把「做幻灯片」交给模型，难点从来不在写文字，而在版式、配色、留白这些说不清的设计语言。Palette 试图用一个小模型来解决这件事。
发生了什么
Hugging Face 发布了一篇题为《Palette: teaching a small model to build decks in your design language》的内容，介绍 Palette 这一项目：训练一个小规模模型，让它按照给定的设计语言来构建演示文稿（deck）。从标题表述看，其核心思路不是让通用大模型自由发挥，而是把某种既定的视觉与排版风格「教」给模型，使其产出的页面符合该风格。原文摘要信息有限，具体的数据集构成、训练方式与评测结果未在片段中展开，因此这里不对效果做量化判断。
为什么重要
过去两年，AI 生成 PPT 的产品大多走两条路：一是模板填充，把内容塞进固定版式，风格统一但僵硬；二是调用通用多模态大模型直接出图或出页面，灵活但风格漂移，很难稳定贴合某个品牌或个人的设计习惯。Palette 的价值在于它把问题重新定义为「风格适配」而非「内容生成」——设计语言是可以被学习的，而学习这件事不一定需要最大的模型。
这与小模型近来的整体走向一致：在垂直、边界清晰的任务上，经过针对性训练的小模型往往能在成本、延迟和一致性上胜过大模型。演示文稿生成恰好符合这个特征——版式规则相对收敛，评价标准明确，且用户对「像我做的」有强烈偏好。
影响与看点
对设计工具和办公软件厂商而言，这意味着「品牌一致性」可以成为可训练资产：企业把自己的模板、字体、间距规范喂给模型，产出的初稿就自带企业视觉。对独立开发者和设计师，小模型意味着可以在本地或低成本环境里跑起一套私人版式助手。
值得关注的几个点：一是风格泛化能力，模型学到的是表层模板还是可迁移的设计规则；二是可控性，用户能否用自然语言微调单页布局；三是内容与版式的解耦程度，这决定了它能否接入现有的文档与数据工作流。
一个独立判断：AI 做 PPT 的竞争焦点正在从「能不能生成」转向「像不像你」，谁能把设计语言变成可训练、可复用的模型能力，谁就更接近真实的生产场景。
