SlideBot AI 開源簡報產生器，把主題與錄音變成整份簡報

Facebook Line Messenger Telegram

把一份會議錄音或 Word 報告丟進去、換回一份中文簡報，這個命題在 2026 年已經被無數「AI PPT 生成器」重複過：Gamma、ChatPPT、Tome、Beautiful.ai、Canva AI、小米 PPT 都在做。SlideBot 的差異不在於「也做得到」，而在於它把整套流程 以 MIT 授權開源，作者同時掛了一個海外與一個中國大陸的 demo 站讓你試水（2026-09 實測兩站均已失效）。本文的判斷是：它是一個有趣的開源 BYOK 樣板，能讓你看清楚 AI PPT 工具後端的真實長相，但 不適合當穩定的生產工具，官方 repo 從 2026-01-31 之後就沒有再推送過任何 commit，線上 demo 掛在裸 IP 上、需要邀請碼才能登入，要實際用得自己架、自己申請 Gemini API key、自己吸收成本。把它當作「AI PPT 生成器的一種開源參考實作」最合適。

想走自架路線、用圖像生成模型把每一頁簡報直接渲染出來的人，可以另看開源的 Banana Slides，但要先知道它自架不等於離線，頁面內容會送到你設定的雲端圖像 API。

若你要的不只是網頁式 AI 簡報，而是把整份文件交給 AI agent 在本機做成「可繼續編輯」的 PowerPoint，之前寫過的〈PPT Master：開源 AI 簡報工作流〉走的就是這條原生可編輯路線。

先把身份與授權講清楚。SlideBot 的 GitHub repo 是 tonyqinatcmu/SlideBot-AI，MIT 授權，前端 React 18、後端 FastAPI（Python 3.10+），核心的簡報大綱與配圖都呼叫 Google Gemini，語音轉寫則另外接 科大訊飛（iFlytek）雲端 ASR。截至 2026-09-26，repo 累計 1216 顆星、226 個 fork、2 個未解 issue，但 4 次 commit 全部集中在 2026-01-31 同一天，也就是說這是一個「一日遷移、然後停在原地」的倉庫，作者把舊專案（原名 SlideFlow AI）改名為 SlideBot AI 上傳後，八個月來沒有再維護。不少介紹把它定位成「線上生產力工具」，這個說法只反映了作者掛的 demo 站，沒有把 SlideBot 真正的開源自架本質寫出來。

SlideBot AI 的 GitHub 專案頁 tonyqinatcmu/SlideBot-AI，顯示 MIT 授權、JavaScript 語言標籤與 1215 stars — tonyqinatcmu/SlideBot-AI GitHub 專案頁。截至 2026-07-22 累計 1215★、232 forks、2 個未解 issue，4 次 commit 全集中在 2026-01-31。（圖片來源：SlideBot AI GitHub）

兩種使用路徑：作者 demo 還是自己架

SlideBot 實際上有兩種使用路徑，第一種是作者官方掛的 demo 站，第二種是 clone repo 自己架。作者在 README 提供的 demo 是：海外 http://47.77.231.44/、中國大陸 http://223.6.255.214/，兩個都是裸 IP 沒有域名，登入時需要邀請碼，README 寫的預設邀請碼是 VISITOR。這個設計代表作者把 demo 當作有限度開放的預覽，而不是對全世界穩定提供的 SaaS。2026-07-22 實測海外站仍可回應（uvicorn 標頭），2026-09-26 再測則是海外站直接拒絕連線、中國大陸站的前端 nginx 傳回 502 Bad Gateway，兩個 demo 實質上都已失效；把服務掛在裸 IP 上、沒有任何營運承諾，這就是自然的結局。

第二種路徑是 clone repo 自己架。依 README 的 Quick Start：git clone、pip install -r requirements.txt、cp .env.example .env 填入自己的 Gemini API key、cd frontend && npm install && npm run build、python server.py，然後造訪 http://localhost:8001。預設邀請碼一樣是 VISITOR，可以自己改 invite_codes.json。這條路徑的好處是 AI 呼叫走你自己的 Gemini 配額、產生的內容不經過作者伺服器；代價是你得自己處理 Python 環境、Node 18+ 建置、Gemini API 配額成本，還有 Gemini 在你所在地區的可用性：依 Google 官方支援清單，台灣在 Gemini API 與 Google AI Studio 的支援地區內、申請 key 沒有區域障礙；香港與中國大陸不在清單上，從這兩地使用會直接撞上區域限制。這個現實會決定 SlideBot 對你「是否能跑」。

