paper-2-web

Paper2All: 学術論文変換パイプライン

概要

このスキルは、Paper2All の自律型パイプラインを使用して、学術論文を複数の宣伝用・プレゼンテーション用フォーマットに変換できるようにします。本システムは、研究論文（LaTeX または PDF）を次の 3 つの主要な出力に変換します。

1. Paper2Web: レイアウトを考慮したデザインの、インタラクティブで探索可能な学術ホームページ
2. Paper2Video: ナレーション、スライド、オプションのトーキングヘッドを備えたプロフェッショナルなプレゼンテーション動画
3. Paper2Poster: 印刷可能なプロフェッショナルレイアウトの学会ポスター

このパイプラインは、LLM を活用したコンテンツ抽出、デザイン生成、反復的な改良を用いて、学会、ジャーナル、プレプリントリポジトリ、学術的な宣伝に適した高品質な出力を作成します。

このスキルを使用するタイミング

次のような場合にこのスキルを使用します。

• 学会資料の作成: 学会用のポスター、プレゼンテーション動画、関連ウェブサイト
• 研究の宣伝: 出版済み論文やプレプリントを、アクセスしやすく魅力的なウェブ形式に変換する
• プレゼンテーションの準備: 論文の内容からビデオアブストラクトや完全なプレゼンテーション動画を生成する
• 研究成果の発信: SNS、研究室のウェブサイト、機関の紹介ページ向けに宣伝資料を作成する
• プレプリントの強化: bioRxiv、arXiv、その他のプレプリント投稿にインタラクティブなホームページを追加する
• バッチ処理: 複数の論文の宣伝資料を同時に生成する

トリガーフレーズ:

• 「この論文をウェブサイトに変換して」
• 「LaTeX の論文から学会ポスターを生成して」
• 「この研究からビデオプレゼンテーションを作成して」
• 「論文用のインタラクティブなホームページを作って」
• 「論文を宣伝資料に変換して」
• 「学会発表用にポスターと動画を生成して」

科学的スキーマトによるビジュアル強化

このスキルで文書を作成する際は、視覚的なコミュニケーションを高めるために、科学的な図やスキーマを追加することを常に検討してください。

文書にスキーマや図がまだ含まれていない場合:

• scientific-schematics スキルを使用して、AI による出版品質の図を生成します
• 必要な図を自然言語で説明するだけです
• Nano Banana Pro が自動的に図を生成、確認、改良します

新しい文書の場合: 文中で説明されている重要な概念、ワークフロー、アーキテクチャ、関係性を視覚的に表すため、科学的スキーマをデフォルトで生成してください。

スキーマの生成方法:

python scripts/generate_schematic.py "your diagram description" -o figures/output.png

AI は自動的に次を行います。

• 適切な書式で出版品質の画像を作成する
• 複数の反復を通じて確認と改良を行う
• アクセシビリティ（色覚に配慮した配色、高コントラスト）を確保する
• 出力を figures/ ディレクトリに保存する

スキーマを追加するタイミング:

• 論文変換パイプラインの図
• ウェブサイトのレイアウトアーキテクチャ図
• 動画制作ワークフローのイラスト
• ポスターデザインの工程フローチャート
• コンテンツ抽出の図
• システムアーキテクチャの可視化
• 可視化によって理解が深まる複雑な概念すべて

スキーマの作成に関する詳細なガイダンスは、scientific-schematics スキルのドキュメントを参照してください。

---

中核機能

1. Paper2Web: インタラクティブなウェブサイトの生成

論文を、単純な HTML 変換にとどまらない、レイアウトを考慮したインタラクティブな学術ホームページに変換します。

主な機能:

• 論文の内容に合わせた、レスポンシブな複数セクションのレイアウト
• インタラクティブな図、表、引用
• ナビゲーションを備えたモバイル対応デザイン
• Google Search API による自動ロゴ検索
• 美的な改良と品質評価

最適な用途: 出版後の宣伝、プレプリントの強化、研究室のウェブサイト、恒久的な研究成果の紹介

→ 詳細なドキュメントは references/paper2web.md を参照してください

2. Paper2Video: プレゼンテーション動画の生成

スライド、ナレーション、カーソルの動き、およびオプションのトーキングヘッド動画を含む、プロフェッショナルなプレゼンテーション動画を生成します。

主な機能:

