图片转可编辑PPT
将 PPT 截图、设计稿、海报、图表页等高保真还原为完全可编辑的 PowerPoint 文件:文本转为文本框、形状转为自选图形、表格转为原生表格、图标与照片提取为图片,颜色像素级采样、版式按像素测量,并用渲染对比闭环校验一致性。与"图生 PPT"不同——本技能不重新生成画面,而是精准复刻已有图像并保留逐元素可编辑能力。
skillhub install @user_84b8c7d7/image-to-editable-pptx
README 文档
6,555 字图片转可编辑 PPT · 1.0.10
把图片作为坐标与内容依据。保留原布局、文字、数据、比例和层级;不擅自重新设计。代理负责修正直到成品可用,不把 layout 编写、错字核对、字体替换或 PPT 调整转交用户。 支持多图片、多页合并、逐图单独导出,以及复杂图文页面的分层重建。
触发与入口
- 用户上传图片后可说「把这张截图还原成可编辑 PPT,保留原图布局和中文」。
- 多图可说「按上传顺序逐图还原,分别导出并合成一份 PPT;照片可单独移动,箭头能编辑」。
- 安装、三步试跑和能力边界 · 原图、真实渲染与可编辑样例 · 命令和参数 · 常见报错与修复。
必须拆分图片和图标
先读 非文字对象拆分与验收。默认要求文字、图片、图标、箭头、边框分别可选中与修改。照片提取为独立图片;简单图标重建为原生路径,保留颜色、比例和轮廓;复杂插画/商标作为独立透明图片时明确说明路径不可编辑。禁止只移除文字后把全部视觉内容留在整页底图。
逐区建立源图 visualinventory,每个可移动对象记录 kind、sourcebox、treatment、objects、reviewed。填写清单后逐项映射至最终 PPT 的实际对象。背景必须同时移除文字和独立前景照片、图标、边框、箭头,并设置 visualobjectsremoved:true。检查单独底图,再在验证副本移动/隐藏前景确认原位置无重复残影。
缺少非文字清单、清单未复核、前景仍留在底图或对象映射不完整时禁止交付为完成品。不能以文字对象数量、整体外观相似或 review.inventory_complete:true 替代非文字检查。单张图片同样执行完整分层流程。
首先分清输出与验收
- 默认逐图生成
editable.pptx;所有输入均导出后才生成合并combined.pptx,按上传顺序。缺页时先补齐;只有用户明确要部分草稿时使用--allow-partial-merge。目录输入按数字自然排序(2 在 10 前)。 - 一份 PPT 的所有页只能共享一个页面尺寸。合并时采用首张成功导出的图片比例,其他比例等比留边;需要每张原尺寸时使用单页文件。不得拉伸或裁掉内容。
needslayout表示还需分层,needsreview表示已导出但未验证,verified才表示单页结构、人工文字清单、OCR 疑点清零和真实 Office 渲染均通过。失败图片写入清单,保留原输入编号,不悄悄漏页。- 自带 Pillow 渲染只检查几何位置,不能验证 Office 的字形、渐变字、发光、阴影、自由形状。绝不能因此声称“视觉还原通过”。
- 脚本返回 2 是“需要继续处理”,不是任务结束。作为代理,必须继续补齐清单、修正文字/素材与布局,重跑导出。无法完成真实渲染时如实说明成品尚待 Office 复核。
verified仍需代理亲自打开逐页并排图,检查文字、细线、照片边缘与溢出。报告为needsreview时先依据comparison.tilealerts.worst与comparison.regions修正,再重新生成;不能让用户完成这些步骤。
批量入口
两张及以上图片在默认 auto 模式下,先为每张未测量图片准备原尺寸源图、放大阅读块和独立清单。由代理逐页完成单图级重建,再续跑导出。图片数量增加时保持每页同样的阅读、测量和修复步骤。单张图片也先准备清单和测量。可用 --mode layered 显式选择分层,--mode editable 仅用于用户明确需要自动粗稿的情况。
包内构建器用 python-pptx 读写对象。宿主提供 Presentations 渲染能力时,也可用于真实渲染与交付;直接使用包内脚本时按预检结果选择本地或外部 Office 渲染。
python scripts/batch_convert.py image1.png image2.png image3.jpg -o build --json
python scripts/batch_convert.py images/ --recursive -o build --json