核心流程：六個步驟把素材變成 ZIP

不論走哪條路徑，SlideBot 的核心流程都依 README 公開的六步驟：① 輸入主題／大綱／素材（可上傳會議錄音讓 AI 自動轉寫，或上傳 PDF／Word／PPT／Excel 讓 AI 抽要點）；② 選風格（商務簡約／酷炫技術／自訂）並設定頁數、配色、字體、Logo 與母版；③ AI 生大綱，使用者可改；④ AI 為每頁生設計方案（配色、版面、圖表建議），使用者可改；⑤ AI 用 Gemini 逐頁生圖（2K 或 4K）；⑥ 下載 ZIP（全部頁面圖）或 PDF。注意最後一步：SlideBot 目前不輸出原生 PPTX，要拿到可編輯的 PowerPoint 檔必須再用 WPS 或其他工具把 PDF 轉一次；這個限制 GitHub Issue #2（2026-06-18）明確反映過，作者至今未回應。

SlideBot AI README 中展示的生成結果範例：研究流程圖、背景分析、架構圖、業務分析四張簡報頁 — SlideBot AI README 展示的生成結果範例（研究流程圖、背景分析、架構圖、業務分析）。官方 demo 與自架執行結果會因 Gemini 模型版本而差異。（圖片來源：SlideBot AI 官方 README）

面向	SlideBot（開源自架）	Gamma／Beautiful.ai（SaaS）
原始碼	MIT 開放	閉源
AI 模型	BYOK Gemini（自負額度）	業者吸收（含在訂閱費）
資料流向	自己架：素材↔Gemini；用 demo：素材↔作者伺服器↔Gemini	素材↔業者伺服器↔AI 模型
輸出格式	ZIP 圖片、PDF（無原生 PPTX）	PPTX、PDF、網頁連結
錄音轉寫	科大訊飛 ASR（雲端、可選）	業者內建（多半 Whisper 或自調）
邀請門檻	demo 需邀請碼 VISITOR（2026-09 已失效）	註冊即用
維護狀態	2026-01-31 後未再 push	商業持續營運

資料來源：SlideBot repo README 與 Gamma／Beautiful.ai 公開說明（截至 2026-09-26）。

從 repo 結構看作者的設計選擇

如果你決定 fork SlideBot 來改，modules/ 目錄是最值得先讀的入口。README 列出的後端模組清楚切出五條責任邊界：modules/config.py 放所有 API key 與路徑常數、modules/prompts.py 集中所有 Gemini 提示詞模板、modules/gemini_api.py 封裝 Gemini 呼叫、modules/asr.py 封裝科大訊飛 ASR、modules/invite_codes.py 處理邀請碼驗證。這個切法讓「換模型」「換 ASR」「換進入門檻」三件事各自獨立，例如想把 Gemini 換成 GPT-4o 或 Claude，主要改 gemini_api.py 與 prompts.py 兩個檔；想把訊飛換成本地 Whisper，主要改 asr.py。不過模組獨立不代表改造輕鬆，README 沒列出 prompt 模板的具體格式，你得自己讀 prompts.py 原始碼才能理解作者用什麼結構喂 Gemini，這是 fork 改造的最大進入門檻。

前端架構相對簡單，frontend/src/App.js 是 README 點名的「主組件，包含所有 UI 邏輯」，單檔集中而不是拆成多個 route 與 component，這對一次性上傳的專案合理，但對想長期維護的 fork 來說是負擔。輸出目錄設計也值得注意：outputs/（生成的圖）、references/（上傳的參考文件）、audio/（錄音）、records/（使用記錄）都是 server 啟動時自動建立，沒有任何資料庫，所有使用狀態都落在檔案系統。這讓 SlideBot 適合單機、單人、單次性使用，不適合多人協作或長期累積歷史紀錄，要做成團隊工具得自己加資料庫層。

