presenton/presenton

快速开始 · 文档 · Youtube · Discord

# 开源 AI 演示文稿生成器和 API (Gamma, Canva, Beautiful AI, Decktopus, Presentations AI 替代方案) 探索 Presenton 的强大功能，从 AI 驱动的演示文稿生成到编辑、导出以及灵活的模型提供商。 [▶ 观看 Presenton 实际操作](https://github.com/user-attachments/assets/93e541dc-8487-4dcf-a9a0-95ad5ca94453) ### ✨ 为什么选择 Presenton 无 SaaS 锁定 · 无强制订阅 · 全面掌控模型与数据 是什么让 Presenton 与众不同？ - 通过 [Docker 包](https://docs.presenton.ai/v3/get-started/quickstart) 在 Web 端完全**自托管**使用 - 或下载[桌面应用](https://presenton.ai/download) (Mac, Windows 和 Linux) - 兼容 Ollama, LM Studio, OpenAI, Gemini, Vertex AI, Azure OpenAI, Amazon Bedrock, Fireworks, Together AI, Anthropic 或任何其他兼容 OpenAI 的提供商 - 附带 AI 演示文稿生成 API - 完全开源 (Apache 2.0) - 支持您自己的设计/模板 - **完全可编辑的 PPTX 导出**

# ### 🎛 功能特性

# ### 💻 Presenton 桌面版 使用您自己的模型提供商 (BYOK) 创建 AI 驱动的演示文稿，或者在您自己的机器上完全在本地运行，以实现全面控制和数据隐私。

**可用平台**

平台	架构	安装包	下载
macOS	Apple Silicon / Intel	.dmg	下载 ↗
Windows	x64	.exe	下载 ↗
Linux	x64	.deb	下载 ↗

**部署到云提供商** # Presenton 让您完全掌控 AI 演示文稿工作流。选择您的模型，自定义您的体验，并确保您的数据私密。 - 自定义模板与主题 — 使用 HTML 和 Tailwind CSS 创建无限的演示文稿设计 - AI 模板生成 — 从现有的 Powerpoint 文档创建演示文稿模板。 - 灵活生成 — 从提示词或上传的文档构建演示文稿 - 导出就绪 — 保存为具有专业格式的 PowerPoint (PPTX) 和 PDF - 内置 MCP Server — 通过 Model Context Protocol 生成演示文稿 - 自带密钥 (BYOK) — 使用您自己的 API 密钥连接 OpenAI, Google Gemini, Vertex AI, Azure OpenAI, Anthropic Claude 或任何兼容的提供商。只为您的使用量付费，无隐藏费用或订阅。 - Ollama 集成 — 在完全隐私保护下本地运行开源模型 - 兼容 OpenAI API — 使用您自己的模型连接到任何兼容 OpenAI 的 endpoint - 多提供商支持 — 自由组合文本和图像生成提供商 - 多样化的图像生成 — 从 DALL-E 3, Gemini Flash, Pexels 或 Pixabay 中选择 - 丰富的富媒体支持 — 提供图标、图表和自定义图形以制作专业的演示文稿 - 本地运行 — 所有处理均在您的设备上完成，无云依赖 - API 部署 — 作为您团队自己的 API 服务进行托管 - 完全开源 — Apache 2.0 许可，可检查、修改和贡献 - Docker 就绪 — 通过单条命令部署，并为本地模型提供 GPU 支持 - Electron 桌面应用 — 在 Windows, macOS 和 Linux 上将 Presenton 作为原生桌面应用运行（无需浏览器） - 使用 ChatGPT 登录 — 使用您的免费或付费 ChatGPT 账户登录并立即开始创建演示文稿 — 无需单独的 API 密钥 # ### ☁️ Presenton 云端版 直接在浏览器中运行 Presenton — 无需安装，无需设置。随时随地立即开始创建演示文稿。

# ### ⚡ 运行 Presenton

您可以通过两种方式运行 Presenton： 使用 Docker 进行一键设置，无需安装本地开发 技术栈；或者使用 Electron 桌面应用 获得原生应用 体验（非常适合开发或离线使用）。

**选项 1：Electron (桌面应用)**

将 Presenton 作为原生桌面应用程序运行。LLM 和图像提供商 （API 密钥等）可以在应用中配置。运行打包后端时，Docker 使用的 环境变量同样适用。

