开源AI工具：一键将学术论文转化为视频解说

对于研究人员和学者而言，将一篇20多页的学术论文转化为清晰的短视频解说往往是一项耗时费力的工作。传统的做法需要手动解析PDF内容、截取关键图表、编写解说词、录制配音、处理字幕等多个环节，整个流程往往需要数小时才能完成。本文将介绍一款完全开源的AI工具，它能够自动将论文PDF或链接转换为配有解说的720P短视频，让学术传播变得更加高效便捷。

核心功能与技术实现

这款工具的核心价值在于将繁琐的论文视频化流程自动化。用户只需上传PDF文件或提供arXiv链接，系统便会自动完成论文解析、图表提取、关键证据筛选、分镜生成、中文或英文口播合成以及720P视频封装等全部工作。整个处理过程在本机完成，不依赖任何第三方远程推理API，确保了数据的安全性和隐私性。

语音合成与视频封装

系统采用模块化的设计理念，将整个视频生成流程分解为多个可独立检查的阶段。首先是PDF解析阶段，系统会提取论文正文、页码信息、图表标题和页面图片。随后使用本地部署的Qwen3.5-9B模型理解论文的研究问题、方法、贡献、证据和结论。在图表处理方面，系统综合分析图像说明、版面边界和视觉模型结果，裁剪出真正具有信息量的图表区域，并自动去除重复的图表候选。最后生成包含总结卡、贡献卡、方法图、实验结果和结论卡在内的完整叙事结构。

本地部署指南

工具支持本地GPU工作区部署和云端创空间两种运行模式。对于本地部署，建议配置至少16GB显存的NVIDIA GPU、32GB内存和35GB可用磁盘空间。首次使用需要依次执行环境检查、虚拟环境创建、依赖安装和模型下载等准备工作。代码库结构清晰，每个模块都有明确的职责划分：pipeline.py负责全流程编排，paper_explainer.py处理摘要和选图逻辑，figure_extract.py负责图表提取，TTS模块处理语音合成，video.py负责最终的视频封装。

在隐私和成本方面，该工具同样表现出色。PDF解析、图表提取、分镜生成和视频合成等所有推理过程都在本地完成，不会将用户数据上传到任何第三方服务。使用URL输入时，仅在下载论文阶段需要网络连接。所有生成的中间产物，包括页面渲染图、图表元数据、分镜脚本、音频文件和字幕等，都保存在本地runs目录下，方便用户进行定位和排查。

如有侵权，请联系删除。