PPTAgent実測：オープンソースAIツールでドキュメントを自動的に美しいPPTに変換

PPT作成の3つの大きな痛点、すべてのビジネスパーソンが経験済み

月曜日の部門定例会、四半期末のOKR報告、プロジェクト納品前のクライアントプレゼン——これらのシーンには共通の悪夢があります：PPTを作ること。

2026年のMicrosoft Work Trend Indexレポートによると、知識労働者は平均して週に3.2時間プレゼンテーション作成に費やしており、その60%はコンテンツ作成ではなくレイアウト調整に費やされています。さらに残酷な現実は：

1. コンテンツ抽出に時間がかかる：50ページの技術ドキュメントから15ページの精华を抽出するには、繰り返し読み込み、要約し、再構成する必要があります
2. レイアウトデザインのハードルが高い：配色、配置、テキストと画像の比率——デザイナーでない限り、「見られる」スライドを作るのは難しい
3. 繰り返しの作業が深刻：毎回報告のたびに「テンプレートを探す→内容を埋める→フォーマットを調整する」という死循環

市場にはPPTツールが不足していませんが、ドキュメントの内容を理解して構造化されたプレゼンテーションを自動生成するオープンソースソリューションは、PPTAgentの登場までこの空白を埋めていませんでした。

PPTAgentとは：単なる「ドキュメントからPPTへの変換」ではない

PPTAgentは中国科学院計算技術研究所（ICIP-CAS）がオープンソース化したAIプレゼンテーション生成フレームワークで、GitHubではすでに4,900以上のStarsを獲得しています。これは単なるテンプレート埋め込みツールではなく、マルチエージェント協調システム（Agentic Framework）であり、以下のことができます：

• ドキュメントの深い理解：PDF、Word、Excelなどの形式を解析し、核心的な論点とデータを自動抽出
• 反省型生成：Research → Design → Reflectの反復サイクルを通じて、出力品質を継続的に最適化
• テキストと画像の統合：テキストから画像を生成するモデルを自動呼び出しして図を生成、またはドキュメントからグラフを抽出
• マルチフォーマット出力：PPTXネイティブ形式とHTMLスライドをサポート

ドキュメント入力 → Research Agent（コンテンツ研究）→ Design Agent（ビジュアルデザイン）→ 反省最適化 → PPTX出力

2025年8月、PPTAgentの論文はEMNLP 2025に採択されました。2026年4月、ファインチューニングモデルDeepPresenterはACL 2026に採択されました——これはこの方法論に対するアカデミアの二重の認可です。

コア機能マトリックス：PPTAgentで何ができるか

3つの実行モード

1. CLIモード（個人利用推奨）

# インストール
uv tool install pptagent

# インタラクティブ設定ウィザード
pptagent onboard

# 一言でPPTを生成
pptagent generate "第4四半期報告" -o report.pptx

# 添付ファイル付きで生成
pptagent generate "技術方案レビュー" \
  -f architecture.pdf \
  -f benchmark.xlsx \
  -p "10-15" \
  -o tech-review.pptx

2. Docker Compose（サーバーデプロイメント）

docker pull forceless/deeppresenter-sandbox
docker pull forceless/deeppresenter-host
docker tag forceless/deeppresenter-sandbox deeppresenter-sandbox
docker tag forceless/deeppresenter-host deeppresenter-host

docker compose up -d
# http://localhost:7861 にアクセス

3. ソースコードビルド（開発者モード）

git clone https://github.com/icip-cas/PPTAgent.git
cd PPTAgent
uv pip install -e .
playwright install-deps && playwright install chromium
npm install --prefix deeppresenter/html2pptx
python webui.py

技術アーキテクチャの深層解析

PPTAgentのコアデザインコンセプトは**「反省型生成」**（Reflective Generation）です——一度に出力するのではなく、複数回の反復を通じて最適結果に近づいていきます。

マルチエージェント協調フロー

┌─────────────────────────────────────────────────┐
│                  AgentLoop.run()                 │
├─────────────────────────────────────────────────┤
│                                                 │
│  ┌──────────┐    ┌──────────┐    ┌──────────┐  │
│  │ Research │───▶│  Design  │───▶│ Reflect  │  │
│  │  Agent   │    │  Agent   │    │  Loop    │  │
│  └──────────┘    └──────────┘    └──────────┘  │
│       │               │               │        │
│       ▼               ▼               ▼        │
│  ┌──────────┐    ┌──────────┐    ┌──────────┐  │
│  │  Web     │    │  HTML    │    │  品質    │  │
│  │  Search  │    │  Render  │    │  評価    │  │
│  │  arXiv   │    │  PPTX    │    │  修正    │  │
│  └──────────┘    └──────────┘    └──────────┘  │
│                                                 │
└─────────────────────────────────────────────────┘

