SlideBot AI 開源 AI 簡報產生器：MIT 自架＋Gemini BYOK 的實測與限制

Facebook Line Messenger Telegram

把一份會議錄音或 Word 報告丟進去、十鐘內產出一份十頁的中文簡報，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。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。

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 2026-07-22，repo 累計 1215 顆星、232 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，半年來沒有再維護。ahhhhhfs 的介紹文把它定位成「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。實測海外站 2026-07-22 仍可回應（uvicorn 標頭），但回應速度與可用 GPU 資源完全看作者伺服器狀態，沒有 SLA。

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。預設邀請碡一樣是 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：台灣、香港、中國大陸存取 Google AI Studio 不是打開就能用，這個現實會直接決定 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	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 2026-07-22）。

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、半年沒動

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：半棄置的 demo 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 1215 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；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：光是搞定 Gemini API key 與 Python 環境就會卡掉大多數非技術讀者。對後面這群人，小米 PPT 或直接用 Canva AI、Gamma 這類商業 SaaS 會實際得多。

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，半年來無任何維護、2 個 issue 無人回應、demo 站掛在裸 IP 並需邀請碼 VISITOR。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。

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。

資料來源與取得方式

本文的授權狀態、技術棧、模組結構、六步驟流程、BYOK 邊界、issue 引用與 demo 位址，均以 SlideBot 官方 GitHub repo tonyqinatcmu/SlideBot-AI 的 README、.env.example、requirements.txt、LICENSE（MIT）、Issues 清單與 commit 歷史為準（截至 2026-07-22）。ahhhhhfs 第 79356 號文章把 SlideBot 定位為「線上生產力工具」，本文以 repo 公開資訊為權威：它實際上是開源自架工具，作者的 demo 站只是其中一種使用路徑。GitHub 計數（星數、fork 數、commit 數、最後 push 日期）與兩個 demo IP 的可用性，皆以 2026-07-22 當天查詢為準，會隨時間變動。下載或自架請走官方 GitHub repo，作者掛的 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，僅建議作為快速預覽，不要把任何敏感會議錄音或內部文件上傳到作者 demo。本篇沒有實機把會議錄音跑完整流程生成簡報，文章中所有「會發生什麼事」的描述都是 README、原始碼模組清單與 issue 整理；若你要用於正式簡報產出，建議先在非敏感素材上跑一次完整流程，再評估 Gemini 額度消耗與輸出品質是否符合需求。