图片 PPT 转可编辑
默认用宿主的读图能力、内置 imagegen 和本地 PPT 组装完成。不要为了转换重新搜索、评测或安装一批第三方转换器;不把第三方 OCR Token、付费 API 或大型分割模型作为开工前提。若用户明确要求某个工具的实测,真实运行该工具,不能把自主重建说成它的效果。
先区分转换与修复
- 新转换:整页位图、图片式 PDF 或尚未拆分的 PPT,要恢复文本和有意义的独立素材,走下方“逐页重建”。
- 已有 PPT 修复:已经有文本框和拆好的图片,只缺少部分可编辑文字、底图仍有字或文字重复。先读 保留对象的修复工作流,不要再执行素材拆分或整页重建。
- 用户说“原来两张就保持两张”时,这是最终 PPT 对象约束:原图片的数量、边界、位置、大小、裁切、旋转与组织关系保持不变。清理可以在素材内部进行;不得为了方便合并、切碎或覆盖成整页图。已有正确的原生文本和图形原样保留。
- 共通节奏:先做出一页回装后的完整效果,随后按页或短批次完成“处理→回装→检查”。不能积累几十张生成素材却只有少数页面可看。用户明确只要检查时止于检查,已有整套授权时继续执行,不自行增加确认关卡。
输入和处理粒度
- 接收幻灯片图、图片式 PDF、纯图片或部分可编辑的 PPTX。保留源文件、页数、顺序和页面比例,另建输出目录,另存新文件,不覆盖输入。
- PPTX 先读内部对象和媒体关系。整页只是一张图时优先提取嵌入原图;若存在裁切、旋转、组合或原生对象,不能盲取图片冒充页面。保留既有原生对象与备注,按真实页面做必要渲染。
- 不改写文案、不换风格、不添加页面。看不清的文字标记核对,不凭空补全。
- 单页直接做。多页先挑一页建立共同的字体和素材处理方式;用户只要求试用时做到样张即止,已经授权整套处理时继续完成整套,不反复请求确认。用户明确要先确认样张时才等待。
- 不默认派子代理。需要时遵守当前会话的授权和并发限制。
逐页重建(仅新转换)
1. 读图并记录对象
记录画布尺寸、可读文字及其坐标、字号层级、颜色和原图字体特征;另列背景、Logo、照片、插画、装饰、简单图形、图表和表格。坐标统一采用源图像素,组装时等比映射。
区分页面正文和画面内纹理文字:主标题、注释、标签应编辑;书页纹理、照片招牌等可以随位图保留。已有原始 Logo、照片、SVG 或透明素材时优先复用,并保持比例。
2. 分离背景和图片素材
- 纯色或普通渐变可用原生背景。复杂纸纹、山水、照片背景用内置 imagegen 的编辑模式清除将要重建的文字和前景。
- 编辑前查看输入。提示词锁定原构图、颜色、纸张材质、光影和位置,明确是清除与补全,不是重设计。
- 复杂前景优先按有意义的视觉对象分离,保留原图特征。相互遮挡的书页、建筑等可以作为一个组合位图;如未再拆开,要说明真实粒度。
- 不要求每张复杂配图都变成矢量。可移动图片、原生形状、数据驱动图表是不同的可编辑程度。
- 当生成资产无可靠 Alpha 时,直接走“纯色底 + 实际抠除”;不要反复提示“透明”并接收画出来的棋盘格。仅在遮挡补全需要时使用生成式编辑,避免无谓重画导致细节漂移。
需要透明资产时读取 透明素材处理:其中包含可直接执行的纯色抠除命令和 Alpha 校验。文件名 PNG、黑底显示、透明预览和棋盘格都不构成透明证据。像素校验也不能替代边缘/内容检查。
3. 恢复可编辑元素并组装
使用当前可用的 Presentations 技能和它提供的运行时、PPT API 与验证器,不硬编码某次运行的依赖版本。图片编辑使用内置 imagegen;确定性的底色抠除使用本 skill 的本地工具。
- 正文、标题、标签、数字是可见的原生文本框。按原图字号、字距、位置还原,不通过隐藏文本制造可编辑比例。
- OCR 只作候选,回到原图核对文字、图标误识别、跨栏与跨图片边界的句子。按整页逻辑恢复一份完整文本,不按素材边界截断文句。
- 标题书法字或艺术字没有原字体时选接近的已安装字体并说明近似。字号同时受实际字形宽度和高度约束;不用 OCR 框高直接当字号,也不靠大幅负字距塞进框。保留原文字旋转与前景颜色。
- 直线、分隔线、关系图节点、简单连接线、表格尽量使用原生对象。关系线每条保持完整可选中,避免大量零碎线段。
- 图表仅在源数据可靠时恢复为数据驱动图表;否则保留独立图像或明确是原生线条近似,不能声称数据可编辑。
- 顺序为背景、独立图片、结构图形、文字,具体按源图遮挡关系调整。避免同一文字或图案既留在背景又叠一份。
- 支持用户分别移动素材;素材嵌入 PPTX,同时保存独立文件。不要只交付一张整页图。
验证和交付
- 核对源图中的文字覆盖、页数、顺序、页面尺寸;检查文本框、图片与形状数量,以及图片关系是否有效。
- 所有应透明的资产验证 Alpha,并在组装页面中检查边缘、底色残留和纸张内部是否被误抠除。
- 结构校验通过后,实际打开 PPTX 供用户验收。不截屏、不上传截图、不把截图当门禁。可做文件渲染验证;若当前约束连渲染图也禁止,用原生应用/PDF检查,不为此放弃可编辑检查。
- 批量前用一页含中文的源文件与输出检查渲染器。中文渲染出现替代字体或乱码时,先查本地字体和渲染器的 fontconfig 配置。某个渲染器的回退不等于源 PPT 已正确或已损坏,分别记录证据;在可用的目标应用核实。
- 一轮整页检查后,只修发现的缺字、残字、失真、接缝和溢出等具体问题,再检查受影响页面。已认可页面冻结;达到约定要求即停止,不额外抛光或重生成。
- 交付可编辑
.pptx;新转换按需附独立素材目录或 ZIP,已有 PPT 修复以完整文件为交付单位;简短说明尚未拆开的组合、字体近似与生成式编辑的细节差异。中间绿色底、假透明失败图、诊断报告不作为成品。 - 只说已验证的结果。区分“文件结构通过”“文件可打开”“用户认可视觉效果”。进度以已回装并检查的页数计;素材生成数另列,不能替代完成页数。用户问进度时直接回答,并提供当前整页结果。少展示空白条、页脚等过程素材,少重复承诺;恢复任务先清点并回装可用成果。
需要清背景、分离素材的提示词时读 提示词模板。本 skill 自带的是 MIT 授权的独立抠除脚本,只依赖 Pillow;来源见 脚本来源,无需安装整套第三方 skill。


