ningzimu/image-to-editable-ppt-skill

解决的问题

此项目提供了一种将静态图片、PDF 或基于图片的 PowerPoint 演示文稿转换为完全可编辑 .pptx 文件的方法。它解决了演示文稿页面本质上只是图片，导致难以更新文字、移动元素或修改版面，而必须从头开始制作的问题。

运作原理

该工具将输入文件标准化为逐页任务。然后，它结合 AI 代理（主代理和页面工作者）与工具来重建演示文稿页面：

• 文字复原： 使用 OCR（特别是 PaddleOCR-VL）准确判断文字内容、字体大小和坐标，将其还原为原生的 PowerPoint 文本框。
• 形状重建： 将简单的几何图形转换回原生的 PowerPoint 形状。
• 视觉资产： 复杂的视觉元素会被提取为独立的图片资产，通常使用图像生成和编辑工具（如 Codex 内置的 image_gen 或兼容 OpenAI 的 API）来分离前景元素。
• 并行处理： 对于多页文档，主代理会将任务分配给子代理（页面工作者）以并行处理页面。
• 最终组装： 工具会收集来自每一页的清单，并将其组装成最终、有序的 .pptx 文件，同时保留原始的演示文稿备注。

目标用户

需要将不可编辑的演示文稿内容（如截图或 PDF 导出文件）转换为可编辑的 PowerPoint 演示文稿以进行进一步修改的用户，或是希望在保持文字可编辑的同时复制视觉设计的设计师。

特色亮点

• 多格式支持： 处理单张图片、多张图片、PDF 和基于图片的 PPTX 文件。
• 代码重建： 还原原生的 PowerPoint 表格、曲线、虚线和箭头，而不仅仅是放置图片。
• 测量驱动： 使用 OCR 驱动的测量来实现精确的文字放置和大小调整。
• 混合策略： 针对复杂页面结合可编辑文字、原生形状和独立图片资产。
• 并行工作流程： 通过子代理支持并发页面处理，以加速大型演示文稿的转换。