RepoPicks Radar

Actualizado todos los días hacia las 23:30 UTC

Guías

Paper2Video

showlab/Paper2VideoRevisado por IA

Revisado por RepoPicks Radar el

¿Qué es Paper2Video?

Paper2Video es código de investigación de Show Lab (NUS) que crea el video de presentación que los investigadores graban para un congreso. Le entregas el código LaTeX de tu artículo, una foto cuadrada de quien presenta y unos diez segundos de su voz; un agente escribe las diapositivas, los subtítulos y la narración, mueve un cursor sobre las diapositivas, lee el texto con la voz clonada y puede añadir una cabeza parlante. Hay un modo más ligero sin la cabeza parlante. Se ejecuta desde la terminal en una máquina con una tarjeta NVIDIA grande y claves de servicios de IA de pago.

¿Qué tan fácil es instalar Paper2Video?

D · terminal, varias herramientas o tarjeta específica · Linux

Linux es el único sistema con instrucciones, y la preparación es larga: un entorno conda con Python 3.10, el motor LaTeX tectonic, claves de API exportadas en la shell y, para la cabeza parlante, un segundo entorno conda además de clonar el proyecto Hallo2 y descargar sus pesos de modelo. El README dice que la tarjeta mínima recomendada es una NVIDIA A6000 de 48 GB, y sus ejemplos pasan ocho GPU.

Pronto: instala con 1 clic desde la app RepoPicks.

Paper2Video en GitHub

Estrellas
2422el 10 nov 2026
Descargas
—todas las versiones
Crecimiento
+7estrellas en 6 días

Estrellas a lo largo del tiempo

241824192420242124222423 8 nov9 nov10 nov 241824192420242124222423 8 nov9 nov10 nov

Datos

Funciona en
Linux
Necesitas instalar
Python, Tarjeta NVIDIA, Otras herramientas
Espacio en disco
no determinado
Cuentas o claves
OpenAI, Google Gemini
Costo
Gratis, la API se paga · El código es MIT, pero el flujo llama a servicios de pago: el README recomienda GPT-4.1 o Gemini 2.5 Pro tanto para la parte de texto como para la de visión. Dice que también admite modelos abiertos ejecutados localmente, como Qwen, y remite a otro proyecto para los detalles.
Licencia
MIT (Permisiva)
Puede reemplazar
HeyGen, Synthesia, D-ID
Último cambio en GitHub
5 mar 2026

Señales de riesgo de Paper2Video (6)

  • AtenciónClona una cara y una voz

    README, Inference: el flujo recibe `--ref_img` ("must be square portrait") y `--ref_audio` ("recommended: ~10s") y produce habla con esa voz junto con un video de cabeza parlante de esa cara, usando el modelo Hallo2. Los mismos pasos funcionan con la foto y la muestra de voz de alguien que no dio su consentimiento.

    revisión con IA

  • AtenciónExige una tarjeta gráfica de centro de datos

    README, Inference: "The minimum recommended GPU for running this pipeline is NVIDIA A6000 with 48G", y ambos comandos de ejemplo pasan `--gpu_list [0,1,2,3,4,5,6,7]`, es decir ocho tarjetas, para generar el cursor y renderizar la cabeza parlante.

    revisión con IA

  • AtenciónNo se sabe cuánto cuesta cada video

    README, Configure LLMs: el artículo entero pasa por GPT-4.1 o Gemini 2.5 Pro para texto y visión, y el diseño de las diapositivas usa búsqueda en árbol (`--if_tree_search` viene en True), lo que repite las llamadas al modelo. El repositorio no da ninguna estimación de lo que cuesta un video.

    revisión con IA

  • InfoArrastra otro proyecto y pesos de modelo

    README, Requirements: para el presentador humano tienes que "git clone https://github.com/fudan-generative-vision/hallo2.git", crear un entorno conda aparte para él y descargar sus pesos de modelo, por "potential package conflicts". Nada de ese código está en este repositorio.

    revisión con IA

  • InfoSin actualizaciones desde hace meses

    El último cambio fue el 2026-03-05, 250 días antes de esta comprobación, no hay lanzamientos y la nota de actualización más reciente del README es del 2025-10-15.

    revisión con IA

  • InfoLos videos de referencia salen de sitios públicos

    README, Acknowledgements: "The souces of the presentation videos are SlideLive and YouTuBe", así que el conjunto con el que se compara son charlas grabadas por otras personas.

    revisión con IA

La evidencia aparece en su idioma original.

Lo que Radar no pudo verificar de Paper2Video

  • cuánto cuestan las llamadas a OpenAI y Gemini para un artículo, y con qué frecuencia hay que repetir una ejecución
  • si el flujo más ligero, sin la cabeza parlante, funciona en una tarjeta gráfica más pequeña
  • cuánto disco necesitan los pesos de Hallo2 y el video renderizado
  • si las diapositivas y la narración describen bien el artículo o inventan contenido que el lector tendría que comprobar
  • si funciona siquiera en Windows o macOS, ya que solo se dan instrucciones al estilo de Linux

Proyectos parecidos

La app RepoPicks

Pronto: instala con 1 clic desde la app RepoPicks.

Antes de descargar

Ver la página de la versión en GitHub