Research Agentはコンテンツ層を担当します：入力ドキュメントを解析し、必要に応じてインターネット検索で背景知識を補足し、構造化された「研究報告」（manuscript）を生成します。コンテキスト管理をサポートし、ドキュメントが長すぎる場合は初期内容を自動折りたたみ（context_folding: true）、モデルのコンテキストウィンドウを超えるのを回避します。

Design Agentはビジュアル層を担当します：コンテンツタイプ（技術報告/製品紹介/教育教材）に応じて適切なレイアウトを選択し、HTMLスライドコードを生成し、Playwrightで画像にレンダリングするか、直接PPTXに変換します。

Reflection Loopは品質保証の鍵です：システムは生成されたコンテンツの完全性、論理性、視覚的一貫性を評価し、問題が発見された場合は自動修正をトリガーし、最大10ラウンド反復します（MAX_SUBAGENT_TURNS）。

サンドボックス分離メカニズム

PPTAgentはDockerサンドボックスを使用してコード生成タスク（グラフ描画、データ処理）を実行し、悪意のあるコードがホスト環境に影響を与えるのを回避します。コア設定：

# サンドボックスタイムアウト制御
MCP_CONNECT_TIMEOUT: 120  # 接続タイムアウト（秒）
MCP_CALL_TIMEOUT: 1800    # 呼び出しタイムアウト（秒）

# ツール呼び出し制限
MAX_TOOLCALL_PER_TURN: 7  # 1ラウンドあたり最大7つのツール呼び出し
TOOL_CUTOFF_LEN: 4096     # ツール出力切り捨て閾値（文字）

モデル設定の柔軟性

PPTAgentは特定のLLMプロバイダーにバインドされず、OpenRouterまたはLiteLLMを通じて100以上のモデルをサポートします：

# config.yamlの例
research_agent:
  base_url: "https://openrouter.ai/api/v1"
  model: "anthropic/claude-sonnet-4.5"
  api_key: "your_key"

design_agent:
  base_url: "https://openrouter.ai/api/v1"
  model: "google/gemini-3-pro-preview"
  api_key: "your_key"

# LiteLLMルーティングもサポート
# research_agent:
#   provider: "litellm"
#   model: "anthropic/claude-sonnet-4-6"
#   api_key: "your_anthropic_key"

公式はファインチューニングモデルDeepPresenter-9B（HuggingFaceからダウンロード可能）の使用を強く推奨しており、PPT生成タスクでは汎用オープンソースモデルを大幅に上回ります。

PPTAgent vs Gamma vs Beautiful.ai vs ChatBA：横断比較

市場には多くのAI PPTツールがありますが、ポジショニングは大きく異なります。以下は2026年の主流ソリューションの比較です：

核心的な違いのまとめ：

• PPTAgentは唯一のオープンソースソリューションで、データは完全にローカル化され、プライバシー要件のある企業シナリオに適しています
• PPTAgentの反省メカニズムは独自の優位性です——他のツールはすべて「一度きりの生成」ですが、PPTAgentは自己チェックと修正を行います
• Gamma/Beautiful.aiは使いやすさに優れています——ウェブページを開くだけで使用でき、環境設定は不要です
• PPTAgentのドキュメント理解能力が最も強い——50ページのPDFを直接投入し、自動的に要点を抽出できます

実践：技術ドキュメントからプレゼンPPTまでの完全フロー

以下では、実際の技術ホワイトペーパーを使用して、PPTAgentの完全なワークフローをデモンストレーションします。

ステップ1：環境準備

# uv（Pythonパッケージマネージャー）をインストール
curl -LsSf https://astral.sh/uv/install.sh | sh

# PPTAgentをインストール
uv tool install pptagent

# 初回設定（インタラクティブウィザード、LLM APIキーを設定）
pptagent onboard

pptagent onboardは以下をガイドします： 1. LLMプロバイダーの選択（OpenRouter/OpenAI/カスタム） 2. APIキーの入力 3. オプション設定：Tavily（検索強化）、MinerU（PDF解析強化）、T2Iモデル（画像生成強化）

