На рынке нейросетей для генерации презентаций сейчас много решений. Мы разобрались, какие из них действительно работают, чем они отличаются технически и в каких случаях каждый из них оправдан.
Сколько моделей используется на самом деле
Когда вы нажимаете «сгенерировать презентацию» — запускается целый конвейер нейросетей, где каждый этап решает свою задачу.
Языковая модель (LLM) — первый и самый важный этап. Она принимает текст запроса, тему или загруженный документ и генерирует структуру: количество слайдов, заголовки, содержание. От неё зависит, будет ли презентация логичной или превратится в набор разрозненных тезисов.
LLM адаптирует вывод под формат слайда: смысл должен умещаться в 15–20 слов, а не в абзац. Поэтому важен внутренний промпт — он оптимизирует модель на краткость и структуру.
Генератор изображений — второй этап. Для каждого слайда нужна иллюстрация. Одни сервисы используют диффузионные модели и создают картинку под контекст. Другие — семантический поиск по стоковым библиотекам, подбирая изображение по заголовку.
Генеративные модели точнее передают смысл, но могут «галлюцинировать» — особенно с текстом на картинке. Стоковый поиск надёжнее, но часто выдаёт клишированные фото.
Шаблонизатор — третий слой. Это не нейросеть, а система правил и дизайн-шаблонов. Он определяет, где разместить заголовок, как расположить текст и изображение, какие использовать шрифты и цвета.
RAG-слой — опциональный. Перед генерацией модель обращается к внешним источникам, чтобы подтянуть актуальные данные. Без него знания ограничены датой обучения. С ним — выше актуальность, но растут стоимость и время обработки.
Kampus.ai (бывший КАМПУС)
Kampus.ai — российский сервис для студентов и преподавателей. Позиционирует себя как ИИ-помощник для создания докладов, рефератов, отчётов и учебных презентаций по 160+ дисциплинам.
В основе — GPT-архитектура с дополнительными слоями под предметные области. По заявлению компании, для разных тем активируются разные модели. Это похоже на мультиагентную систему с маршрутизацией по тематике. Такой подход логичен: модель, дообученная на химии, даст лучший результат, чем универсальная.
Сервис позволяет создать презентацию до 20 слайдов по теме, файлу или ссылке, отредактировать структуру и экспортировать в PPTX. Оплата — в рублях.
Ввод данных: можно ввести тему с инструкциями («Климатические изменения и Арктика, 12 слайдов, синий цвет, побольше графиков»), загрузить файл, вставить текст или ссылку. При загрузке файла структура строится на его основе — это удобно для конспектирования.
Перед финальной генерацией показывается оглавление. Здесь можно убрать слайды, изменить порядок, добавить свои пункты, выбрать количество слайдов, стиль повествования и дизайн.
Качество генерации выше всего по академическим темам: история, право, биология, экономика. Текст связный, аргументация последовательная. Проблемы возникают с нишевыми темами — их нужно дополнительно проверять.
На выходе — онлайн-редактор и PPTX. В редакторе можно править текст, менять изображения, переставлять блоки. Файл открывается в PowerPoint и Google Slides без потерь.
Сократик
Сократик — ещё один российский сервис, запущенный в 2024 году. УТП: «уникальная презентация за минуту». Целевая аудитория — студенты и те, кто хочет быстро получить результат.
Технологически: основа — Яндекс GPT, инфраструктура — на Яндекс.Облаке. Команда также работает с графами знаний: контент строится не линейно, а как сеть связанных понятий. На практике это не всегда заметно, но технически интересно.
Интерфейс минималистичный: поле для промпта и кнопка. После генерации можно отредактировать структуру — как и в Kampus.ai.
Промпт имеет значение. Чем детальнее запрос, тем точнее результат. Например: «Презентация о влиянии удалённой работы на продуктивность, для HR-аудитории, акцент на цифры и исследования, 8 слайдов» — даёт качественный вывод. Без уточнений модель может использовать устаревшие данные (например, динамику 2017–2023 в 2026 году).
Текст на слайдах — тезисный, без «воды». Изображения подбираются по контексту. Дизайн базовый, но шаблонов много. Подходит для учёбы или внутреннего брифинга.
