPT生成app，虽然大体满足“快”这一需求，却还存在以下问题：

• 1️⃣只能选择预设模版，无法灵活调整风格
• 2️⃣自由度低，多轮改动难以进行
• 3️⃣成品观感相似，同质化严重
• 4️⃣素材质量较低，缺乏针对性
• 5️⃣图文排版割裂，设计感差

以上这些缺陷，让传统的AI ppt生成器难以同时满足我们“快”和“美”的两大PPT制作需求。即使自称Vibe PPT，但是在我的眼中还远不够“Vibe”。

但是，nano banana🍌模型的出现让一切有了转机。我尝试使用🍌pro进行ppt页面生成，发现生成的结果无论是质量、美感还是一致性，都做的非常好，且几乎能精确渲染prompt要求的所有文字+遵循参考图的风格。那为什么不基于🍌pro，做一个原生的"Vibe PPT"应用呢？

1. 小白：零门槛快速生成美观PPT，无需设计经验，减少模板选择烦恼
2. PPT专业人士：参考AI生成的布局和图文元素组合，快速获取设计灵感
3. 教育工作者：将教学内容快速转换为配图教案PPT，提升课堂效果
4. 学生：快速完成作业Pre，把精力专注于内容而非排版美化
5. 职场人士：商业提案、产品介绍快速可视化，多场景快速适配

🎯目标： 降低 PPT 制作门槛，让每个人都能快速创作出美观专业的演示文稿

软件开发最佳实践	DeepSeek-V3.2技术展示
预制菜智能产线装备研发和产业化	钱的演变：从贝壳到纸币的旅程

更多可见 使用案例

支持想法、大纲、页面描述三种起步方式，满足不同创作习惯。

• 一句话生成：输入一个主题，AI 自动生成结构清晰的大纲和逐页内容描述。
• 自然语言编辑：支持以 Vibe 形式口头修改大纲或描述（如"把第三页改成案例分析"），AI 实时响应调整。
• 大纲/描述模式：既可一键批量生成，也可手动调整细节。

• 多格式支持：上传 PDF/Docx/MD/Txt 等文件，后台自动解析内容。
• 智能提取：自动识别文本中的关键点、图片链接和图表信息，为生成提供丰富素材。
• 图片自动入库：文档解析出的图片会随参考文件关联项目后自动进入项目素材库，后续可直接复用。
• 风格参考：支持上传参考图片或模板，定制 PPT 风格。

不再受限于复杂的菜单按钮，直接通过自然语言下达修改指令。

• 局部重绘：对不满意的区域进行口头式修改（如"把这个图换成饼图"）。
• 整页优化：基于 nano banana pro🍌 生成高清、风格统一的页面。

• 多格式支持：一键导出标准 PPTX 或 PDF 文件。
• 播放设置：导出 PPTX 前可开启页面切换动画，支持淡入淡出等经典效果
• 完美适配：默认 16:9 比例，排版无需二次调整，直接演示。

• 导出图像为高还原度、背景干净的、可自由编辑图像和文字的PPT页面
• 相关更新见 #121

• 一键将幻灯片转换为带 AI 语音旁白和字幕的讲解视频（MP4）
• AI 自动根据页面描述和内容生成口语化旁白
• 支持配置多种表达风格、多语言和多种音色

🌟和notebooklm slide deck功能对比

注：随着新功能添加,对比可能过时

这是最简单的方式，无需安装docker或下载项目，创建后可直接进入应用

1. 通过雨云一键部署和启动本应用 (带宽大，适合高清图片生成和下载。新用户有免费试用)

• 图文教程

1. 敬请期待

通过docker compose快速启动前后端服务。

1. 克隆代码仓库

git clone https://github.com/Anionex/banana-slides
cd banana-slides

1. 配置环境变量

创建 .env 文件（参考 .env.example）：

cp .env.example .env

（可选， 也可以启动后在用户界面配置，教程可点击此处） 编辑 .env 文件，配置必要的环境变量：

# AI Provider格式配置 (gemini / openai / volcengine / vertex)
AI_PROVIDER_FORMAT=gemini

# Gemini 格式配置（当 AI_PROVIDER_FORMAT=gemini 时使用）
GOOGLE_API_KEY=your-api-key-here
GOOGLE_API_BASE=https://generativelanguage.googleapis.com
# 代理示例: https://api.inferera.com/gemini

# OpenAI 格式配置（当 AI_PROVIDER_FORMAT=openai 时使用）
OPENAI_API_KEY=your-api-key-here
OPENAI_API_BASE=https://api.openai.com/v1
# 代理示例: https://api.inferera.com/v1

