怎么给一份 PPT 配一个会讲解、能回答问题的 3D AI

大家好，我是 Florian，12 年产品开发经验，目前专注 AI Agents & Workflows 构建。

所以我一直想试一件事：能不能给 PPT 配一个 AI 讲解员，让它按页讲内容，观众中途可以打断提问，回答完以后还能接着原来的位置继续讲。

最近看到魔珐星云黑客松里的 PPT 智能讲解系统和 PPTalk，我发现这个想法已经有了比较完整的实现基础。它提供数字人的实时渲染、说话和交互能力，剩下要做的，是把 PPT 页面、讲解词、资料问答和打断续讲接进同一套流程里。

这篇文章就以一份真实 PPT 为例，看看这套方案怎么搭、哪些能力可以直接使用、哪些部分仍然需要自己开发，以及它究竟适不适合企业里的培训、产品介绍和重复讲解场景。

这套应用要补齐 8 个环节

1. 创建数字人应用；
2. 跑通官方 Demo；
3. 把 PPT 转成图片和逐页文本；
4. 增加 PPT 展示与翻页控制；
5. 为每一页生成讲解词；
6. 让 AI 根据资料回答问题；
7. 处理打断、回答和续讲；
8. 构建并部署到 HTTPS 页面。

魔珐星云 SDK 负责数字人的渲染、说话和状态切换。PPT 解析、页面控制和资料问答要在应用里补上。

第一步：创建数字人应用

登录魔珐星云控制台，在“应用管理—驱动应用”里创建应用，选择形象、场景、音色和表演风格。这里还要确定横屏或竖屏，网页里的数字人容器要使用相同的比例。

创建应用时，可以选择预览模式（横屏/竖屏）

同时，根据自己的诉求，可以选择不同国家的语言、音色

创建后进入 App 密钥页面，保存 App ID 和 App Secret，后面连接 SDK 时要用。

第二步：先跑通官方 Demo

官方 JS Demo 已经接好了数字人、LLM 和 ASR，可以直接拿来搭第一版。电脑准备好 Node.js 16 以上版本和 pnpm，然后运行：

git clone https://github.com/publicize0828/XmovLiteAvatarJSDemocd XmovLiteAvatarJSDemopnpm installpnpm run dev

打开 http://localhost:5173，在配置面板填写三组信息：

• Avatar：魔珐星云的 ‎App ID / App Secret
• LLM：模型和 API Key；使用 Coze 时还要填写 Bot ID
• ASR：选择腾讯云、讯飞或 xmovASR，再填写对应密钥

先用文字输入发一个问题，确认数字人能加载并播报模型回答，再测试语音输入。到这里跑通的是“输入 → LLM → 数字人口播”，还没有接入 PPT。

第三步：把 PPT 整理成应用能读取的资料

官方 Demo 没有内置 PPT 上传和解析。第一版可以把每一页导出成图片，放进项目的 public/slides/，再把页面文字和演讲者备注整理到 slides.json。

[  {    "slide": 1,    "image": "/slides/01.png",    "title": "这一页的标题",    "content": "页面上的正文和图表说明",    "notes": "演讲者备注",    "narration": "数字人实际播报的讲解词"  }]

页数不多时，手动整理反而方便检查。需要批量处理大量文件，再增加 PPT/PDF 解析和图片转换服务。这一段是应用侧的工作，魔珐星云不会自动完成。

第四步：增加 PPT 展示和翻页控制

在 Demo 里增加一个 SlideViewer 组件，一边显示当前页图片，一边保留数字人。页面控制器需要记住当前页、讲解状态和被打断前的位置：

const presentation = {  currentSlide: 0,  mode: "presenting", // presenting / listening / answering / paused  resumeSlide: 0,  autoPlay: true}

点击上一页或下一页时，同时更新图片和 currentSlide。自动讲解时，等数字人的播报结束回调触发，再进入下一页，不要用固定时长控制翻页。

魔珐星云还提供了 widget_slideshow 事件，可以返回图片 URL 和页码。SDK 不会替你渲染 PPT，使用这条路线时，要在 proxyWidget 里写好页面展示逻辑。