python scripts/batch_convert.py --manifest jobs.json -o build --resume --json
运行 python scripts/preflight.py --plain 检查基础转换、可选 OCR 和真实渲染。缺少 OCR 时加 --ocr none,代理从逐页阅读块转录;单张也可加 --prepare-only 进入测量流程。准备阶段返回 needs_layout 和退出码 2 后,立即读取 work-queue.json 继续处理,不把它当作用户需要自行补完的交付物。
orchestrate.py 默认转发给批量入口,--legacy-single 用于旧单页调试。清单格式、续跑和合并参数见 命令和参数。真实渲染失败时保留已导出的单页文件,报告待核对与修复动作。检测到 Office 渲染器时会再次渲染合并文件,输出 combined-review 逐页对比。
多张复杂图的执行顺序(必须完成的代理工作)
- 先校验全部附件的可读性、EXIF、尺寸和上传顺序;原图文件必须完整解码。不可读时通过当前附件 ID 重新获取,不复用过期路径,不吞掉坏文件。
- 批量入口为每页建立独立目录。读取
work-queue.json,一次只把当前页作为重建对象,完成“打开原图和全部阅读块 → 记录各区文字及对象 → 测量 → 分层构建 → 实际渲染 → 局部修复”。进入下一页时重新打开该页原图;内容、坐标与验收结论均来自该页。联系表只用于核对顺序。 - 复杂页的
needslayout只是 OCR 与检查素材准备完毕,没有生成可用 PPT。由代理继续填写该页layout.json,素材置于该页crops/。不得告诉用户自己写 JSON、调整 PPT,或把needslayout当成交付。 - 改好一页后,优先用
--manifest build/continue.json --resume。若原 manifest 显式指定layout,该路径始终是权威输入;必须编辑队列指向的原布局,不能只改导出副本后又读取旧布局。无显式布局时也可用原始完整输入列表加--resume。continue.json保持原输入编号及失败页;不能只取成功页重新编号。复用的仅是每页输入、资产和环境都未变的成果。 - 读取每页
repair-tasks.json:先核对错字/数字/表格,再修位置、字体、连接线及发光。任务中的坐标都属于该页原始像素。完成下一次导出后重新查看局部对比,不借别页的低误差放行本页。 - 共享字体和视觉样式可以复用,文字内容、框坐标、对象清单、检查结论必须逐页独立。参考 密集多页工作流 建表格、图表与辐射关系图的清单。
- 每轮核对
inputcount、exportedcount、pendingcount和pendingindices。全部页导出后,重新渲染合并文件并检查顺序、漏页、缩放及字体。任一页仍有问题就继续修复该页。明确资源阻塞时说明具体页码与未完成步骤,不能声称“保证无需人工调整”或“100%还原”。
每张图都先看,不根据文件名猜
- 打开每张图片,读实际尺寸,尊重 EXIF 方向。对小字区域放大检查;多图先做缩略联系表,但仍逐图复核。
- 区分纯色图表页与复杂图文页。脚本
auto的颜色/边缘分析只是分流提示。复杂度不确定时走分层流程。 - 简单图的自动识别只能用于显式粗稿;正式转换仍须逐项核对视觉清单。图1一类“工厂照片底 + 大量中文 + 人像 + 发光切角框”的图必须分层,不走平坦区域全图分割。
- 所有图片均先准备源文件,检查存在性。上传路径失效时用附件 ID 重新下载,不在缺文件时编造转换结果。
- 对目标字体先检查运行环境是否安装,优先用源字体;中文回退字体必须以最终实际渲染后的字宽、行距和换行复核。把文字框对齐到原图容器,别只按 OCR 墨迹框估位置。
复杂图片:先清单、再按层重建
遇到照片底、霓虹边框、密集表格、混合字号或大量图标时,先读 复杂图原位校准。采用 precisionmode: measured,对象全部命名,文字使用测量容器。图标/照片裁剪 metadata 中的 sourcebox 必须传入 layout;构建器按原位置和原尺寸插入并验证素材画布。结构报告新增 geometry:逐对象核对坐标与尺寸,最大允许误差 0.5 个源图像素;检查未覆盖项列在 unchecked。这个检查只证明对象框与测量稿一致,字形、基线和测量稿本身仍须对照源图与真实渲染。
读 复杂页面与背景保留 及 布局字段。遇到五张指标卡、五步流程、底部图表并存的工业霓虹页,另读 高密度霓虹数据页。