前置条件： Node.js (LTS), npm, Python 3.11, 和 uv （用于 servers/fastapi 中共享的 FastAPI 后端）。

- 设置（首次运行）

cd electron
这会安装 Node 依赖项，在 FastAPI 服务器中运行 uv sync，

并安装 Next.js 依赖项。
- 在开发环境中运行
npm run dev


这会编译 TypeScript 并启动 Electron。后端和 UI 将在桌面窗口内

本地运行。


- 构建分发包（可选）

要为 Windows, macOS 或 Linux 创建安装程序：
npm run build:all


输出文件将写入到 electron/dist

（或在您的 electron-builder 设置中进行配置）。



**选项 2：Docker**

- 启动 Presenton

Linux/MacOS (Bash/Zsh Shell)：
docker run -it --name presenton -p 5001:80 -v "./app_data:/app_data" ghcr.io/presenton/presenton:latest
Windows (PowerShell)：
docker run -it --name presenton -p 5001:80 -v "${PWD}\app_data:/app_data" ghcr.io/presenton/presenton:latest
- 打开 Presenton


在您喜欢的浏览器中打开 http://localhost:5001

即可使用 Presenton。






  注意： 您可以将 5001 替换为您选择的任何其他端口号，以便在不同的端口上运行 Presenton。如果您使用

  Docker Compose，请设置 PRESENTON_HTTP_HOST_PORT，例如

  PRESENTON_HTTP_HOST_PORT=8080 docker compose up production。





# 

### ⚙️ 部署配置

下面的列表与该代码库的 **`docker-compose.yml`** (`production`, `production-gpu`, `development`, 和 `development-gpu`) 中转发的环境变量相匹配。请将值放在 compose 文件旁边的 `.env` 文件中，或者在执行 `docker compose up` 之前导出它们。在 Docker 外部运行时，Electron 应用后端可以读取相同的变量名。

代码中还存在其他可选变量（例如高级 Mem0 路径、LiteParse runner，或者当 Next.js 和 FastAPI 不同源时的 `FAST_API_INTERNAL_URL`）；它们**没有**在 `docker-compose.yml` 中配置。支持的变量名可以从 `servers/fastapi/utils/get_env.py` 和 `servers/nextjs/` 下的 Next.js 服务器实用程序中发现。

