Paper2Video
showlab/Paper2VideoRevisado por IA
Verificado pelo RepoPicks Radar em
O que é Paper2Video?
O Paper2Video é código de pesquisa do Show Lab (NUS) que cria aquele vídeo de apresentação que pesquisadores gravam para um congresso. Você entrega o código LaTeX do seu artigo, uma foto quadrada de quem apresenta e cerca de dez segundos da voz dessa pessoa; um agente escreve os slides, as legendas e a narração, move um cursor sobre os slides, lê o texto com a voz clonada e pode acrescentar um apresentador falante. Há um modo mais leve, sem o apresentador. Roda pelo terminal, numa máquina com uma placa NVIDIA grande e chaves de serviços de IA pagos.
Quão fácil é instalar Paper2Video?
D · terminal, várias ferramentas ou placa específica · Linux
O Linux é o único sistema com instruções, e o preparo é longo: um ambiente conda com Python 3.10, o motor LaTeX tectonic, chaves de API exportadas no shell e, para o apresentador falante, um segundo ambiente conda, além de clonar o projeto Hallo2 e baixar os pesos do modelo dele. O README diz que a placa mínima recomendada é uma NVIDIA A6000 de 48 GB, e os exemplos passam oito GPUs.
Em breve: instale com 1 clique pelo app RepoPicks.
Paper2Video no GitHub
- Estrelas
- 2.422em 10 de nov. de 2026
- Downloads
- —todas as versões
- Crescimento
- +7estrelas em 6 dias
Estrelas ao longo do tempo
Fatos
- Roda em
- Linux
- Você precisa instalar
- Python, Placa NVIDIA, Outras ferramentas
- Espaço em disco
- não determinado
- Contas ou chaves
- OpenAI, Google Gemini
- Custo
- Grátis, a API é paga · O código é MIT, mas o fluxo chama serviços pagos: o README recomenda GPT-4.1 ou Gemini 2.5 Pro tanto para a parte de texto quanto para a de visão. Ele diz que também aceita modelos abertos rodando localmente, como o Qwen, e indica outro projeto para os detalhes.
- Licença
- MIT (Permissiva)
- Última mudança no GitHub
- 5 de mar. de 2026
Sinais de risco de Paper2Video (6)
- AtençãoClona um rosto e uma voz
README, Inference: o fluxo recebe `--ref_img` ("must be square portrait") e `--ref_audio` ("recommended: ~10s") e produz fala naquela voz, com um vídeo de apresentador falante daquele rosto, usando o modelo Hallo2. Os mesmos passos funcionam com a foto e a amostra de voz de alguém que não concordou com isso.
revisão por IA
- AtençãoExige placa de vídeo de data center
README, Inference: "The minimum recommended GPU for running this pipeline is NVIDIA A6000 with 48G", e os dois comandos de exemplo passam `--gpu_list [0,1,2,3,4,5,6,7]`, ou seja oito placas, para gerar o cursor e renderizar o apresentador falante.
revisão por IA
- AtençãoNão se sabe o custo por vídeo
README, Configure LLMs: o artigo inteiro passa pelo GPT-4.1 ou pelo Gemini 2.5 Pro para texto e visão, e o layout dos slides usa busca em árvore (`--if_tree_search` vem como True), o que repete as chamadas ao modelo. O repositório não dá nenhuma estimativa do que custa um vídeo.
revisão por IA
- InfoPuxa outro projeto e pesos de modelo
README, Requirements: para o apresentador humano você precisa "git clone https://github.com/fudan-generative-vision/hallo2.git", montar um ambiente conda separado para ele e baixar os pesos do modelo, por causa de "potential package conflicts". Nada desse código está neste repositório.
revisão por IA
- InfoSem atualização há meses
A última alteração foi em 2026-03-05, 250 dias antes desta checagem, não há lançamentos e a nota de atualização mais recente do README é de 2025-10-15.
revisão por IA
- InfoOs vídeos de referência vêm de sites públicos
README, Acknowledgements: "The souces of the presentation videos are SlideLive and YouTuBe", ou seja, o conjunto com que ele se compara são palestras gravadas por outras pessoas.
revisão por IA
As evidências aparecem no idioma original.
O que o Radar não conseguiu verificar em Paper2Video
- quanto custam as chamadas à OpenAI e ao Gemini para um artigo, e com que frequência é preciso repetir uma execução
- se o fluxo mais leve, sem o apresentador falante, funciona numa placa de vídeo menor
- quanto disco os pesos do Hallo2 e o vídeo renderizado precisam
- se os slides e a narração descrevem o artigo corretamente ou inventam conteúdo que o leitor teria de conferir
- se chega a rodar no Windows ou no macOS, já que só há instruções no estilo Linux