BYOK 成本與隱私邊界：Gemini + 訊飛 + 自架伺服器

SlideBot 的 BYOK 模型把成本與隱私邊界攤得很明白，這也是它跟 SaaS 同類工具最大的差異。你必須自己申請 Google Gemini API key（README 指到 Google AI Studio），簡報文字、大綱、每頁配圖都會送到 Gemini，也就是說 免費額度用完就是你的帳單。語音轉寫是另一條獨立的鏈路：README 的 .env.example 顯示要額外填 IFLYTEK_APP_ID 與 IFLYTEK_API_SECRET，這代表會議錄音會被送到 科大訊飛的雲端 ASR 服務 處理，不是本機跑 Whisper。換句話說 SlideBot 的「自架」並不等於「全離線」：自架只是把簡報內容留在你自己的伺服器，但 AI 推理與語音轉寫兩條鏈路一定經過第三方雲端。對隱私敏感的企業用途，這條邊界需要單獨評估，「純前端」並不等於 ASR 在地是同一類問題。

順帶一提，SlideBot 2.0（README 自稱版本號）對輸出圖片做了一個值得記下的最佳化：所有生成的頁面圖會自動壓成 JPEG q85，README 宣稱體積比原始 PNG 縮小 60% 以上，目的是讓 ZIP 下載與 PDF 匯出檔案在郵件、IM 分享時不容易撞到附件大小上限。這個最佳化的副作用是：如果你之後把圖拉進 WPS／PowerPoint 二次編輯，再印出來，會多壓一次失真。對純螢幕演示無感，對高品質印刷輸出有感。

真實的維護狀態：4 個 commit、2 個 issue、八個月沒動

本文不會把 SlideBot 寫成「活躍維護中的開源專案」。GitHub 上的客觀數字是：總計 4 個 commit，全部擠在 2026-01-31 同一天，內容分別是「從舊 repo 遷移」「更新介紹影片連結」「改名為 SlideBot AI」「修改 README」，也就是典型「把舊作品搬家順便改名」的一次性上傳，之後就停在原地。未解的 2 個 issue 裡，#2（2026-06-18）是外部使用者 CodingFeng101 提的 feature request，希望 SlideBot 能把 ZIP／PDF 輸出轉成可編輯的 PPTX；#1（2026-01-31）是作者自己開給自己的「拍介紹影片」待辦，至今未關。無任何 PR、無 Release、無 CHANGELOG、無 Contributing 指南以外的維護痕跡。

這個維護狀態直接決定了使用建議：如果你打算用作者掛的 demo 站當穩定工具，強烈不建議：兩個 demo 已在 2026-09 實測失效（海外站拒絕連線、大陸站傳回 502），半棄置的 demo 本來就隨時可能關掉、IP 換掉、或者 Gemini 配額耗盡就停擺，沒有任何營運承諾。如果你願意自己 fork 一份、把它當作「AI PPT 生成器的起點」改造成自己團隊要的樣子，這個 repo 才有實質價值。SlideBot 在 GitHub 拿到 1216 顆星並不代表活躍，而是代表「這個命題在開源圈有共鳴、大家想看別人怎麼實作」。

適合誰、不適合誰

適合：會 Python + React、能搞定 Gemini API 額度、想研究 AI PPT 生成器內部實作、或者想 fork 一份改造成公司內部工具的技術使用者（同樣走開源路線、想比較不同後端設計的人，可以再看〈MultiAgentPPT 開源簡報產生器〉的多 Agent 接力實作）；準備技術 demo 或投資人簡報、能接受「AI 生圖＋手動微調」流程、需要中文表達的專案經理或業務。對這群人，SlideBot 的 MIT 授權與模組化架構（modules/gemini_api.py、modules/asr.py、modules/prompts.py）是可以直接打開來看的參考資產，這個價值 SaaS 同類工具給不了。

不適合：把簡報產出當作每天穩定生產線、需要 SLA、需要原廠支援的企業團隊；需要產出可編輯 PPTX 檔的工作流程（SlideBot 目前不支援，要再轉一次）；對會議錄音與內部文件不能送到第三方雲端（Gemini＋訊飛）的合規場景；以及期望「裝了就能跑」的一般使用者。光是設定 Gemini API key 與 Python 環境，就會卡住多數非技術讀者。對後面這群人，小米 PPT、Slidesgo 簡報範本，或 Canva AI、Gamma 這類商業 SaaS 會更實際。