A. 测量与文字
- 使用
scripts/tiled_ocr.py source.png -o texts.json:整图识别 + 720px 重叠分块两倍放大识别,坐标映射回原图;右侧/底部使用完整尾块,较小页面也做放大识别。相同文字只在同一空间位置去重,相邻表格中相同内容仍独立保留。 - 批量入口在
needslayout时自动生成review-tiles/;即使缺中文 OCR,也打开index.png和各tile-*.png逐区读取。单独运行可用python scripts/inspectdense.py source.png -o review-tiles,tiles.json提供每块源图坐标。放大块只用于检查,绝不插入 PPT。 - 人工核对人名、数字、百分号、单位、脚注、换行。OCR 替代候选、低置信文字必须回到原图确认。不得自动挑一个人名当作正确答案。
- 为标题、负责人、成员区、分工区、会议区、指标区等建立
regions;每区都要有对应对象清单。 - 分块 OCR 只是辅助,合并/拆分文本块仍需要视觉复核。文字保持原内容,普通文字/姓名标签不得保留在图片里。
- 对每条 OCR 的
alternatives与needsreview逐条处理,核对后修正text,再删除needsreview标记;仅设置页级review.text_verified不会使未解决疑点通过。 - 先按 100% 源图像素测量盒子,再估字号。相似字体替换时以中文实际字宽和换行比对,必要时逐段设置
fontname与sizept,不要靠放大文本框掩盖字体不匹配。细则见 精度测量与局部复核。
B. 背景与视觉资产
- 不再强制整图去背景,不自动删除浅色背景装饰。 旧版从像素色差推透明度的下界不足以判断元素可以删除;仅用户明确要求简化时才启用旧过滤。
- 纯色/线性渐变背景、卡片、边框、分隔线、连线均为原生对象。
- 工厂环境、照片、复杂插画可保留为独立栅格素材,但可辨识的主标题/姓名/数字/表格内容必须移出成为原生文字。
- 需要全幅照片底时,使用无前景文字/图框的干净背景资产,记录
role: clean-background, contains_text: false, reviewed: true。若没有干净底图,先用图像编辑能力移除前景并逐区复核。图片工具不可用时标记缺背景,不能改成纯色后声称还原。 - 程序逐个检查文字区域与干净底图的像素变化;底图仍含原文字时会报错。报错后修复底图,不通过换文件名或涂盖图层绕过。
- 被文字/卡片遮住的背景像素无法从单张图片精确恢复。重建区域要说明是修复,不保证原始隐藏像素一致。
- 不允许把原图直接作为底图,再覆盖可编辑文字;不能用页面切片规避。干净背景的声明不是自动证明,必须放大检查是否残留旧字/旧框。
- 图片面积限制按语义:真实大幅照片/干净背景可以超过旧版 15%/30% 限制;图表、表格、文字卡片、整页截图仍禁止栅格化。
- 独立人像/照片保留原像素与比例;抠图只在视觉需要时进行。纯色图标优先原生路径重建;仅明确例外才保留独立透明素材,复杂背景不要用全图阈值强行抠除。
C. 原生对象
- 使用
polygon重建切角框,line重建组织架构分叉;连接端点、线宽、箭头方向均按源图。 - 支持形状
glow/shadow;文本textgrad、outline、glow、shadow、italic、逐对象fontname。不要把霓虹边框简化成单层普通矩形。 - 混合字号/颜色使用原生
spans与固定linespacingpt;保留小数坐标,直到写入 EMU 才取整。测量与写入使用同一实际字体,参照 混排、字体和坐标精度。 - 量准字体时用
boxmode: frame和sizept:框表示实际文本容器,禁止再按 OCR 墨迹框重新拟合。自动 OCR 初稿可用原来的 ink-fit。 - 字体不可用时使用合适的中文字体并记明替换,检查最终换行。不要用英文字体测量后声称中文完全一致。
- 对象独立、命名且按 z 排序;旋转/透明度要保留。裁图时参照
references/crop-placement.md保持真实 source_box。
D. 填完 layout 再运行
python scripts/batch_convert.py --manifest jobs.json -o build --resume --json