第五步：提前生成每一页的讲解词

逐页内容相对固定，我会先生成讲解词并保存到 narration，播放时直接读取。这样翻页更稳，发布前也能逐页检查。

请根据下面这页 PPT 写一段口语化讲解。页面标题：{{title}}页面正文：{{content}}演讲者备注：{{notes}}要求：- 先说本页结论，再解释图表或细节；- 控制在 120—180 个汉字；- 不补充资料中没有的数字和承诺；- 不逐行朗读页面文字。

120—180 个汉字是我给这次演示设置的检查点，可以按内容调整。涉及价格、参数和政策时，讲解词需要人工复核。

第六步：让 AI 根据 PPT 回答

观众提问时，模型要收到当前页码、当前页内容和相关资料。内容较短的 PPT 可以直接带上全部逐页文本；资料很长时，先检索相关页面，再把命中的内容交给模型。

你是一名 PPT 讲解员。当前页码：{{current_slide}}当前页内容：{{current_content}}相关资料：{{retrieved_slides}}用户问题：{{question}}只根据相关资料回答。资料没有答案时，直接说“这份 PPT 没有提供相关信息”。回答尽量简短；引用其他页面时，说明页码。

官方 Demo 的 LLM 接入在 src/services/llm.ts，主要业务状态在 src/stores/app.ts。PPT 上下文和问答模式可以从这两个文件接入。

第七步：接好打断和续讲

观众按下“提问”后，应用先把 currentSlide 保存到 resumeSlide，清空还没送出的讲解队列，再调用 interactiveidle() 停止当前播报。语音识别结束后让数字人切到 think()，模型返回答案，再交给 speak()。

官方 Demo 的 ActionManager 已经负责分句和播报队列，继续沿用它，不要连续直接调用多次 speak()。官方文档也要求两次完整播报之间先切回 interactive_idle，等语音状态回调确认上一段结束，再发送下一段。

回答结束后显示“继续讲解”和“留在本页”。选择继续时，从 resumeSlide 恢复；选择留在本页时，保留页面并等待下一个问题。

第八步：构建并部署

本地测试完成后运行：

pnpm run buildpnpm run preview

构建结果会出现在 dist 目录。把它部署到 Web 服务后，要确保页面使用 HTTPS，官方文档注明部分方法不支持普通 HTTP。

开发阶段可以在本地配置密钥。公开上线时，不要把 LLM 和 ASR 的 Key 写进前端代码；通过服务端代理请求，魔珐星云的正式鉴权方式也要与官方确认。

发布前按这张表验收

我会故意问一个 PPT 里没有答案的问题。如果 AI 顺手编了一段，这个版本就不适合讲产品参数、培训规则和政策内容。

这类 PPT 更适合增加 AI 讲解员

这套方案更适合需要反复讲解的资料，例如员工培训、产品介绍、课程资料和展厅大屏。观众经常问相似的问题，资料范围又比较清楚，做成交互式讲解才有实际价值。

一次性汇报没必要增加这套配置。合同、财务决策和未公开资料也要谨慎处理。

成本和商业授权

魔珐星云当前按积分计费。官方定价页显示，基础音色实时驱动消耗 0.5 积分/分钟，Pro 音色为 2 积分/分钟；开发者调试默认共 3 路并发。用于商业场景前，还要确认书面授权和最终报价。

做完以后，我会重点看两件事：观众能不能顺畅打断，AI 能不能守住 PPT 的资料范围。数字人好不好看一眼就能判断，这两项才决定它能不能真的替人接住重复讲解。

如果你有一份能自己讲、还能回答问题的 PPT，你会先拿它做什么？

体验地址：https://www.xingyun3d.com/login-register

新用户福利：新用户注册可以填写魔珐星云的邀请码:[JMZAQFXSRT]可免费获取1000积分