#### LLM 和 API 密钥

- **CAN_CHANGE_KEYS**=[true/false]：如果您想隐藏 API 密钥并使其不可修改，请设置为 **false**。
- **LLM**=[openai/deepseek/google/vertex/azure/bedrock/openrouter/fireworks/together/cerebras/anthropic/litellm/lmstudio/ollama/custom/codex]：选择文本 **LLM**。
- **OPENAI_API_KEY**：如果 **LLM** 为 **openai** 则必填。
- **OPENAI_MODEL**：如果 **LLM** 为 **openai** 则必填（默认：`gpt-4.1`）。
- **DEEPSEEK_API_KEY**：如果 **LLM** 为 **deepseek** 则必填。
- **DEEPSEEK_MODEL**：如果 **LLM** 为 **deepseek** 则必填（默认：`deepseek-chat`）。
- **DEEPSEEK_BASE_URL**：如果 **LLM** 为 **deepseek** 则可选（默认：`https://api.deepseek.com`）。
- **GOOGLE_API_KEY**：如果 **LLM** 为 **google** 则必填。
- **GOOGLE_MODEL**：如果 **LLM** 为 **google** 则必填（默认：`models/gemini-2.0-flash`）。
- **VERTEX_MODEL**：如果 **LLM** 为 **vertex** 则必填（默认：`gemini-2.5-flash`）。
- **VERTEX_API_KEY**：**LLM=vertex** 时的可选授权路径 (Vertex Express)。
- **VERTEX_PROJECT** / **VERTEX_LOCATION**：使用 GCP 项目凭证时 **LLM=vertex** 的可选授权路径（不要与 `VERTEX_API_KEY` 结合使用）。
- **VERTEX_BASE_URL**：可选的 Vertex 网关/基础 URL 覆盖。
- **AZURE_OPENAI_MODEL**：如果 **LLM** 为 **azure** 则必填（部署/模型名称）。
- **AZURE_OPENAI_API_KEY**：如果 **LLM** 为 **azure** 则必填。
- **AZURE_OPENAI_API_VERSION**：如果 **LLM** 为 **azure** 则必填（例如 `2024-10-21`）。
- **AZURE_OPENAI_ENDPOINT** / **AZURE_OPENAI_BASE_URL**：如果 **LLM** 为 **azure** 则至少需要填一个。
- **AZURE_OPENAI_DEPLOYMENT**：**LLM** 为 **azure** 时的可选部署覆盖。
- **BEDROCK_REGION**：如果 **LLM** 为 **bedrock** 则可选（默认：`us-east-1`）。
- **BEDROCK_MODEL**：如果 **LLM** 为 **bedrock** 则必填。使用标准模型 ID（例如：`us.anthropic.claude-3-5-haiku-20241022-v1:0`）或较新模型（例如：Claude Sonnet 4.6）的完整**推理配置文件 ARN**。作为 `modelId` 传递给 Bedrock Converse。请参阅 **[Amazon Bedrock 指南](docs/amazon-bedrock.md)**。
- **BEDROCK_API_KEY**：如果 **LLM** 为 **bedrock** 则可选（API 密钥认证；替代 AWS 密钥的方案）。
- **BEDROCK_AWS_ACCESS_KEY_ID** / **BEDROCK_AWS_SECRET_ACCESS_KEY**：如果 **LLM** 为 **bedrock** 且未设置 `BEDROCK_API_KEY` 则需要同时填写。
- **BEDROCK_AWS_SESSION_TOKEN**：**LLM** 为 **bedrock** 时的可选会话 token。
- **BEDROCK_PROFILE_NAME**：**LLM** 为 **bedrock** 时的可选 AWS 配置文件名称。
- **OPENROUTER_API_KEY**：如果 **LLM** 为 **openrouter** 则必填。
- **OPENROUTER_MODEL**：如果 **LLM** 为 **openrouter** 则必填（默认：`openai/gpt-4o`）。
- **OPENROUTER_BASE_URL**：如果 **LLM** 为 **openrouter** 则可选（默认：`https://openrouter.ai/api/v1`）。
- **FIREWORKS_API_KEY**：如果 **LLM** 为 **fireworks** 则必填。
- **FIREWORKS_MODEL**：如果 **LLM** 为 **fireworks** 则必填（例如：`accounts/fireworks/models/llama-v3p1-8-instruct`）。
- **FIREWORKS_BASE_URL**：如果 **LLM** 为 **fireworks** 则可选（默认：`https://api.fireworks.ai/inference/v1`）。
- **TOGETHER_API_KEY**：如果 **LLM** 为 **together** 则必填。
- **TOGETHER_MODEL**：如果 **LLM** 为 **together** 则必填（例如：`openai/gpt-oss-20b`）。
- **TOGETHER_BASE_URL**：如果 **LLM** 为 **together** 则可选（默认：`https://api.together.ai/v1`）。
- **CEREBRAS_API_KEY**：如果 **LLM** 为 **cerebras** 则必填。
- **CEREBRAS_MODEL**：如果 **LLM** 为 **cerebras** 则必填（默认：`llama-3.3-70b`）。
- **CEREBRAS_BASE_URL**：如果 **LLM** 为 **cerebras** 则可选（默认：`https://api.cerebras.ai/v1`）。
- **ANTHROPIC_API_KEY**：如果 **LLM** 为 **anthropic** 则必填。
- **ANTHROPIC_MODEL**：如果 **LLM** 为 **anthropic** 则必填（默认：`claude-3-5-sonnet-20241022`）。
- **CODEX_MODEL**：如果 **LLM** 为 **codex** 则必填（Codex OAuth 流程；compose 映射主机端口 **1455** 用于回调）。
- **CUSTOM_LLM_URL**：如果 **LLM** 为 **custom** 时的兼容 OpenAI 的基础 URL。
- **CUSTOM_LLM_API_KEY**：如果 **LLM** 为 **custom** 时的 API 密钥。
- **CUSTOM_MODEL**：如果 **LLM** 为 **custom** 时的模型 ID。
- **LITELLM_BASE_URL**：如果 **LLM** 为 **litellm** 时的 LiteLLM proxy 或网关基础 URL。
- **LITELLM_API_KEY**：如果 **LLM** 为 **litellm** 时的可选 API 密钥。
- **LITELLM_MODEL**：如果 **LLM** 为 **litellm** 则必填（默认：`gpt-4.1`）。
- **LMSTUDIO_BASE_URL**：如果 **LLM** 为 **lmstudio** 时的可选 LM Studio 基础 URL（默认：`http://localhost:1234/v1`；省略时自动追加 `/v1`）。
- **LMSTUDIO_API_KEY**：如果 **LLM** 为 **lmstudio** 时的可选 API 密钥。
- **LMSTUDIO_MODEL**：如果 **LLM** 为 **lmstudio** 则必填（例如：`openai/gpt-oss-20b`）。
- **DISABLE_THINKING**=[true/false]：如果为 **true**，则对支持“思考”的提供商（包括 DeepSeek）禁用该功能。
- **WEB_GROUNDING**=[true/false]：如果为 **true**，则默认启用网络搜索。
- **WEB_SEARCH_PROVIDER**=[auto/native/searxng/tavily/exa]：选择网络搜索模式。`auto` 为 OpenAI, Google 和 Anthropic 使用原生搜索，除非您选择外部提供商，否则将关闭网络搜索。