填写 review.inventorycomplete、review.textverified 和 review.visualinventoryverified 只能发生在实际检查之后。 结构检查会检查 layout 中每条文字与 PPT 对象;它无法证明 layout 没有漏抄源图,必须由人工/代理核对源图补全。
验收闭环
- 检查每张输入都有报告条目;合并页码与源文件一一对应,失败图片明确列出。
- 校验素材存在、尺寸匹配、每段文字可编辑、对象名称与数量吻合、对象不越界。素材缺失时直接报错,不偷偷截取源图占位。
- 使用真实 PowerPoint/LibreOffice/WPS 或 Presentations 技能可用的最终 PPT 渲染器渲染。脚本可自动探测 LibreOffice/soffice 与 pdftoppm。
- 比较整页、手工 region 和每个文字/图形/图片的局部差异,生成并排图和差异图。局部项目未通过时不能用较低的整页 RMS 放行;小字、人名、连线、照片裁切仍需逐项目视确认。
重叠的 48px 网格用于定位漏列的小标签与细线,文字对象还检查像素不匹配比例和边缘召回。查看 comparison.tile_alerts.worst 的坐标,按误差从高到低修复。
- 原生发光/文字特效缺少真实渲染验证时报告
needs_review。不放宽阈值来制造通过,不用代码预览替代最终文件。 - 对合并后 PPT 再次实际渲染并逐页查看;尤其检查跨尺寸页的字、线宽与素材比例。
- 交付 PPT 并简短说明:原生可编辑部分、保留为图片的部分、字体/背景修复的差异、尚未完成的验证。
本机没有 LibreOffice 时,用 Presentations 技能或实际 PowerPoint/WPS 将最终 PPTX逐页渲染为图片。对每张原图和对应渲染图运行:
python scripts/qa_external_render.py source.png rendered.png layout.json editable.pptx -o qa/page-01
它复用局部精度与结构门槛,并输出 qa-report.json、并排图、差异图。修复后重新导出并再检查独立版与合并版。若没有任何真实 Office 渲染器,不以几何预览放行“可直接使用”。
维护与旧工具
buildpptxfrom_layout.py继续支持旧 schema。--strict-assets禁止缺失素材时临裁;批量入口强制启用。removebackground.py/audittransparency.py仅用于需要透明背景的独立对象,不是每个页面的必经步骤。- 旧
verify_reconstruction.py专用于旧“透明前景重建”验收,不能用它的背景删除/面积上限验证新照片底图模式。 render_offscreen.py仍是几何诊断工具,未覆盖所有新的 DrawingML 效果。- 用
python -m pytest -q运行完整回归(需要 pytest);unittest discover不覆盖本包全部测试。测试通过只说明程序行为通过,不等于某批原图已完成视觉还原。
辅助测量:measure.py 与 pickcolor.py 量坐标/取色,auditicons.py 检查素材比例与裁切,complexity.py 为手工元素清单打分;自动识别由 describe_image.py 完成。这些工具不替代视觉验收。
同分类其他技能
查看全部 ›腾讯文档(docs.qq.com)-在线云文档平台,是创建、编辑、管理文档的首选 skill。涉及"新建/创建/编辑/读取/查看/搜索文
335 262.3万 WPS Office 全家桶WPS Office 全家桶 - 四引擎(WPS/MS Office/LibreOffice/纯Python)智能识别用户已安装软件,纯
182 109.3万 ppt-generator-skill智能 PPT 生成助手。根据用户描述的主题、行业、风格,自动生成漂亮的 PPT 文件。支持所有行业(商务、教育、科技、医疗、金融、创意等
378 91.6万 腾讯文档在线协作自动化通过 Tencent Docs Open API 以 curl + jq 创建、读取、列出、搜索和管理腾讯文档的自动化工作流,覆盖在线文
0 85.8万 WPS Office 全家桶WPS Office 全家桶 - 四引擎(WPS/MS Office/LibreOffice/纯Python)智能识别用户已安装软件,纯
5 81.6万 秘书材料星公文写作-妙笔skill体制内资深办公室主任+管理学博士,自学编程开发的智能公文写作Skill,让所有办公室同仁少掉头发、少加无用的班,材料一稿过关,省下的时间
50 77.2万