我的网站一般通过functions.php文件来加载特定的JS代码或CSS，这样虽然有一定的灵活性，但是WordPress主题文件更新时，其会将用户上传到主题文件夹的代码删除，也会重置functions.php文件，不过不用太担心，这个操作在你点击更新之前会进行提示而非全自动就给你覆盖掉了。
因此必须定期备份修改过的文件，此外也可以考虑采用子主题——Child Theme，这个操作可以参考WordPress的子主题介绍来进行。
其中对于如何上传自主题、如何修改functions.php，都有较为详细的解释。
惊闻B站有人出售百元本地部署教程，NND给我看笑了，什么都能卖钱是吧，当然不排除人家手把手教，提供足够的情绪价值。
但是如果你不想花钱，同时想提升一下英文水平和计算机熟练度，请跟着官方文档一步步进行，目前的文档已经相当详细且可行。
我们如果在Windows上进行部署和调试，推荐使用Open WebUi+Ollama的方式进行部署。
PS：其实更建议在Linux上进行部署，一键部署更加便利~
1、选择后端Ollama
在Ollama官网选择Win版本下载，会自动部署相关环境，在CMD或者中powershell可以按照对应的模型拉取到本地。
请根据自己的硬件量力而行。我的显卡为RTX3070 8G，按照ollama默认设置，运行7B已经亚历山大。
2、选择前端Open-WebUi
请根据您的系统，在Open-WebUi的官方文档，按照步骤，一步步来进行部署。
Win版本下按照官方建议，可以使用uv，在powershell中进行拉取和部署，其中对网络环境有一定要求。
3、启动Open-WebUi后的注意事项
Open-WebUi原版毕竟是国外软件，在国内这个环境启动还是有一点网络困扰的，尤其是有些文件是通过Github的地址获取的，请对自己的网络环境做出一些针对性的优化调整。
另外完成本地部署后，如果是启动在127.0.0.1上，那么检查ollama的端口是否running，一般按照官方部署都可以进行顺畅进行（只有国内这个网不太顺畅）
此外Open-WebUi默认检查OpenAi的API，这个选项可以在首次登陆后去管理员面板关闭，这样不会每次启动都遇到拉取模型缓慢、超时的情况。
4、其他分享
我的电脑采用13700K 32G DDR5 RTX3070 8G，但大模型运行需要大显存，8G显存只能算起步，参数量只能流畅运行7B左右的模型，因此一般的家用和办公电脑跑大模型都存在很大的限制。
RTX3070 8G跑DeepSeek-R1:7B的速度——显存爆满，ollama默认设置，显示CPU处理占用10%，GPU处理占用90%，常规问答的response token/s在39左右 ，prompt_token/s在2500左右。但是大模型性能存在一定的短板，长上下文效果不尽如人意。
RTX3070 8G跑DeepSeek-R1:14B，ollama默认设置命令行中速度可以接受，在WebUi中短回答response token/s约为14，较长的上下文降低到7不到，一半跑在GPU一半跑在CPU，长文本效果很差。
RTX3070 8G跑DeepSeek-R1:32B，ollama默认设置在命令行中速度还行，缓慢但可以简单对话，处理长文本速度基本不可用。若用13700K跑在CPU则32G内容跑满，速度也是非常慢。
在跑完Ai测试后，请关闭Ollama的进程，否则你将面临满占用的显存或内存~
5、体验
搭配Open-WebUi可以实现本地部署，多端使用，但是对体验影响更大的限制——模型本身——我们个人、及小公司的计算性能均没法有效支撑，本来大模型就是为了提升效率，本地部署一个跑的死慢的模型，对效率的提升实在是存疑。
当然我鼓励大家都去本地部署体验一下，从中也可以获得一些乐趣，但是如果到实际应用层面，大一些的模型硬件需求激增，小公司玩这个自建后端的硬件成本还是太高了。
因此，对小公司而言，可能选择一个大树，使用API，保护好自己的数据（真的是有价值的数据吗？）进行针对性的训练，拓展自己的RAG系统，做好本地化的情况下拥抱云计算，才是提升小公司效率的一条路吧。
但话说回来，小公司真的愿意为这个人工和软件成本付费吗？
比较笨的方法，用来提取PPT课程视频画面，并生成对应的PPT，代码检测黑屏但没有检测白屏，没有检测重复画面（因为有些人讲课会来回翻PPT），因此还有优化空间。内存占用会逐渐增多，不过测试没有出现崩溃的情况。
PS：做完发现可以直接问讲课人要PPT原件，我，，，
import cv2
import os
import numpy as np
from pptx import Presentation
from pptx.util import Inches
from skimage.metrics import structural_similarity as ssim
import tkinter as tk
from tkinter import filedialog, messagebox
# 选择视频和输出目录
def select_video_and_output():
video_path = filedialog.askopenfilename(title="选择视频文件", filetypes=[("MP4 files", "*.mp4")])
if not video_path:
messagebox.showwarning("选择视频", "未选择视频文件")
return None, None
output_dir = filedialog.askdirectory(title="选择输出目录")
if not output_dir:
messagebox.showwarning("选择输出目录", "未选择输出目录")
return None, None
pptx_path = os.path.join(output_dir, "output_presentation.pptx")
return video_path, pptx_path
# 处理视频并生成 PPT
def process_video_to_ppt(video_path, pptx_path):
os.makedirs("ppt_images", exist_ok=True)
cap = cv2.VideoCapture(video_path)
_, prev_frame = cap.read()
prev_gray = cv2.cvtColor(prev_frame, cv2.COLOR_BGR2GRAY)
frame_count = 0
slide_count = 0
images = []
similarity_threshold = 0.95 # 提高 SSIM 阈值，减少相似图片
brightness_threshold = 10 # 黑屏检测（平均亮度 < 10 认为是黑屏）
def process_frame(frame):
""" 计算 SSIM 相似度，判断是否保存该帧 """
nonlocal prev_gray, slide_count
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
score = ssim(prev_gray, gray)
# 计算平均亮度，过滤黑屏
avg_brightness = np.mean(gray)
if avg_brightness < brightness_threshold:
return # 跳过黑屏帧
if score < similarity_threshold:
img_path = os.path.join("ppt_images", f"slide_{slide_count}.jpg")
# 确保不同的幻灯片才保存
if len(images) == 0 or images[-1] != img_path:
cv2.imwrite(img_path, frame)
images.append(img_path)
slide_count += 1
prev_gray = gray # 只在确认变化时更新参考帧
while cap.isOpened():
ret, frame = cap.read()
if not ret:
break
# 仅每隔 15 帧处理一次
if frame_count % 15 == 0:
process_frame(frame)
frame_count += 1
cap.release()
# cv2.destroyAllWindows()
# 创建 PPT
prs = Presentation()
for img in images:
slide = prs.slides.add_slide(prs.slide_layouts[5]) # 空白幻灯片
left, top, width, height = Inches(0), Inches(0), Inches(10), Inches(7.5)
slide.shapes.add_picture(img, left, top, width, height)
prs.save(pptx_path)
messagebox.showinfo("完成", f"PPTX 生成完成: {pptx_path}")
# 主函数
def main():
root = tk.Tk()
root.withdraw() # 隐藏主窗口
video_path, pptx_path = select_video_and_output()
if video_path and pptx_path:
process_video_to_ppt(video_path, pptx_path)
if __name__ == "__main__":
main()