- **WEB_SEARCH_MAX_RESULTS**：添加到模型上下文中的最大外部搜索结果数（默认为 `5`，最大为 `10`）。
- **SEARXNG_BASE_URL**：自托管 SearXNG 实例的基础 URL。
- **TAVILY_API_KEY**, **EXA_API_KEY**：可选的托管搜索 API 凭证。



- **EXTENDED_REASONING**=[true/false]：在配置的技术栈支持的情况下启用扩展推理。

#### Ollama

当 **LLM** 为 **ollama** 时使用：

- **OLLAMA_URL**：Ollama HTTP API 的基础 URL（例如从 Docker 内部的 `http://host.docker.internal:11434`）。
- **OLLAMA_MODEL**：Ollama 中的模型名称（例如 `llama3.2:3b`）。
- **START_OLLAMA**=[true/false]：容器 entrypoint (`start.js`)：可选的安装 + `ollama serve`。默认为 **false**（`development` / `production` compose）。

#### 演示文稿记忆 (Mem0 OSS)

Mem0 使用本地 Qdrant + SQLite (OSS)；记忆按每个演示文稿划分。

默认情况下，Docker 运行时现在将 Mem0 指向本地兼容 Ollama 的 LLM endpoint，因此它不再仅仅为了初始化而需要 OpenAI 密钥。如果您想改用 OpenAI，请将 `MEM0_LLM_BASE_URL`/`MEM0_LLM_API_KEY` 设置为您的 OpenAI 兼容 endpoint 和密钥。

Docker 镜像在构建期间安装默认的 spaCy 模型 (`en_core_web_sm`)，以便 Mem0 在每次运行时无需额外设置即可启动。

| 变量                         | 用途                                                                                                             |

| ---------------------------- | ---------------------------------------------------------------------------------------------------------------- |

| **MEM0_ENABLED**             | **true**/false（compose 默认为 **true**）。                                                                      |

| **MEM0_LLM_MODEL**           | Mem0 LLM 模型名称（compose 默认为 **`llama3.1:latest`** 或 `OLLAMA_MODEL`）。                                    |

| **MEM0_LLM_API_KEY**         | 兼容 OpenAI 的客户端的 Mem0 LLM API 密钥占位符（compose 默认为 **`ollama`**）。                                  |

| **MEM0_LLM_BASE_URL**        | Mem0 LLM 基础 URL（compose 默认为 **`OLLAMA_URL`** 或 `http://host.docker.internal:11434`）。                    |

| **MEM0_DIR**                 | 根目录（compose 默认为 **`/app_data/mem0`**）。                                                                  |

| **MEM0_EMBEDDER_PROVIDER**   | Embedder 后端（compose 默认为 **`fastembed`**）。                                                                |

| **MEM0_EMBEDDER_MODEL**      | 模型 ID（compose 默认为 **`BAAI/bge-small-en-v1.5`**）。                                                         |

| **MEM0_EMBEDDING_DIMS**      | 向量大小（compose 默认为 **384**）。                                                                             |

| **MEM0_SPACY_MODEL**         | 可选的 spaCy 模型覆盖（默认为 **`en_core_web_sm`**）。                                                           |

| **MEM0_REQUIRE_SPACY_MODEL** | 保持为 **true**（默认）。仅当您有意让 Mem0 在没有 spaCy 词形还原的情况下运行时才设置为 false。                   |