Для публичных выступлений или питчей возможностей по дизайну не хватает. Шаблоны разнообразны, но визуально однотипны. Что именно занимает «минуту» — непонятно: генерация быстрая, но не до такой степени.
Экспорт — сразу после создания. Есть редактор: можно править текст и переставлять элементы.
Gamma (gamma.app)
Gamma — американский стартап, запущенный в 2022 году. К 2026-му у него более 100 миллионов пользователей. Сервис позиционируется не как генератор презентаций, а как инструмент для «живых документов».
Технологии не раскрываются — стандартно для B2C-продуктов. Известно, что текст генерируется через LLM, а изображения — через диффузионные модели. Нет специализации по темам, нет дообучения. Акцент — на шаблоны, гибкость и UX.
Четыре режима ввода: по промпту, по тексту, из шаблона, импорт из файла или URL. Есть ИИ-ассистент в каждом блоке, встроенная генерация изображений, аналитика просмотров и три формата вывода: презентация, документ, веб-страница.
Бесплатный план с ограничениями, платные — от $8 в месяц. Оплата — иностранной картой или криптовалютой.
Gamma работает с «картами» — блоками контента, которые можно отображать как слайды, документ или веб-страницу. Один контент — разные форматы. Удобно для публикации в разных каналах.
При генерации сначала показывается структура. Её можно редактировать: удалять, добавлять, менять порядок.
После генерации каждый блок можно править контекстно: выделить текст и попросить «сократи вдвое», «переформулируй формально», «добавь три тезиса». Ассистент работает в контексте — это не отдельный плагин, а встроенная функция.
Изображения генерируются прямо в интерфейсе. Не нужно переключаться в Midjourney или другие сервисы.
Аналитика: если отправить презентацию по ссылке, можно увидеть, сколько времени каждый человек провёл на слайдах. Полезно для питчей — видно, что заинтересовало, а что пропустили.
Качество шаблонов — высокое. Типографика и компоновка — нестандартные для автогенератора. Текст лаконичный. Результат часто подходит для профессионального использования без глубокой правки.
Но Gamma — иностранный сервис. Оплата — только картой или криптой. Это барьер для многих российских пользователей.
Google Slides + Gemini
Google Slides с Gemini — не автогенератор в классическом смысле. Создать презентацию с нуля ИИ здесь не получится. Slides — корпоративный редактор (с 2006 года), Gemini — ИИ-слой, добавленный в 2023–2024 годах.
Google прозрачнее других: Gemini Pro/Ultra и нативная модель для изображений (Nano Banana) задокументированы.
Gemini в Slides умеет генерировать изображения по описанию и создавать целые слайды. Важная функция — интеграция с живыми данными. Например, таблицы из Google Sheets вставляются напрямую. Это критично для отчётов, дашбордов и презентаций с актуальными цифрами.
Google Slides изначально — многопользовательский инструмент с историей версий, правами доступа и комментариями. Ни один автогенератор не сравнится по совместной работе.
Gemini доступен в Google Workspace Business Standard ($12/пользователь/месяц) и выше. Для российских компаний — возможен только с зарубежным биллингом.
Когда автогенерация не подходит
Для питчей инвесторам, стратегических сессий или публичных докладов лучше держать контроль над каждым слайдом. В таких случаях ИИ-презентация — это черновик.
Решение: используйте ChatGPT или другую LLM, чтобы создать структуру. Например: «Разработай структуру питча SaaS-продукта для B2B, 12 слайдов, аудитория — венчурные инвесторы. Для каждого слайда — заголовок и три тезиса с местом для данных».
Полученный скелет редактируйте: вставьте свои цифры, уберите лишнее. Затем используйте Beautiful.ai или Canva.
Beautiful.ai автоматически перестраивает макет при изменении контента. Добавили четвёртый пункт — слайд адаптировался. Canva проще в использовании, больше шаблонов, есть бесплатный план.
Как собрать свой генератор: три пути
Если не хотите зависеть от готовых сервисов, можно развернуть свой генератор. Варианты: API стороннего провайдера, локальная модель или Google Colab.
Путь 1: API + python-pptx
Самый быстрый способ — без собственного железа. Нужны Python и API-ключ. Отправляете тему в LLM, получаете структуру в JSON, передаёте в python-pptx — он собирает PPTX.