• 論文の構造からのスライドの自動生成
• 自然な音声の音声合成
• カーソルの動きとハイライトの同期
• Hallo2 を使用したオプションのトーキングヘッド動画（GPU が必要）
• 多言語対応

最適な用途: 動画によるアブストラクト、学会発表、オンライン講演、講義資料、YouTube でのプロモーション

→ 詳細なドキュメントは references/paper2video.md を参照してください

---

3. Paper2Poster: 学会ポスターの生成

プロフェッショナルなレイアウトとビジュアルデザインを備えた、印刷可能な学術ポスターを作成します。

主な機能:

• カスタムポスターサイズ（任意のサイズ）
• プロフェッショナルなデザインテンプレート
• 所属機関のブランディングへの対応
• リンク用の QR コードの生成
• 高解像度出力（300 DPI 以上）

最適な用途: 学会のポスターセッション、シンポジウム、学術展示会、オンライン学会

→ 詳細なドキュメントは references/paper2poster.md を参照してください

---

クイックスタート

前提条件

1. Paper2All のインストール:

   git clone https://github.com/YuhangChen1/Paper2All.git
   cd Paper2All
   conda create -n paper2all python=3.11
   conda activate paper2all
   pip install -r requirements.txt
   

2. API キーの設定（.env ファイルを作成）:

   OPENAI_API_KEY=your_openai_api_key_here
   # Optional: GOOGLE_API_KEY and GOOGLE_CSE_ID for logo search
   

3. システム依存関係のインストール:

   • LibreOffice（文書変換）
   • Poppler ユーティリティ（PDF 処理）
   • 48GB の NVIDIA GPU（任意、トーキングヘッド動画用）

→ 完全なインストールガイドは references/installation.md を参照してください

---

基本的な使い方

すべてのコンポーネントを生成（ウェブサイト + ポスター + 動画）:

python pipeline_all.py \
  --input-dir "path/to/paper" \
  --output-dir "path/to/output" \
  --model-choice 1

ウェブサイトのみを生成:

python pipeline_all.py \
  --input-dir "path/to/paper" \
  --output-dir "path/to/output" \
  --model-choice 1 \
  --generate-website

カスタムサイズのポスターを生成:

python pipeline_all.py \
  --input-dir "path/to/paper" \
  --output-dir "path/to/output" \
  --model-choice 1 \
  --generate-poster \
  --poster-width-inches 60 \
  --poster-height-inches 40

動画を生成（軽量パイプライン）:

python pipeline_light.py \
  --model_name_t gpt-4.1 \
  --model_name_v gpt-4.1 \
  --result_dir "path/to/output" \
  --paper_latex_root "path/to/paper"

→ 包括的なワークフローの例は references/usage_examples.md を参照してください

---

ワークフローの決定木

この決定木を使用して、生成するコンポーネントを決定します:

User needs promotional materials for paper?
│
├─ Need permanent online presence?
│  └─→ Generate Paper2Web (interactive website)
│
├─ Need physical conference materials?
│  ├─→ Poster session? → Generate Paper2Poster
│  └─→ Oral presentation? → Generate Paper2Video
│
├─ Need video content?
│  ├─→ Journal video abstract? → Generate Paper2Video (5-10 min)
│  ├─→ Conference talk? → Generate Paper2Video (15-20 min)
│  └─→ Social media? → Generate Paper2Video (1-3 min)
│
└─ Need complete package?
   └─→ Generate all three components

入力要件

対応する入力形式

1. LaTeX ソース（推奨）:

paper_directory/
├── main.tex              # Main paper file
├── sections/             # Optional: split sections
├── figures/              # All figure files
├── tables/               # Table files
└── bibliography.bib      # References

2. PDF:

• 埋め込みフォントを含む高品質な PDF
• テキスト選択が可能（スキャン画像ではないこと）
• 高解像度の図版（300 DPI 以上が望ましい）

入力の整理

単一の論文:

input/
└── paper_name/
    ├── main.tex (or paper.pdf)
    ├── figures/
    └── bibliography.bib

複数の論文（バッチ処理）:

input/
├── paper1/
│   └── main.tex
├── paper2/
│   └── main.tex
└── paper3/
    └── main.tex

共通パラメータ

モデルの選択

• --model-choice 1: GPT-4（品質とコストのバランスが最良）
• --model-choice 2: GPT-4.1（最新機能、コストは高め）
• --model_name_t gpt-3.5-turbo: 高速・低コスト（品質は許容範囲）