#### 文档解析 (LiteParse)

| 变量                      | 用途                                      |

| ------------------------- | ----------------------------------------- |

| **LITEPARSE_DPI**         | OCR 渲染 DPI（compose 默认为 **120**）。  |

| **LITEPARSE_NUM_WORKERS** | Worker 数量（compose 默认为 **1**）。     |

#### 数据库

- **DATABASE_URL**：SQLAlchemy URL；如果未设置，应用将回退到应用数据目录下的 SQLite。
- **MIGRATE_DATABASE_ON_STARTUP**：Compose 为所有服务设置为 **`true`**，以便在启动时运行迁移。

#### 图像生成

这些变量与 `docker-compose.yml` 匹配。**`IMAGE_PROVIDER`** 选择后端（`pexels`, `pixabay`, `gemini_flash`, `nanobanana_pro`, `dall-e-3`, `gpt-image-1.5`, `comfyui`, `open_webui`）。为 OpenAI 图像模式使用 **OPENAI_API_KEY**，为 Gemini 图像模式使用 **GOOGLE_API_KEY**（与 LLM 部分的密钥相同）。

- **DISABLE_IMAGE_GENERATION**=[true/false]：禁用幻灯片图像生成。
- **IMAGE_PROVIDER**：提供商 ID（参见上面的枚举）。
- **PEXELS_API_KEY**：Pexels 图库图像。
- **PIXABAY_API_KEY**：Pixabay 图库图像。
- **DALL_E_3_QUALITY**=[standard/hd]：**dall-e-3** 的可选参数（默认为 `standard`）。
- **GPT_IMAGE_1_5_QUALITY**=[low/medium/high]：**gpt-image-1.5** 的可选参数（默认为 `medium`）。
- **COMFYUI_URL** / **COMFYUI_WORKFLOW**：自托管的 ComfyUI 工作流 JSON。
- **OPEN_WEBUI_IMAGE_URL** / **OPEN_WEBUI_IMAGE_API_KEY**：兼容 Open WebUI 的图像 endpoint。
- **OPENAI_COMPAT_IMAGE_BASE_URL** / **OPENAI_COMPAT_IMAGE_API_KEY** / **OPENAI_COMPAT_IMAGE_MODEL**：如果使用 **openai_compatible** 将图像请求发送到任何兼容 OpenAI 的 `/v1/images/*` endpoint（LiteLLM, Azure, vLLM 网关等）则必填。

#### 遥测

- **DISABLE_ANONYMOUS_TRACKING**=[true/false]：设置为 **true** 以禁用匿名遥测。

#### 身份验证（Web 登录）

Presenton 为每个实例使用**单一管理员账户**。凭证存在于 `app_data` 中（已哈希；请参阅 `userConfig.json`）。使用 `-e` 或通过 `.env` 为 compose 传递这些参数：

- **AUTH_USERNAME** / **AUTH_PASSWORD** — 在首次启动时预设管理员登录（密码至少 6 个字符）。如果用户已存在则忽略，除非设置了 **AUTH_OVERRIDE_FROM_ENV**。
- **AUTH_OVERRIDE_FROM_ENV**=[true/false] — 如果为 **true**，则每次 FastAPI 启动时都会从环境变量替换已存储的凭证，并轮换会话签名密钥（使现有会话失效）。完成一次性轮换后请将其移除。
- **RESET_AUTH**=[true/false] — 如果为 **true**，则在启动时清除已存储的凭证。仅用于**单次**启动以恢复访问权限，之后请取消设置。

