Banana Slides
一个基于nano banana pro🍌的原生AI PPT生成应用，迈向＂Vibe PPT＂; 支持上传任意模板图片，上传任意素材&智能解析，一句话/大纲/页面描述自动生成PPT，口头修改指定区域、一键导出可编辑ppt - An AI-native slides generator based on nano banana pro🍌
Install / Use
npx skills add Anionex/banana-slidesInstalls into whichever agent you are using.
README
🔥 最新动态
- [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
- [2026-02-09]： 新功能和优化
- 新功能
- 支持在首页、大纲、描述卡片里面粘贴图片并立即识别，并提供更好的交互体验
- 大纲章节手动编辑：支持手动调整页面所属章节（part）。
- Docker 多架构：镜像支持 amd64 / arm64 构建。
- 国际化 + 暗黑模式：新增中英文切换；支持亮色/暗色/跟随系统主题；全组件适配暗黑模式。
- 修复与体验优化
- 修复导出相关 500、参考文件关联时序、outline/page 数据错位、任务轮询错误项目、描述生成无限轮询、图片预览内存泄漏、批量删除部分失败处理。
- 优化格式示例提示、HTTP 错误提示文案、Modal 关闭体验、清理旧项目 localStorage、移除首次创建项目冗余提示。
- 若干其他优化和修复
- 新功能
✨ 项目缘起
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？
👨💻 适用场景
- 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
- 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
- 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
- 学生：快速完成作业Pre，把精力专注于内容而非排版美化
- 职场人士：商业提案、产品介绍快速可视化，多场景快速适配
🎨 结果案例
<div align="center">| | | |:---:|:---:| | <img src="https://github.com/user-attachments/assets/d58ce3f7-bcec-451d-a3b9-ca3c16223644" width="500" alt="案例3"> | <img src="https://github.com/user-attachments/assets/c64cd952-2cdf-4a92-8c34-0322cbf3de4e" width="500" alt="案例2"> | | 软件开发最佳实践 | DeepSeek-V3.2技术展示 | | <img src="https://github.com/user-attachments/assets/383eb011-a167-4343-99eb-e1d0568830c7" width="500" alt="案例4"> | <img src="https://github.com/user-attachments/assets/1a63afc9-ad05-4755-8480-fc4aa64987f1" width="500" alt="案例1"> | | 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 |
</div>更多可见<a href="https://github.com/Anionex/banana-slides/issues/2" > 使用案例 </a>
🎯 功能介绍
1. 灵活多样的创作路径
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。
2. 强大的素材解析能力
- 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。
3. "Vibe" 式自然语言修改
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。
4. 开箱即用的格式导出
- 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。
5. 可自由编辑的pptx导出（Beta迭代中）
- 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 https://github.com/Anionex/banana-slides/issues/121 <img width="1000" alt="image" src="https://github.com/user-attachments/assets/a85d2d48-1966-4800-a4bf-73d17f914062" />
6. 一键导出讲解视频
- 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 | 功能 | notebooklm | 本项目 | | --- | --- | --- | | 页数上限 | 15页 | 无限制 | | 二次编辑 | 提示词修改 | 框选编辑+口头编辑 | | 素材添加 | 生成后无法添加 | 生成后自由添加 | | 导出格式 | 支持导出为 PDF、（不可编辑图片）pptx | 导出为PDF、(图片or可编辑)pptx、讲解视频 | | 水印 | 免费版有水印 | 无水印，自由增删元素 |
注：随着新功能添加,对比可能过时
🗺️ 开发计划
| 状态 | 里程碑 | | --- | --- | | ✅ 已完成 | PPT 单页添加更多素材 | | ✅ 已完成 | PPT 单页框选区域Vibe口头编辑 | | ✅ 已完成 | 素材模块: 素材生成、上传等 | | ✅ 已完成 | 支持多种文件的上传+解析 | | ✅ 已完成 | 支持Vibe口头调整大纲和描述 | | ✅ 已完成 | 初步支持可编辑版本pptx文件导出 | | 🔄 进行中 | 支持多层次、精确抠图的可编辑pptx导出 | | 🔄 进行中 | 网络搜索 | | 🔄 进行中 | Agent 模式 | | ✅ 已完成 | TTS 讲解视频导出（中/英/日多音色、字幕） |
📦 使用方法
（新）使用应用模板一键部署
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
- 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)
- 敬请期待
使用 Docker Compose🐳
通过docker compose快速启动前后端服务。
<details> <summary>📒 Windows/Mac用户说明</summary>如果你使用 Windows 或 macOS，请先安装 Docker Desktop，并确保 Docker 正在运行（Windows 可检查系统托盘图标；macOS 可检查菜单栏图标），然后按文档中的相同步骤操作。
</details>提示：如果遇到问题，Windows 用户请在 Docker Desktop 设置中启用 WSL 2 后端（推荐）；同时确保端口 3011 和 5011 未被占用。
- 克隆代码仓库
git clone https://github.com/Anionex/banana-slides
cd banana-slides
- 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：
项目中大模型接口以AIHubMix平台格式为标准，推荐使用 AIHubMix(点击此处可直接访问) 获取API密钥，减小迁移成本<br> 友情提示：谷歌nano banana pro模型接口费用较高，请注意调用成本
# 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
# 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)
VO
Related Skills
node-connect
385.5kDiagnose OpenClaw Android, iOS, or macOS node pairing, QR/setup code, route, auth, and connection failures.
blender-python-addon
40.5kBlender Python add-on rules for operators, panels, properties, registration, testing, and API-safe scripting
flutter-development-guidelines-cursorrules-prompt-file
40.5kCursor rules for Flutter development with MVVM architecture, Riverpod state management, Material widgets, and Dart style guidelines.
commit-push-pr
140.6kCommit, push, and open a PR