コンポーネントの選択

• --generate-website: ウェブサイトの生成を有効化
• --generate-poster: ポスターの生成を有効化
• --generate-video: 動画の生成を有効化
• --enable-talking-head: 動画にトーキングヘッドを追加（GPU が必要）

カスタマイズ

• --poster-width-inches [width]: ポスターのカスタム幅
• --poster-height-inches [height]: ポスターのカスタム高さ
• --video-duration [seconds]: 目標とする動画の長さ
• --enable-logo-search: 所属機関のロゴを自動で検索

出力構造

生成された出力は、論文とコンポーネントごとに整理されます:

output/
└── paper_name/
    ├── website/
    │   ├── index.html
    │   ├── styles.css
    │   └── assets/
    ├── poster/
    │   ├── poster_final.pdf
    │   ├── poster_final.png
    │   └── poster_source/
    └── video/
        ├── final_video.mp4
        ├── slides/
        ├── audio/
        └── subtitles/

ベストプラクティス

入力の準備

1. 可能な限り LaTeX を使用する: 内容の抽出と構造の把握が最も適切に行えます
2. ファイルを適切に整理する: すべてのアセット（図版、表、参考文献）を論文のディレクトリに保管してください
3. 高品質な図版: ベクター形式（PDF、SVG）または高解像度のラスター形式（300 DPI 以上）を使用してください
4. LaTeX をクリーンに保つ: コンパイル時の生成物を削除し、ソースが正常にコンパイルできることを確認してください

モデル選択の戦略

• GPT-4: 本番品質の出力、学会、出版物に最適
• GPT-4.1: 最新機能や可能な限り最高の品質が必要な場合に使用
• GPT-3.5-turbo: 簡単なドラフト、テスト、または単純な論文に使用

コンポーネントの優先順位

締め切りが迫っている場合は、次の順序で生成してください:

1. ウェブサイト（最も速く、最も汎用性が高い、約 15〜30 分）
2. ポスター（中程度の速度、印刷の締め切り向け、約 10〜20 分）
3. 動画（最も遅い、後から生成しても可、約 20〜60 分）

品質保証

出力を確定する前に次を確認してください。

1. ウェブサイト: 複数のデバイスでテストし、すべてのリンクが機能することを確認し、図の品質をチェックする
2. ポスター: テストページを印刷し、3～6フィートの距離から文字が読めるか確認し、色を確認する
3. 動画: 動画全体を視聴し、音声の同期を確認し、異なるデバイスでテストする

リソース要件

処理時間

• ウェブサイト: 論文 1 本あたり 15～30 分
• ポスター: 論文 1 本あたり 10～20 分
• 動画（トーキングヘッドなし）: 論文 1 本あたり 20～60 分
• 動画（トーキングヘッドあり）: 論文 1 本あたり 60～120 分

計算リソース

• CPU: 並列処理用のマルチコアプロセッサ
• RAM: 最低 16GB、大規模な論文には 32GB を推奨
• GPU: 標準的な出力には任意、トーキングヘッドには必須（NVIDIA A6000 48GB）
• ストレージ: コンポーネントと品質設定に応じて論文 1 本あたり 1～5GB

API 費用（概算）

• ウェブサイト: 論文 1 本あたり $0.50～2.00（GPT-4）
• ポスター: 論文 1 本あたり $0.30～1.00（GPT-4）
• 動画: 論文 1 本あたり $1.00～3.00（GPT-4）
• 完全パッケージ: 論文 1 本あたり $2.00～6.00（GPT-4）

トラブルシューティング

よくある問題

LaTeX 解析エラー:

• LaTeX ソースが正常にコンパイルされることを確認してください: pdflatex main.tex
• 参照されているファイルがすべて存在するか確認する
• 解析を妨げるカスタムパッケージがないか確認する

図の品質が低い:

• ラスター形式ではなくベクター形式（PDF、SVG、EPS）を使用する
• ラスター画像は 300 DPI 以上にする
• コンパイルされた PDF で図が正しく表示されるか確認する

動画生成の失敗:

• 十分なディスク容量があるか確認する（5GB 以上を推奨）
• 必要な依存関係（LibreOffice、Poppler）がすべてインストールされているか確認する
• 出力ディレクトリのエラーログを確認する

ポストのレイアウトの問題:

• ポスターのサイズが妥当か確認する（24"～72" の範囲）
• コンテンツの長さを確認する（非常に長い論文は手動での整理が必要な場合があります）
• 図がポスターのサイズに適した解像度を持っているか確認する

API エラー:

• .env ファイル内の API キーが正しいか確認する
• API のクレジット残高を確認する
• レート制限を受けていないか確認する（待機してから再試行）

プラットフォーム固有の機能

ソーシャルメディア最適化

システムは対象プラットフォームを自動検出します。

Twitter/X（英語、数字のフォルダ名）:

mkdir -p input/001_twitter/
# Generates English promotional content

Xiaohongshu/小红书（中国語、英数字のフォルダ名）:

mkdir -p input/xhs_paper/
# Generates Chinese promotional content

学会固有の書式設定

学会の要件を指定します。

• 標準的なポスターサイズ（4'×3'、5'×4'、A0、A1）
• 動画アブストラクトの長さの上限（通常 3～5 分）
• 所属機関のブランディング要件
• 配色の好み

統合とデプロイ

ウェブサイトのデプロイ

生成されたウェブサイトは次のにデプロイできます。

• GitHub Pages: カスタムドメインに対応した無料ホスティング
• 学術機関のホスティング: 大学のウェブサーバー
• 個人サーバー: AWS、DigitalOcean など
• Netlify/Vercel: CI/CD に対応したモダンなホスティング

ポスターの印刷

印刷用ファイルは次のサービスで使用できます。

• プロの印刷サービス
• 大学の印刷センター
• オンラインサービス（例: Spoonflower、VistaPrint）
• 大判プリンター（利用可能な場合）

動画の配信

動画は次で共有できます。

• YouTube: 最大限のリーチを得るための公開または限定公開
• 機関のリポジトリ: 大学の動画プラットフォーム
• 学会プラットフォーム: バーチャル学会システム
• ソーシャルメディア: Twitter、LinkedIn、ResearchGate

応用的な使い方

バッチ処理

複数の論文を効率的に処理します。

# Organize papers in batch directory
for paper in paper1 paper2 paper3; do
    python pipeline_all.py \
      --input-dir input/$paper \
      --output-dir output/$paper \
      --model-choice 1 &
done
wait

カスタムブランディング

所属機関やラボのブランディングを適用します。

• 論文のディレクトリにロゴファイルを配置する
• 設定ファイルで配色を指定する
• カスタムテンプレートを使用する（上級者向け）
• 学会のテーマ要件に合わせる

多言語対応

異なる言語でコンテンツを生成します。

• 設定ファイルで対象言語を指定する
• システムがコンテンツを適切に翻訳する
• 動画のナレーションに適切な音声を選択する
• デザインの慣習を文化に合わせて調整する

参考資料とリソース

このスキルには、包括的なリファレンスドキュメントが含まれています。

• references/installation.md: インストールと設定の完全ガイド
• references/paper2web.md: すべての機能を網羅した Paper2Web の詳細ドキュメント
• references/paper2video.md: トーキングヘッドのセットアップを含む Paper2Video の包括的なガイド
• references/paper2poster.md: デザインテンプレートを含む Paper2Poster の完全なドキュメント
• references/usage_examples.md: 実際の使用例とワークフローのパターン

外部リソース:

• GitHub リポジトリ: https://github.com/YuhangChen1/Paper2All
• キュレーション済みデータセット: Hugging Face で公開（13 の研究カテゴリ）
• ベンチマークスイート: 参照用ウェブサイトと評価指標

評価と品質指標

Paper2All システムには、品質評価機能が組み込まれています。

コンテンツの品質

• 完全性: 論文内容のカバー範囲
• 正確性: 研究結果の忠実な表現
• 明確性: アクセスしやすさと理解しやすさ
• 情報量: 重要な情報の目立ちやすさ

デザインの品質

• 審美性: 視覚的な魅力とプロフェッショナルさ
• レイアウト: バランス、階層構造、構成
• 可読性: テキストの読みやすさと図の明瞭さ
• 一貫性: 統一されたスタイルとブランディング

技術的な品質

• パフォーマンス: 読み込み時間、応答性
• 互換性: ブラウザやデバイスをまたいだサポート
• アクセシビリティ: WCAG 準拠、スクリーンリーダーのサポート
• 標準規格: 有効な HTML/CSS、印刷可能な PDF

すべての出力は、生成が完了する前に自動品質チェックを受けます。