定理只能看文字3 分钟上手 TheoremExplainAgent让 AI 把数学定理自动讲成可视化讲解视频【免费下载链接】TheoremExplainAgentOfficial Repo for TheoremExplainAgent: Towards Video-based Multimodal Explanations for LLM Theorem Understanding [ACL 2025 oral]项目地址: https://gitcode.com/gh_mirrors/th/TheoremExplainAgentTheoremExplainAgent 是一个用大模型自动生成 Manim 长视频的定理可视化讲解工具它能把勾股定理、欧拉公式这类抽象概念变成带旁白配音的动画课堂。最近它在 ACL 2025 上拿了 Oral口头报告前 3%项目的思路也很有意思让 AI 自己讲一遍定理比直接问它你懂了吗更能暴露它哪里没想明白。先说结论如果你需要一套能把数学、物理、化学定理变成 5~15 分钟教学视频的自动化方案这个项目值得花一个下午折腾。你是不是也这样看懂了定理却总差一口气回忆一下学生时代的体验课本上写勾股定理 a² b² c²公式摆在那儿你会背会做题但真要你空手比划着给别人讲清楚为什么很多人会卡壳。因为文字描述是线性的而空间关系、变换过程是立体的——这中间缺了可视化这一环。大模型也有同样的毛病。你让它解释一个定理它能写得头头是道但仔细读会发现推理里藏着逻辑漏洞。原因在于纯文本的解释可以靠记忆和语感糊弄过去可一旦要求它把推理过程画成逐帧动画装懂就装不下去了。TheoremExplainAgent 干的事就是逼着大模型边画边讲——把定理拆成多个场景、写成动画脚本、渲染成带配音的长视频。动画是对还是错、逻辑断没断一眼就能看出来。一句话说清楚它到底是什么TheoremExplainAgent 是一个开源系统你给它一个定理比如Big O 表示法它用大模型规划分镜、生成 Manim 动画代码、渲染视频并配上旁白最后产出一支结构完整的讲解视频。它和常见的文本一键转视频工具最大的区别是视频里的每个画面、每次变形、每行公式都是可验证的代码而不是凭空生成的像素。这保证了内容是准确的也方便你逐帧检查 AI 的推理过程。第一次上手从安装到出片的三步路径我按官方 README 走了一遍整个过程比想象中顺。核心就三步第 1 步装环境先克隆仓库地址https://gitcode.com/gh_mirrors/th/TheoremExplainAgent然后建一个 conda 环境装依赖conda create --name tea python3.12.8 conda activate tea pip install -r requirements.txt视频渲染底层用的是 Manim Community如果你在 Linux 上还需要装两三个系统库portaudio19-dev、libsdl-pango-dev以及 LaTeX官方 README 里都列了。第 2 步填模型密钥项目通过 LiteLLM 统一对接各家大模型OpenAI、Gemini、Claude、Vertex AI 都支持。照着.env.template复制一份.env把你选中的模型 API Key 填进去即可。如果要用配音再下载一个 Kokoro 语音模型放到models/目录下。这里有个容易忽略的细节启动前要执行export PYTHONPATH$(pwd):$PYTHONPATH否则会报No module named src。我第一次跑就栽在这里FAQ 第一条就是它。第 3 步跑一条命令等出片填好之后一条命令就能让整个流水线跑起来python generate_video.py \ --model openai/o3-mini \ --helper_model openai/o3-mini \ --output_dir output/my_first_video \ --topic Big O notation \ --context most common type of asymptotic notation in computer science used to measure worst case complexity接下来你会看到屏幕上依次出现分镜大纲、每个场景的视觉分镜、技术实现方案、旁白文本然后是逐场景渲染、报错修复、最后合并成一支带字幕的 MP4。整个过程像在看一支 AI 团队现场拍片。如果你不想从零起题仓库里还自带了测试数据集data/thb_easy/、data/thb_medium/、data/thb_hard/覆盖数学、物理、化学、计算机科学四个学科共 240 条定理。