# 商汤日日新 U1 图片模型（保留旧 Provider，图片走 OpenAI 兼容路径）
# 推荐：文本继续用 Gemini，只让图片走商汤
# IMAGE_MODEL_SOURCE=openai
# IMAGE_API_KEY=your-sensenova-api-key
# IMAGE_API_BASE=https://token.sensenova.cn/v1
# IMAGE_MODEL=sensenova-u1.5-lite

# 火山方舟 Agent Plans 配置（当 AI_PROVIDER_FORMAT=volcengine 时使用）
# 注意: Agent Plan 需使用专属 API Key 与模型名 (doubao-seed-2.1-turbo / doubao-seedream-5.0-lite)
VOLCENGINE_API_KEY=your-volcengine-api-key-here
VOLCENGINE_API_BASE=https://ark.cn-beijing.volces.com/api/plan/v3

# Vertex AI 配置（AI_PROVIDER_FORMAT=vertex）
# 需要 GCP 项目和服务账户密钥
# VERTEX_PROJECT_ID=your-gcp-project-id
# VERTEX_LOCATION=global
# GOOGLE_APPLICATION_CREDENTIALS=./gcp-service-account.json

# Lazyllm 格式配置（当 AI_PROVIDER_FORMAT=lazyllm 时使用）
# 选择文本生成和图片生成使用的厂商
TEXT_MODEL_SOURCE=deepseek        # 文本生成模型厂商
IMAGE_MODEL_SOURCE=doubao         # 图片编辑模型厂商
IMAGE_CAPTION_MODEL_SOURCE=qwen   # 图片描述模型厂商

# 各厂商 API Key（只需配置你要使用的厂商）
DOUBAO_API_KEY=your-doubao-api-key            # 火山引擎/豆包
DEEPSEEK_API_KEY=your-deepseek-api-key        # DeepSeek
QWEN_API_KEY=your-qwen-api-key                # 阿里云/通义千问
GLM_API_KEY=your-glm-api-key                  # 智谱 GLM
SILICONFLOW_API_KEY=your-siliconflow-api-key  # 硅基流动
SENSENOVA_API_KEY=your-sensenova-api-key      # 商汤日日新
# U1 生图请优先使用上面的 IMAGE_MODEL_SOURCE=openai 配置；此 Key 用于旧 LazyLLM 路径
MINIMAX_API_KEY=your-minimax-api-key          # MiniMax
KIMI_API_KEY=your-kimi-api-key                # 月之暗面 Kimi
PPIO_API_KEY=your-ppio-api-key                # PPIO 派欧云
AIPING_API_KEY=your-aiping-api-key            # AIPing 爱拼
...

使用新版可编辑导出配置方法，获得更好的可编辑导出效果: 需在百度智能云平台（点击此处进入）中获取API KEY，填写在.env文件中的BAIDU_API_KEY字段（有充足的免费使用额度）。详见#121 中的说明

1. 启动服务

⚡ 使用预构建镜像（推荐）

项目在 Docker Hub 提供了构建好的前端和后端镜像（同步主分支最新版本），可以跳过本地构建步骤，实现快速部署：

# 使用预构建镜像启动（无需从头构建）
docker compose -f docker-compose.prod.yml up -d

镜像名称：

• anoinex/banana-slides-frontend:latest
• anoinex/banana-slides-backend:latest

启动后可在应用内进入 设置 → 关于 → 检查更新，应用会根据当前版本 SHA 判断是否已有可用更新；源码运行时也会用当前 Git SHA 参与判断。

从头构建镜像

docker compose up -d

# 在 .env 文件中取消以下注释即可使用国内镜像源
DOCKER_REGISTRY=docker.1ms.run/
GHCR_REGISTRY=ghcr.nju.edu.cn/
APT_MIRROR=mirrors.aliyun.com
PYPI_INDEX_URL=https://mirrors.cloud.tencent.com/pypi/simple
NPM_REGISTRY=https://registry.npmmirror.com/

1. 访问应用

• 前端：http://localhost:3011
• 后端 API：http://localhost:5011

1. 查看日志

# 查看后端日志（最后 200 行）
docker logs --tail 200 banana-slides-backend

# 实时查看后端日志（最后 100 行）
docker logs -f --tail 100 banana-slides-backend

# 查看前端日志（最后 100 行）
docker logs --tail 100 banana-slides-frontend

1. 停止服务

docker compose down

1. 更新项目

使用预构建镜像（docker-compose.prod.yml）

也可以先在应用内进入 设置 → 关于 → 检查更新 查看是否已有新版本。

docker compose -f docker-compose.prod.yml pull
docker compose -f docker-compose.prod.yml up -d

使用本地构建（docker-compose.yml）

注：若手动修改了代码，该方法不适用，需要先将代码还原到拉取时的版本。

git pull 
docker compose down
docker compose build --no-cache
docker compose up -d