ステップ2：PPTの生成

# 基本的な使い方：一言で生成
pptagent generate "Transformerアーキテクチャの核心原理を紹介" -o transformer.pptx

# 高度な使い方：ドキュメントに基づいて生成
pptagent generate "添付ドキュメントに基づいて技術報告PPTを作成してください" \
  -f ~/docs/annual-report-2026.pdf \
  -f ~/data/metrics.xlsx \
  -p "12-18" \
  -o annual-review.pptx

パラメータ説明： - -f：添付ファイルパス、PDF/Word/Excel/Markdownをサポート - -p：ターゲットページ数範囲（例："12-18"は12から18ページを意味） - -o：出力ファイルパス

ステップ3：確認と調整

生成されたPPTXファイルは、PowerPoint、WPS、またはGoogle Slidesで直接開いて編集できます。PPTAgentの出力特徴：

• 構造が明確：各ページに明確なテーマがあり、論理的に進行
• テキストと画像のマッチング：重要な概念には自動生成された図やデータグラフが付属
• スタイルが統一：配色とフォントが全体で一貫

調整が必要な場合は、プロンプトを修正して再生成するか、PPTXファイルを直接手動で編集できます。

Web UIの使用

# ソースコードモードでWeb UIを起動
python webui.py

# またはDockerモードで
docker compose up -d
# http://localhost:7861 にアクセス

Web UIは、ドキュメントアップロード、プロンプト編集、結果プレビューのビジュアル機能を提供し、コマンドラインに不慣れなユーザーに適しています。

高度な使い方：カスタムテンプレート、バッチ処理、API統合

カスタムテンプレート

PPTAgentはカスタムPPTXテンプレートのインポートをサポートし、生成されたプレゼンテーションが企業VI規格に適合するようにします：

# テンプレートを実行ディレクトリに配置
cp company-template.pptx ~/.cache/deeppresenter/templates/

# 生成時にテンプレートを指定
pptagent generate "製品紹介" \
  --template company-template.pptx \
  -o product-intro.pptx

テンプレートのマスタレイアウト、配色スキーム、フォント設定は保持され、PPTAgentはコンテンツ領域のみを埋めます。

バッチ処理

PPTのバッチ生成が必要なシナリオ（例：各論文のプレゼンテーションを自動生成）では、スクリプトを作成できます：

import subprocess
import glob

papers = glob.glob("papers/*.pdf")
for paper in papers:
    output = paper.replace(".pdf", ".pptx").replace("papers/", "presentations/")
    subprocess.run([
        "pptagent", "generate",
        "この論文に基づいて15分の学術報告PPTを作成してください",
        "-f", paper,
        "-p", "15-20",
        "-o", output
    ])
    print(f"Generated: {output}")

MCP統合：他のAI AgentにPPTAgentを呼び出させる

PPTAgentはMCP Serverモードを提供し、他のAgent（OpenClaw、Hermesなど）からツールとして呼び出すことができます：

// mcp.json設定
{
  "mcpServers": {
    "pptagent": {
      "command": "pptagent-mcp",
      "args": [],
      "env": {
        "DEEPPRESENTER_WORKSPACE_BASE": "~/.cache/deeppresenter"
      }
    }
  }
}