**示例**


```
docker run -it --name presenton -p 5001:80 -v "./app_data:/app_data" ghcr.io/presenton/presenton:latest
```



```
docker run -it --name presenton -p 5001:80 -e AUTH_USERNAME=admin -e AUTH_PASSWORD=changeme123 -v "./app_data:/app_data" ghcr.io/presenton/presenton:latest
```



```
docker run -it --name presenton -p 5001:80 -e AUTH_USERNAME=admin -e AUTH_PASSWORD=changeme123 -v "${PWD}\app_data:/app_data" ghcr.io/presenton/presenton:latest
```



```
docker stop presenton && docker rm presenton && docker run -it --name presenton -p 5001:80 -e AUTH_USERNAME=admin -e AUTH_PASSWORD=newcred456 -e AUTH_OVERRIDE_FROM_ENV=true -v "./app_data:/app_data" ghcr.io/presenton/presenton:latest
```



```
docker stop presenton && docker rm presenton && docker run -it --name presenton -p 5001:80 -e RESET_AUTH=true -v "./app_data:/app_data" ghcr.io/presenton/presenton:latest
```



```
docker stop presenton && docker rm presenton && docker run -it --name presenton -p 5001:80 -e AUTH_USERNAME=admin -e AUTH_PASSWORD=changeme123 -v "./app_data:/app_data" ghcr.io/presenton/presenton:latest
```


**手动重置：** 停止容器，编辑 `./app_data/userConfig.json`，删除 `AUTH_USERNAME`, `AUTH_PASSWORD_HASH` 和 `AUTH_SECRET_KEY`，保存后再次启动。

从应用中登出：**Settings → Other → Sign out**。

#### MCP 身份验证

配置身份验证后（`AUTH_USERNAME` / `AUTH_PASSWORD`），位于 `/mcp` 的 MCP endpoint 现在也需要进行身份验证。

1. 登录一次以获取 bearer token：


```
curl -s -X POST http://localhost:5001/api/v1/auth/login \

  -H "Content-Type: application/json" \

  -d '{"username":"admin","password":"changeme123"}'
```


响应包含：

- `access_token` (会话 token)
- `token_type` (`bearer`)

2. 配置您的 MCP 客户端，使其在每次请求时发送该 token：


```
{

  "mcpServers": {

    "presenton": {

      "url": "http://localhost:5001/mcp",

      "headers": {

        "Authorization": "Bearer "

      }

    }

  }

}
```


注意：

- 如果您使用 `AUTH_OVERRIDE_FROM_ENV=true` 轮换凭证，之前颁发的会话 token 将失效。
- MCP 在 Electron 桌面应用中不可用（`PRESENTON_ELECTRON=true`）。Electron 默认以 `DISABLE_AUTH=true` 运行，并且为避免身份验证冲突，MCP Server 在此处被禁用。









**按提供商列出的 Docker 运行示例**

与 compose 的变量相同；直接运行 `docker run` 时使用 `-e` 代替 `.env`。

- 使用 OpenAI
  
docker run -it --name presenton -p 5001:80 -e LLM="openai" -e OPENAI_API_KEY="******" -e IMAGE_PROVIDER="dall-e-3" -e CAN_CHANGE_KEYS="false" -v "./app_data:/app_data" ghcr.io/presenton/presenton:latest
- 使用 Google
  
docker run -it --name presenton -p 5001:80 -e LLM="google" -e GOOGLE_API_KEY="******" -e IMAGE_PROVIDER="gemini_flash" -e CAN_CHANGE_KEYS="false" -v "./app_data:/app_data" ghcr.io/presenton/presenton:latest
- 使用 Vertex AI (API 密钥模式)
  
docker run -it --name presenton -p 5001:80 -e LLM="vertex" -e VERTEX_API_KEY="******" -e VERTEX_MODEL="gemini-2.5-flash" -e IMAGE_PROVIDER="gemini_flash" -e CAN_CHANGE_KEYS="false" -v "./app_data:/app_data" ghcr.io/presenton/present:latest
- 使用 Azure OpenAI
  
docker run -it --name presenton -p 5001:80 -e LLM="azure" -e AZURE_OPENAI_API_KEY="******" -e AZURE_OPENAI_MODEL="gpt-4.1" -e AZURE_OPENAI_API_VERSION="2024-10-21" -e AZURE_OPENAI_ENDPOINT="https://YOUR-RESOURCE.openai.azure.com" -e IMAGE_PROVIDER="pexels" -e PEXELS_API_KEY="******" -e CAN_CHANGE_KEYS="false" -v "./app_data:/app_data" ghcr.io/presenton/presenton:latest
- 使用 Amazon Bedrock (按需模型 ID) — 有关推理配置文件、IAM 和故障排除的信息，请参阅 **[docs/amazon-bedrock.md](docs/amazon-bedrock.md)**。
  