注：感谢优秀开发者朋友 @ShellMonster 提供了新人部署教程，专为没有任何服务器部署经验的新手设计，可点击链接查看。

• Python 3.10 或更高版本
• uv - Python 包管理器
• Node.js 16+ 和 npm
• FFmpeg - 讲解视频导出必需，且必须包含 libass / ass 字幕滤镜支持
• 有效的 Google Gemini API 密钥
• （可选）LibreOffice - 使用「PPT 翻新」功能上传 PPTX 文件时需要，用于将 PPTX 转换为 PDF。推荐先在本地将 PPTX 转为 PDF 后再上传，原因：LibreOffice 在服务端渲染时可能因缺少字体（如微软雅黑、Calibri 等）导致排版错位，且无法完整还原部分特效。上传 PDF 文件则不需要 LibreOffice。Docker 用户如仍需在容器内支持 PPTX 上传，可执行：

  docker exec -it banana-slides-backend bash -c "apt-get update && apt-get install -y libreoffice-impress && rm -rf /var/lib/apt/lists/*"

  注意：此方式安装的 LibreOffice 在容器重建后会丢失，需重新安装。

1. 克隆代码仓库

git clone https://github.com/Anionex/banana-slides
cd banana-slides

1. 安装 uv（如果尚未安装）

curl -LsSf https://astral.sh/uv/install.sh | sh

1. 安装依赖

在项目根目录下运行：

# macOS（Homebrew）
brew install ffmpeg-full
brew unlink ffmpeg 2>/dev/null || true
brew link --overwrite --force ffmpeg-full

# Ubuntu / Debian
sudo apt-get update
sudo apt-get install -y ffmpeg libass9

# 然后安装 Python 依赖
uv sync

这将根据 pyproject.toml 自动安装所有依赖。

1. 配置环境变量

复制环境变量模板：

cp .env.example .env
# 然后按照前述方法，打开编辑 `.env` 文件，配置你的 API 密钥

1. 进入前端目录

cd frontend

1. 安装依赖

npm install

1. 配置API地址

前端会通过 Vite proxy 自动连接到 BACKEND_PORT 指定的后端服务（默认 http://localhost:5011）。如需修改，请在项目根目录的 .env 中设置 BACKEND_PORT。

（可选）如果本地已有重要数据，升级前建议先备份数据库：
cp backend/instance/database.db backend/instance/database.db.bak 备注： 默认配置下，模板、素材、成品都在uploads/文件夹中

cd backend
uv run alembic upgrade head && uv run python app.py

后端服务将在 http://localhost:5011 启动。

访问 http://localhost:5011/health 验证服务是否正常运行。

cd frontend
npm run dev

前端开发服务器将在 http://localhost:3011 启动。

打开浏览器访问即可使用应用。

欢迎在群中提出新功能建议或反馈～

欢迎关注作者的社交媒体，我会分享有关本项目和有关AI的信息：

可见官网文档

也可以直接到 DeepWiki 提问

欢迎通过 Issue 和 Pull Request 为本项目贡献力量！

重要： 贡献前请阅读 CONTRIBUTING.md

本项目采用 GNU Affero General Public License v3.0（AGPL-3.0） 开源， 可自由用于个人学习、研究、试验、教育或非营利科研活动等非商业用途；闭源商业用途需获取授权。

如有疑问或合作意向、获取多租户商业版本，可联系: davidyang042@gmail.com

• 项目贡献者们：

• Linux.do: 新的理想型社区

开源不易🙏如果本项目对你有价值，欢迎请开发者喝杯咖啡☕️

感谢以下朋友对项目的无偿赞助支持：

@雅俗共赏、@曹峥、@以年观日、@John、@胡yun星Ethan, @azazo1、@刘聪NLP、@🍟、@苍何、@万瑾、@biubiu、@law、@方源、@寒松Falcon、@刘星宇&小陀螺AIGC 如对赞助列表有疑问，可联系作者

首页「一句话生成」中可切换到「日常汇报」，选择周报/月报、项目汇报、产品介绍、培训课件或自定义场景。填写主题和可选字段后，可编辑 Prompt 预览，再沿用原来的模板、参考文件、比例与每页模板流程。预设只填空字段；手动编辑后的预览仅在点击「从表单更新 Prompt」时重建。

设置中直接选择 Codex 会在未连接时弹出 OpenAI 登录窗口，连接成功后应用本次选择；取消保留原设置。素材工具箱提交任务后可继续生成下一张，各任务独立展示状态与结果，刷新后可恢复查询。查询暂停时可点击「继续查询」，结果仍会保存到素材库。