設定後、他のAgentはMCPプロトコルを通じてPPTAgentのプレゼンテーション生成機能を呼び出し、「対話式PPT作成」を実現できます。

完全オフラインモード

データに敏感なシナリオでは、PPTAgentは完全オフライン実行をサポートします：

# config.yaml
offline_mode: true

# ローカルPDF解析をデプロイ（MinerU）
# ローカルLLMをデプロイ（DeepPresenter-9B GGUFなど）
# ローカルT2Iモデルを設定

オフラインモードでは、すべての処理がローカルで完了し、外部サービスにデータを送信しません。

限界と注意事項

PPTAgentは万能ではありません、以下は現在のバージョンで知られている制限です：

1. Windowsネイティブ環境をサポートしない：WindowsユーザーはWSL（Windows Subsystem for Linux）を使用する必要があります
2. LLM APIコスト：15ページのPPTを生成するには約50K-100Kトークンを消費し、GPT-4レベルのモデルを使用すると約$0.5-1.5/回
3. 初回起動が遅い：Dockerイメージをダウンロードする必要があり（sandbox + hostで約3GB）、その後の起動は高速
4. 中国語レイアウトに時折問題：一部の中国語フォントがHTMLレンダリング時に配置のずれが発生する可能性があり、生成後にPowerPointで微調整することを推奨
5. 複雑なグラフのサポートが限定的：高度にカスタマイズされたデータビジュアライゼーション（インタラクティブグラフなど）については、引き続き手動処理が必要
6. 外部サービスはオプションだが推奨：Tavily検索とMinerU PDF解析は品質を大幅に向上させますが、追加のAPIキーが必要

パフォーマンスベンチマーク

M2 MacBook Pro（16GB RAM）での実測データ：

総括評価

PPTAgentは現在最も強力なオープンソースAI PPT生成フレームワークであり、他の追随を許しません。その核心的な優位性は：

• 学術レベルの方法論：EMNLP 2025 + ACL 2026の二大トップカンファレンス論文の裏付け
• 反省型生成：一度きりの出力ではなく、多輪反復最適化
• 完全オープンソース：MITライセンス、データローカル化、自由にカスタマイズ可能
• 豊富なエコシステム：CLI/Web UI/MCP Serverの3つのモードで、個人からチームまでカバー

推奨ユーザー： - 技術報告を頻繁に作成する必要がある開発者/研究者 - データプライバシー要件のある企業ユーザー - PPT生成をAIワークフローに統合したいAgent開発者 - オープンソースソリューションを基に二次開発したいチーム

非推奨ユーザー： - たまにしかPPTを作らない一般ユーザー（Gammaの方が簡単） - 極端なデザイン性を必要とするブランドプレゼンテーション（引き続きプロのデザイナーが必要） - LLM APIキーを持たず、設定したくないユーザー

PPTAgentはAI PPT生成の新パラダイムを代表しています：人間がPPTを作るのを代替するのではなく、人間のニーズを理解した上で、自動的に高品質なドラフトを生成する。それでもレビューと調整は必要ですが、「0から0.8へ」の繰り返しの作業は、ついにAIに任せることができます。

よくある質問（FAQ）

1. PPTAgentは無料ですか？

PPTAgent自体は完全に無料でオープンソース（MITライセンス）ですが、実行時にはLLM APIが必要です。OpenRouterなどのサービスのモデルを使用するとAPI費用が発生し、15ページのPPTを生成すると約$0.5-1.5です。DeepPresenter-9Bモデルをローカルにデプロイすれば、ゼロコストで実行できます（十分なGPUメモリが必要）。

2. PPTAgentはどの言語をサポートしていますか？

PPTAgentは中国語と英語のドキュメント解析とPPT生成をサポートしています。他の言語（日本語、韓国語など）については、コンテンツ生成は基本的に使用可能ですが、レイアウトは手動調整が必要になる場合があります。Web UIインターフェースは21言語をサポートしています。

3. 生成されるPPTの品質は？手動で修正する必要がありますか？

PPTAgentが生成するPPTの構造とコンテンツ品質は高く、内部技術共有やドラフトとして直接使用できます。ただし、正式なクライアントプレゼンテーションやブランドショーケースについては、PowerPointで微調整することをお勧めします（フォントの調整、画像の置き換え、アニメーションの最適化）。反省メカニズムは初回生成の品質を大幅に向上させます。

4. 会社社内ネットワークにPPTAgentをデプロイするには？

PPTAgentは完全オフラインモードをサポートしています。手順：1）インターネット接続環境でDockerイメージを取得；2）DeepPresenter-9B GGUFモデルをローカルにダウンロード；3）MinerUローカルPDF解析サービスをデプロイ；4）config.yamlでoffline_mode: trueを設定。すべての処理がローカルで完了し、外部にデータを送信しません。

5. PPTAgentとManus/ChatGPTのPPT機能の違いは何ですか？

ManusとChatGPTのPPT機能は本質的に「テキスト→PPT」です——テキスト記述を理解してテンプレートを埋めます。PPTAgentの核心的な違いは：1）深いドキュメント理解——PDF/Excelなどの複雑なドキュメントを直接解析；2）反省メカニズム——生成後に自己チェックと修正；3）オープンソースで制御可能——データはローカルから出ず、モデルは置き換え可能。