docker run -it --name presenton -p 5001:80 -e LLM="bedrock" -e BEDROCK_REGION="us-east-1" -e BEDROCK_AWS_ACCESS_KEY_ID="******" -e BEDROCK_AWS_SECRET_ACCESS_KEY="******" -e BEDROCK_MODEL="us.anthropic.claude-3-5-haiku-20241022-v1:0" -e IMAGE_PROVIDER="pexels" -e PEXELS_API_KEY="******" -e CAN_CHANGE_KEYS="false" -v "./app_data:/app_data" ghcr.io/presenton/presenton:latest
- 使用 Amazon Bedrock (推理配置文件 ARN，例如 Claude Sonnet 4.6)
  
docker run -it --name presenton -p 5001:80 -e LLM="bedrock" -e BEDROCK_REGION="us-east-1" -e BEDROCK_AWS_ACCESS_KEY_ID="******" -e BEDROCK_AWS_SECRET_ACCESS_KEY="******" -e BEDROCK_MODEL="arn:aws:bedrock:us-east-1:YOUR_ACCOUNT_ID:inference-profile/us.anthropic.claude-sonnet-4-6" -e IMAGE_PROVIDER="pexels" -e PEXELS_API_KEY="******" -e CAN_CHANGE_KEYS="false" -v "./app_data:/app_data" ghcr.io/presenton/presenton:latest
- 使用 Fireworks
  
docker run -it --name presenton -p 5001:80 -e LLM="fireworks" -e FIREWORKS_API_KEY="******" -e FIREWORKS_MODEL="accounts/fireworks/models/llama-v3p1-8b-instruct" -e IMAGE_PROVIDER="pexels" -e PEXELS_API_KEY="******" -e CAN_CHANGE_KEYS="false" -v "./app_data:/app_data" ghcr.io/presenton/presenton:latest
- 使用 Together AI
  
docker run -it --name presenton -p 5001:80 -e LLM="together" -e TOGETHER_API_KEY="******" -e TOGETHER_MODEL="openai/gpt-oss-20b" -e IMAGE_PROVIDER="pexels" -e PEXELS_API_KEY="******" -e CAN_CHANGE_KEYS="false" -v "./app_data:/app_data" ghcr.io/presenton/presenton:latest
- 使用 Ollama
  
docker run -it --name presenton -p 5001:80 -e LLM="ollama" -e OLLAMA_MODEL="llama3.2:3b" -e IMAGE_PROVIDER="pexels" -e PEXELS_API_KEY="*******" -e CAN_CHANGE_KEYS="false" -v "./app_data:/app_data" ghcr.io/presenton/presenton:latest
- 使用 Anthropic
  
docker run -it --name presenton -p 5001:80 -e LLM="anthropic" -e ANTHROPIC_API_KEY="******" -e IMAGE_PROVIDER="pexels" -e PEXELS_API_KEY="******" -e CAN_CHANGE_KEYS="false" -v "./app_data:/app_data" ghcr.io/presenton/presenton:latest
- 使用 LM Studio (本地)
  
docker run -it --name presenton -p 5001:80 -e LLM="lmstudio" -e LMSTUDIO_BASE_URL="http://host.docker.internal:1234" -e LMSTUDIO_MODEL="openai/gpt-oss-20b" -e IMAGE_PROVIDER="pexels" -e PEXELS_API_KEY="******" -e CAN_CHANGE_KEYS="false" -v "./app_data:/app_data" ghcr.io/presenton/presenton:latest
- 使用兼容 OpenAI 的 LLM API
  
docker run -it -p 5001:80 -e CAN_CHANGE_KEYS="false"  -e LLM="custom" -e CUSTOM_LLM_URL="http://*****" -e CUSTOM_LLM_API_KEY="*****" -e CUSTOM_MODEL="llama3.2:3b" -e IMAGE_PROVIDER="pexels" -e  PEXELS_API_KEY="********" -v "./app_data:/app_data" ghcr.io/presenton/presenton:latest
- 在 GPU 支持下运行 Presenton

要将 GPU 加速与 Ollama 模型结合使用，您需要安装并配置 NVIDIA Container Toolkit。这允许 Docker 容器访问您的 NVIDIA GPU。

