Manim-GPT 是一个创新的开源项目，结合了大语言模型(LLM)、语音识别和Manim动画引擎，让用户能够通过自然语言描述或语音输入，支持多轮绘画来修改，快速生成精美的数学动画。

• 零门槛创作：无需学习Manim语法，用自然语言即可创建动画
• 语音交互：支持语音输入，解放双手，提升创作效率
• AI驱动：集成多种LLM模型，智能生成高质量代码
• 现代化UI：美观直观的Web界面，流畅的用户体验

• 多模型支持：DeepSeek、OpenAI GPT、阿里云通义千问
• 智能优化：自动代码验证和错误修复
• 即时预览：实时生成并播放动画视频

• 通义千问-Omni：高精度中英文语音识别
• 实时转换：语音直接转换为动画描述
• 多格式支持：WebM、WAV、OGG等音频格式

• 数学图形：函数、几何、代数等
• 物理仿真：自由落体、波动、碰撞等
• 自定义动画：支持复杂的动画逻辑

• 响应式设计：完美适配桌面和移动设备
• 深色主题：护眼的现代化设计风格
• 快捷操作：键盘快捷键，提升效率

• 后端框架：FastAPI + Python 3.12+
• 前端技术：原生JavaScript + Bootstrap 5
• AI模型：DeepSeek/GPT/Qwen + 通义千问-Omni
• 动画引擎：Manim Community Edition
• 音频处理：MediaRecorder API + FFmpeg

• Python: 3.12 或更高版本
• 操作系统: Windows, macOS, Linux
• 浏览器: Chrome/Edge/Firefox (支持MediaRecorder)

git clone https://github.com/your-repo/manim-gpt.git
cd manim-gpt

使用 uv (推荐):

uv sync

或使用 pip:

pip install -e .

创建 .env 文件：

# === 必需配置 ===
# LLM API密钥 (至少配置一个)
DEEPSEEK_API_KEY=sk-your-deepseek-key
OPENAI_API_KEY=sk-your-openai-key
QWEN_API_KEY=sk-your-qwen-key

# 语音识别API密钥 (可选，用于语音功能)
DASHSCOPE_API_KEY=sk-your-dashscope-key

# === 可选配置 ===
# 默认模型设置
DEFAULT_MODEL=deepseek-chat
MAX_TOKENS=4000
TEMPERATURE=0.7

# 语音识别设置
QWEN_OMNI_MODEL=qwen2.5-omni-7b
QWEN_OMNI_VOICE=Cherry
VOICE_NETWORK_TIMEOUT=15

# 服务器设置
HOST=0.0.0.0
PORT=8000
DEBUG=true

# 代理设置 (如需要)
HTTP_PROXY=http://your-proxy:port
HTTPS_PROXY=https://your-proxy:port

python start.py

打开浏览器访问：

• 主页面: http://localhost:8000
• API文档: http://localhost:8000/docs

1. 在输入框中描述您想要的动画

   绘制一个红色圆形从左侧移动到右侧
   

2. 选择LLM模型和参数

3. 点击"生成动画"按钮

1. 点击🎤按钮开始录音

2. 清晰说出动画描述

3. 再次点击🎤停止录音

4. 系统自动识别语音并生成动画

• Ctrl/Cmd + Enter: 快速生成动画
• Ctrl/Cmd + R: 启动语音录音
• 实时预览: 代码生成后立即播放
• 视频下载: 保存动画到本地
• 代码复制: 获取生成的Manim代码

POST /api/generate
Content-Type: application/json

{
  "prompt": "绘制一个弹跳的球",
  "model": "deepseek-chat",
  "quality": "medium_quality",
  "temperature": 0.7,
  "max_tokens": 4000
}

POST /api/speech-to-text
Content-Type: application/json

{
  "audio_data": "base64_encoded_audio"
}

更多API详情请访问: http://localhost:8000/docs

• low_quality: 480p, 15fps
• medium_quality: 720p, 30fps (默认)
• high_quality: 1080p, 60fps
• production_quality: 1440p, 60fps

manim-gpt/
├── app/                    # 应用核心
│   ├── api/               # API路由
│   │   ├── routes/        # 路由定义
│   │   └── main.py        # FastAPI应用
│   ├── core/              # 核心配置
│   │   └── config.py      # 环境配置
│   ├── models/            # 数据模型
│   │   └── schemas.py     # Pydantic模型
│   ├── services/          # 业务服务
│   │   ├── llm_service.py      # LLM集成
│   │   ├── voice_service.py    # 语音处理
│   │   ├── manim_service.py    # Manim引擎
│   │   └── qwen_omni_service.py # 语音识别
│   ├── static/            # 静态资源
│   │   ├── css/          # 样式文件
│   │   ├── js/           # JavaScript
│   │   └── images/       # 图片资源
│   └── templates/         # HTML模板
├── outputs/               # 生成的视频
├── temp/                  # 临时文件
├── tests/                 # 测试文件
├── start.py              # 启动脚本
├── pyproject.toml        # 项目配置
└── README.md             # 项目文档

# 安装开发依赖
uv sync --dev

# 代码格式化
black app/

# 代码检查
flake8 app/

# 运行测试
pytest tests/

1. 在 app/services/llm_service.py 中添加模型适配器
2. 更新 app/models/schemas.py 中的模型枚举
3. 在配置文件中添加相关环境变量

在 app/services/manim_service.py 中可以：

• 添加新的动画模板
• 自定义渲染参数
• 扩展视频格式支持

• 代码缓存: 相同提示词复用生成结果
• 视频缓存: 避免重复渲染
• 模型预热: 提升响应速度

• 临时文件清理: 自动清理过期文件
• 内存优化: 流式处理大文件
• 并发控制: 限制同时处理任务数

• API密钥保护: 环境变量管理，避免泄露
• 输入验证: 严格校验用户输入
• 沙箱执行: Manim代码安全隔离
• 速率限制: 防止API滥用

FROM python:3.12-slim

WORKDIR /app
COPY . .

RUN pip install uv && uv sync --no-dev

EXPOSE 8000
CMD ["python", "start.py"]

# 使用gunicorn部署
gunicorn app.api.main:app -w 4 -k uvicorn.workers.UvicornWorker

我们欢迎各种形式的贡献！

• 🐛 报告Bug: 通过Issue报告问题
• 💡 功能建议: 提出新功能想法
• 📝 文档改进: 完善文档和注释
• 🔧 代码贡献: 提交Pull Request

1. Fork项目
2. 创建特性分支 (git checkout -b feature/amazing-feature)
3. 提交更改 (git commit -m 'Add amazing feature')
4. 推送分支 (git push origin feature/amazing-feature)
5. 创建Pull Request

• 遵循 PEP 8 Python代码规范
• 使用 Black 进行代码格式化
• 添加适当的类型注释
• 编写单元测试

本项目采用 MIT License 许可证。

• Manim Community - 优秀的数学动画引擎
• FastAPI - 现代Python Web框架
• OpenAI - 强大的语言模型
• DeepSeek - 高效的数学推理模型
• 阿里云 - 通义千问语音识别服务

• GitHub Issues: 项目Issues
• Email: your-email@example.com
• 讨论: GitHub Discussions