Доступные API (на апрель 2026):
- OpenAI GPT-5.4 — $2.50/1M входных токенов, $15/1M выходных.
- GPT-5.4 mini — $0.75/$4.50.
- GPT-5.4 nano — $0.20/$1.25.
- Claude Opus 4x и Haiku 4.5 от Anthropic.
- Gemini 3.1 Pro и 2.5 Flash от Google.
Важно: используйте структурированный вывод. OpenAI и Anthropic поддерживают JSON-схемы — модель возвращает данные нужной структуры, без парсинга.
Для изображений:
- Gemini 3.1 Flash Image (она же Nano Banano🍌) — нативная генерация через API.
- Gemini 2.5 Flash Image — дешевле и стабильнее.
- Imagen 4 — отдельная модель Google.
- DALL-E 3 — $0.04 за 1024×1024.
Изображения кодируются в base64 и вставляются в слайды через python-pptx.
Стоимость: $0.15–0.50 за презентацию из 10–12 слайдов. Код — 150–200 строк Python. Дизайн — по шаблону. Такой скрипт легко написать с помощью ИИ.
Путь 2: локальная модель
Самый дорогой, но оффлайновый вариант. Подходит, если нужна независимость от API.
Модели и требования (на 2026 год):
- ~9B параметров (Qwen3.5 9B, Qwen3.6 MoE): 5–6 GB VRAM. Запускается на RTX 4060 (8 GB) или Apple M1/M2 с 16 GB. Через Ollama:
ollama run qwen3.5:9b. - 27–32B параметров (Qwen3.6 27B, Qwen3.5 27B): 14–18 GB VRAM. Нужна RTX 3090/4090 или M2 Max.
- Llama 4 Scout (MoE, 109B суммарно, 17B активных): влезает в 24–32 GB VRAM. Качество выше, чем у dense 27B.
- 70B+ (Qwen3.5 72B): 40–45 GB. Два RTX 4090 с tensor parallelism.
Для изображений:
- Stable Diffusion XL через ComfyUI — от 8 GB VRAM.
- FLUX.1 schnell — альтернатива SDXL, 12 GB VRAM.
ComfyUI удобнее для интеграции: поднимается локальный сервер, принимает JSON-воркфлоу, возвращает изображение.
Путь 3: Google Colab
Бесплатный вариант для тех, у кого нет мощного железа. Google даёт T4 GPU с 16 GB VRAM — бесплатно, но с ограничениями.
На T4 запускается:
- Qwen3.5 9B (~5 GB VRAM).
- Qwen3.6-35B-A3B (~2–3 GB активной памяти — MoE помогает).
- SDXL или FLUX.1 schnell.
Qwen3.6 27B dense (~14–18 GB) не влезает — нужен A100 (40 GB), доступен только на платных тарифах.
Ограничения бесплатного Colab:
- GPU не гарантирован — в пиковые часы может выдать CPU.
- Максимум 12 часов сессии.
- Сессия может оборваться через 30–90 минут простоя.
- Данные не сохраняются — только через Google Drive.
В отличие от локального Ollama, в Colab модель скачивается каждый раз — 3–5 минут для 9B. Запуск через llama.cpp или transformers. Скрипт генерирует структуру, python-pptx собирает PPTX, файл сохраняется в Drive.
Тарифы:
- Colab Pro — $9.99/мес, приоритет на мощные GPU.
- Colab Pro+ — $49.99/мес, до 24 часов выполнения, фоновый режим.
Гарантированного железа нет ни на одном тарифе — для этого нужны GCP Marketplace или Colab Enterprise.
Итог: получить презентацию от нейросети быстро — возможно. Все описанные сервисы с этим справляются. Но по сути это всегда шаблон. Если нужна точная передача смысла, живые данные и выверенная аргументация — автогенератор даёт только черновик. Финальную версию всё равно придётся собирать вручную.
Кому важна скорость — Kampus.ai. Кому нужен дизайн и гибкость — Gamma. Кто хочет контроль и понимание процесса — Google Slides. А кто хочет разобраться изнутри — три описанных пути помогут собрать свой сервис.
Рынок быстро развивается. То, что год назад было слабо, сегодня уже работает. Через год будет ещё лучше. Пока что инструменты ускоряют, но не заменяют мышление.