安装并配置 NVIDIA Container Toolkit 后，您可以通过添加 `--gpus=all` 标志在 GPU 支持下运行 Presenton：
  
docker run -it --name presenton --gpus=all -p 5001:80 -e LLM="ollama" -e OLLAMA_MODEL="llama3.2:3b" -e IMAGE_PROVIDER="pexels" -e PEXELS_API_KEY="*******" -e CAN_CHANGE_KEYS="false" -v "./app_data:/app_data" ghcr.io/presenton/presenton:latest
- 使用兼容 OpenAI 的图像提供商
这会将所有幻灯片图像请求通过您的兼容 OpenAI 的网关（LiteLLM, Azure, vLLM 等）进行路由，同时保持文本 LLM 配置独立：
  
docker run -it --name presenton -p 5001:80 -e IMAGE_PROVIDER="openai_compatible" -e OPENAI_COMPAT_IMAGE_BASE_URL="https://proxy.example.com/v1" -e OPENAI_COMPAT_IMAGE_API_KEY="******" -e OPENAI_COMPAT_IMAGE_MODEL="gpt-image-1" -v "./app_data:/app_data" ghcr.io/presenton/presenton:latest

# 

### ✨ 通过 API 生成演示文稿

**生成演示文稿**



Endpoint： /api/v1/ppt/presentation/generate


方法： POST


Content-Type： application/json





身份验证 (HTTP Basic)：


除了 /api/v1/auth/* 之外，所有的 /api/v1/ 路由都需要身份验证。发送您的 Presenton 管理员用户名和密码（与 Web UI 相同，或者 Docker 预设的 AUTH_USERNAME / AUTH_PASSWORD）。使用 curl 时，将它们直接放在 -u 后面作为 -u USERNAME:PASSWORD — 这就是 HTTP Basic 认证，并会自动为您设置 Authorization: Basic …。请将下面示例中的 username:password 替换为您的真实凭证。



**请求体**







参数

类型

必填

描述









content

string

是

用于生成演示文稿的主要内容。





slides_markdown

string[] | null

否

提供自定义的幻灯片 Markdown 以代替自动生成。





instructions

string | null

否

额外的生成指令。





tone

string

否



文本基调（默认："default"）。 

选项：default, casual, professional, 

funny, educational, sales_pitch







verbosity

string

否



内容密度（默认："standard"）。 

选项：concise, standard, text-heavy







web_search

boolean

否

启用网络搜索基础（默认：false）。





n_slides

integer

否

要生成的幻灯片数量（默认：8）。





language

string

否

演示文稿语言（默认："English"）。





template

string

否

模板名称（默认："general"）。





include_table_of_contents

boolean

否

包含目录幻灯片（默认：false）。





include_title_slide

boolean

否

包含标题幻灯片（默认：true）。





files

string[] | null

否



用于生成的文件。 

请先通过 /api/v1/ppt/files/upload 上传。







export_as

string

否



导出格式（默认："pptx"）。 

选项：pptx, pdf









**响应**

{

  "presentation_id": "string",

  "path": "string",

  "edit_path": "string"

**示例 (curl + 使用 -u 的 HTTP Basic 认证)**

curl -u username:password \

  -X POST http://localhost:5001/api/v1/ppt/presentation/generate \

  -H "Content-Type: application/json" \

  -d '{

   "content": "Introduction to Machine Learning",

    "n_slides": 5,

    "language": "English",

    "template": "general",

    "export_as": "pptx"

**示例响应**

{

  "presentation_id": "d3000f96-096c-4768-b67b-e99aed029b57",

  "path": "/app_data/d3000f96-096c-4768-b67b-e99aed029b57/Introduction_to_Machine_Learning.pptx",

  "edit_path": "/presentation?id=d3000f96-096c-4768-b67b-e99aed029b57"



注意： 

请在 path 和 edit_path 前加上服务器的根 URL，以构建有效的链接。



**文档与教程**



  


    

      部署 Presenton

    

  

  


    

      完整的 API 文档

    

  

  


    

      5 分钟内通过 API 生成演示文稿

    

  

  


    

      使用 AI 从 CSV 创建演示文稿

    

  

  


    

      使用 AI 创建数据报告

    

  



# 

### 🚀 路线图

在 GitHub Projects 上跟踪公开的路线图：[https://github.com/orgs/presenton/projects/2](https://github.com/orgs/presenton/projects/2)