TL;DR：三句話結論

SlideBot（tonyqinatcmu/SlideBot-AI）是一個 MIT 開源、前端 React 18、後端 FastAPI、AI 走 Google Gemini、語音轉寫走科大訊飛 ASR 的 AI 簡報生成器，能吃主題、大綱、錄音、PDF／Word／PPT／Excel 素材，透過六步驟流程產出 ZIP 圖片包或 PDF（不直接輸出 PPTX，Issue #2 反映未解）。它的價值在於把這個命題的後端完整開源、模組清楚、可讀性高，是研究中大型 AI 工具如何組合多個外部 API 的良好樣板；但 GitHub 上的 4 個 commit 全集中在 2026-01-31，八個月來無任何維護、2 個 issue 無人回應、demo 站掛在裸 IP 且 2026-09 實測已失效。它是一個開源參考實作，不是穩定的生產工具，會自架、有 Gemini 額度、能讀原始碼的技術讀者能從中挖到價值；其他讀者請走向 Gamma、Canva AI、Beautiful.ai 或小米 PPT 這類商業 SaaS。

常見問題

SlideBot 是免費的嗎？

軟體本身 MIT 授權免費，但實際跑會產生兩筆外部成本：Google Gemini API 呼叫費（文字＋每頁配圖，2K／4K 解析度計費不同）以及可選的科大訊飛 ASR 費用（會議錄音轉寫）。這兩筆費用都走你自己的 API key，不在 SlideBot 控制範圍內，免費額度用完就是你的帳單。

在台灣、香港或中國大陸可以用嗎？

台灣可以。Google 官方的 Gemini API 支援地區清單包含台灣，在 Google AI Studio 申請 API key、呼叫模型都沒有區域障礙。香港與中國大陸不在這份清單上，就算把 SlideBot 架在自己的伺服器，呼叫 Gemini API 這一步仍然會撞上區域限制；而 SlideBot 的語音轉寫走科大訊飛、簡報生成走 Gemini，對這兩地的使用者等於同一條流程一半通、一半不通，實際上跑不動完整功能，除非 fork 之後把 Gemini 換成當地可用的模型。

可以全程離線、不送雲端嗎？

不行。SlideBot 的大綱生成、設計方案生成、每頁配圖都靠 Google Gemini；語音轉寫另走科大訊飛雲端 ASR。自架 SlideBot 伺服器只代表「素材不經過作者的 demo 站」，不代表 AI 推理在你本機跑。要做到全程離線，得把 Gemini 換成本地 LLM 與本地圖像模型、把訊飛 ASR 換成 Whisper；這已經是 fork 改造的範疇，不是開箱即用。

輸出的 PPT 可以編輯嗎？

原生輸出只有 ZIP（每頁一張圖）與 PDF，沒有 PPTX。要拿到可編輯的 PowerPoint 檔，必須透過 WPS 的「PDF 轉 PPT」功能或類似工具再轉一次，轉完之後的文字與圖片都是獨立物件、不會保留 SlideBot 的結構。GitHub Issue #2（2026-06-18）正是請求作者直接支援 PPTX 匯出，但該 issue 從開立至今作者未回應。

跟 Gamma 比起來怎麼樣？

命題類似、定位不同。Gamma 是商業 SaaS、裝好就用、有原生 PPTX 匯出與多人協作、AI 額度包在訂閱費裡，缺點是付費、原始碼看不到、素材上傳到業者伺服器。SlideBot 把整套後端開源、BYOK 自架、AI 配額走你自己的 Gemini 帳號，缺點是維護停滯、無 PPTX、需要技術能力架設。要做投資人簡報一次性的東西，Gamma 體驗順；要研究或客製化 AI PPT 後端，SlideBot 才有意義。

授權狀態與取得方式

SlideBot 採 MIT 授權，原始碼可以自由使用、修改與商用，義務只有保留授權聲明。下載或自架請走官方 GitHub repo，README 的 Quick Start 從環境安裝到啟動一次寫完，照著做即可。作者掛的兩個 demo（http://47.77.231.44/ 海外、http://223.6.255.214/ 中國大陸）使用裸 IP、需邀請碼 VISITOR，2026-09-26 實測海外站拒絕連線、大陸站傳回 502 Bad Gateway，均已無法提供服務；就算日後恢復，也請只上傳非敏感素材，不要把會議錄音或內部文件交給第三方 demo。文中的 GitHub 計數（1216 顆星、226 個 fork、4 個 commit、最後一次 push 停在 2026-01-31）為 2026-09-26 的查詢結果。