用--theorems_path data/thb_easy/math.json就能批量生成还支持并发加速。它和普通文字转视频有什么不一样用了几个小时后我认为它真正与众不同的地方有三点。亮点一一支虚拟的视频制作团队大多数工具是一句话 → 一段视频的黑盒。而 TEA 把制作过程拆成了四道工序场景大纲3~7 个场景→ 视觉分镜 → 技术实现方案 → 逐场景的动画与旁白每一道工序都由独立的提示词驱动。你在task_generator/prompts_raw/里能直接看到这些提示词甚至能自己改。这个设计带来的好处是每道工序都产出可审查的中间产物。想改某一段动画的配色、想调整某个场景的讲解节奏改对应工序就行不用推倒重来。这相当于给你配了一个分工明确的视频制作小组而不是一个只会一键生成的机器。亮点二边渲染边纠错自己给自己挑毛病大模型写代码难免出错。TEA 的处理方式不是报错就重写这么简单而是做了两层纠错报错修复Manim 渲染失败时把错误信息喂回模型让它改代码最多重试若干次视觉自省渲染出画面后用一个视觉模型VLM看着成片检查布局——有没有文字重叠、图形遮挡、画面是否美观发现问题再回头改代码。第二层尤其聪明。文字层面完全正确的代码视觉上可能一塌糊涂而看画面挑刺恰好是传统代码生成工具不会做的事。这大概就是论文里强调的视频能暴露文本隐藏的推理缺陷在工程上的落地。亮点三给大模型查手册减少胡说八道Manim 的 API 非常庞杂裸用大模型生成动画代码很容易编出一些不存在的函数。TEA 的可选 RAG 模式会把 Manim 官方文档切块存入向量库ChromaDB在规划分镜、写实现方案、生成代码的每个阶段先检索相关文档再作答相当于允许模型边写代码边翻手册。同时它还支持上下文学习把一批高质量示例代码喂给模型当参考。这两招叠加显著降低了幻觉式调用 API的翻车率。相关实现都在src/rag/目录下。TheoremExplainAgent 适合哪些人使用推荐给这几类人数学/物理/化学教师批量生成课件动画把抽象概念变成直观演示AI 与教育方向的研究者论文数据、评估代码evaluate.py都是开源的可以直接用来做基准测试或二次研究想做 AI 视频产品的开发者它的分镜-实现-渲染-纠错架构是很好的参考模板科普内容创作者给每个选题起个标题和背景说明就能拿到一支有结构的解说视频底稿。什么时候不必用它你只想要几秒钟的简单动态图形那直接用 Manim 手写更快你没有任何大模型 API Key也不打算申请那它跑不起来你追求的是精美电影级画面它产出的更接近清晰、工整的课件风而不是炫酷特效。一句话它是教学视频生成器不是动画特效生成器。新手避坑小贴士别跳过 LaTeX 和系统库的安装。很多新手跑到渲染阶段报latex ...或Files not found根源都是系统依赖没装全。README 的 FAQ 列了常见报错遇到问题先去翻。.env只填你要用的模型。没必要把 OpenAI、Gemini、Azure 全填满留空的配置反而容易让你排查时迷惑。填一个能用的跑通第一支视频再加别的。批量生成时控制并发数。一次性开太多并发比如--max_topic_concurrency 20虽然快但对 API 额度和内存压力都很大先用--sample 5小批量试跑。下一步从官方文档开始说实话这个项目的 README 写得相当扎实安装步骤、FAQ、命令行参数、评估方法一应俱全。如果你想快速判断它是否合口味我的建议是别急着读论文先跑通一支Big O notation的视频——从提出问题到拿到成片一小时内的投入就能让你对整套系统有直观认识。如果你想深入了解它的内部构造可以顺着这几条线索继续挖src/core/视频规划、代码生成、渲染三大核心模块src/rag/检索增强生成与向量库实现task_generator/prompts_raw/全部系统提示词可自行修改后运行task_generator/parse_prompt.py重新生成data/测试用的 240 条定理数据集横跨四个学科、三档难度。定理的本质是把复杂的世界压缩成简洁的符号。而 TheoremExplainAgent 做的事情恰恰是反向的——把符号重新展开成看得见、摸得着的过程。对教育者来说这或许就是未来课堂的样子。【免费下载链接】TheoremExplainAgentOfficial Repo for TheoremExplainAgent: Towards Video-based Multimodal Explanations for LLM Theorem Understanding [ACL 2025 oral]项目地址: https://gitcode.com/gh_mirrors/th/TheoremExplainAgent创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考