图片转可编辑PPT技能
把图片、PDF、图片版PPT转换为可编辑的PowerPoint文稿。
- Star 数
- ★ 3k
- 最近更新
- 1 个月前
- License
- MIT
- 主语言
- Python
- FA 评分
- 53/100 · 缺口较多
30 秒速览
- 运行形态
- 可在哪里用
- 平台专用Codex
- 费用
- 软件免费，模型调用费用自付
- 上手难度
- 中 · 需要几步配置
- 开始前需要
- 典型场景
- 将单张幻灯片图片转换为可编辑的 PowerPoint，以便调整文字和元素位置。
- 不适合
- 只想快速生成新 PPT 的用户：本 skill 只做图片式页面重建
- 使用非 Codex 环境且无 Codex OAuth 的用户：多页任务需 page worker 分派
- 源码审查
- 53/100 · 缺口较多
这个 Agent 能做什么，适合哪些场景？
image-to-editable-ppt-skill 是一个 Codex 技能，用于将幻灯片图片、PDF 和基于图片的 PPTX 文件转换为可编辑的 PowerPoint 演示文稿。它首先将输入归一化为逐页任务，然后重建为 .pptx 文件：可读文本尽量恢复为原生文本框，简单几何形状尽量恢复为 PowerPoint 形状，复杂视觉元素则保留为带来源记录的独立图片资产。该技能采用多智能体协作流程，支持单页和多页输入，多页输入会分派给 page worker 并行处理。它自动安装 editppt CLI 工具，并支持使用内置 image_gen.imagegen 或第三方 API 作为图片生成的备用方案。文字校正依赖百度 PaddleOCR-VL，需要申请 Token。该技能建议在 Codex 中使用完全访问权限运行，因为耗时较长且需要自动执行多个步骤。输出始终是 .pptx 文件，并保留原始页面备注。
该技能执行以下操作：首先创建独立任务目录，将输入归一化为 pages/page_NNN/source.png 文件；然后根据页数选择处理方式：单页由主 agent 本地重建，多页则按 max_concurrent_pages 分派给 page worker 并行处理；页面重建者会完成页面重建、自检和修正，并创建 manifest 文件；最后主 agent 使用 editppt run finalize 命令按页顺序重建最终 .pptx 文件，复制页面备注并运行 deck validation。图片生成和编辑优先使用 Codex 内置的 image_gen.imagegen，如果不可用或出错，则降级到 editppt image CLI（使用 Codex OAuth 或 OpenAI-compatible API）。文字校正通过调用百度 PaddleOCR-VL 接口，生成每页的文字标注（框坐标、字号、分组），用于提高文字复原精度。输出目录结构包含 input、final、pages 等子目录，最终生成 .pptx 文件。
- 将单张幻灯片图片转换为可编辑的 PowerPoint，以便调整文字和元素位置。
- 将多张图片或多页 PDF 转换为一个多页 .pptx 文件。
- 将图片版 PPT 页面转换为更容易二次编辑的 .pptx，并保留原始页面备注。
- 复刻单页视觉设计，同时保留文本可编辑性。
- 对比源图与输出页面，定位缺字、错位或资产缺失。
如何安装或部署这个 Agent？
在支持 Codex 的环境中使用以下命令安装技能：
安装 image-to-editable-ppt 这个 skill，地址是 https://github.com/ningzimu/image-to-editable-ppt-skill安装后，技能会自动安装 editppt CLI 工具。需要配置百度 AI Studio 的 Access Token（免费）以用于文字校正，可在 https://aistudio.baidu.com/account/accessToken 申请。图片 API 的降级配置（如提供第三方 API）会被 AI 写入用户级配置文件 ~/.editppt/config.yaml（Windows 下为 %USERPROFILE%\.editppt\config.yaml）。
如何使用这个 Agent？
在 Codex 中，使用 $image-to-editable-ppt 指令并附上图片、PDF 或 .pptx 文件路径，例如：
$image-to-editable-ppt 把这张图片转成可编辑 PPT。
$image-to-editable-ppt 把 <path-to-deck.pdf> 转成可编辑 PPT。技能会自动完成创建任务目录、分派页面重建（使用 page worker 或多 agent 机制）、执行 OCR 校正、生成图片资产，并最终生成 .pptx 文件。输出文件位于 final 目录下。
这个 Agent 有哪些优点和局限？
- 恢复文本为原生文本框，保持可编辑性；
- 支持多种输入格式（图片、PDF、图片版PPT）；
- 多页输入通过 page worker 并行处理，提高效率；
- 自动安装依赖的 CLI 工具，降低手动配置成本。
- 依赖 Codex 环境，无法在其他平台直接使用；
- 建议使用完全访问权限运行，否则会频繁请求审批；
- 对于复杂视觉元素（如照片、插画）只能作为独立图片资产，不能保证内部对象可编辑；
- 转换成本较高，10 页 PPT 可能消耗大量 token 和 5 小时额度。
这个 Agent 与同类方案有什么区别？
与 codex-ppt-skill 不同，codex-ppt-skill 用于从文章、报告、大纲或想法直接生成全新 PPT，而本技能专注于将现有图片/PDF/图片版PPT转换为可编辑的 .pptx 文件。
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| 图片转可编辑PPT技能 当前 | 53 · 缺口较多 | Agent 插件 / 技能免费 + 模型费 | ★ 3k | 1 个月前 | Python | Codex |
| Dashi PPT Skill — 大师级演示文稿生成器 | 41 · 缺口较多 | 命令行工具免费 + 模型费 | ★ 9.7k | 1 个月前 | JavaScript | Codex · Claude Code |
| ReelMimic 影片風格複製工作台 | 50 · 缺口较多 | — | ★ 3.6k | 今天 | JavaScript | Codex · Claude Code |
| Paper2Poster | 28 · 缺口较多 | 命令行工具免费 + 模型费 | ★ 4k | 4 个月前 | Python | Codex · OpenAI API |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
证据显示：README 明确要求使用完全访问权限，并说明会调用 OCR、图片生成/编辑、文件读写、子 agent 分派等，但未提供最小权限方案；用户确认方面，README 提到 AI 会询问 OCR Token，但未说明所有外部调用的确认机制；数据流透明性较好，README 详细描述了输入归一化、输出目录结构和各步骤，但未提供数据流图；敏感数据处理方面，README 说明 API key 存储在用户级配置并遮蔽，但未说明加密存储；依赖安全方面，未提供依赖清单或漏洞扫描；外部影响方面，README 说明会调用第三方 API，但未说明数据发送范围；回滚方面，未提供回滚机制；来源归属方面，README 提到资产来源记录，但未明确所有输出的来源。扣分原因：缺少最小权限、用户确认、依赖安全、回滚等具体证据。
证据显示：README 和测试文件显示 CLI 命令和流程有明确设计，测试覆盖了并发、公式渲染、后端选择等，但未提供完整测试结果；依赖可用性方面，README 提到需要外部 OCR Token 和图片后端，但未说明依赖的可用性保障；失败消息方面，测试和 README 提到错误处理，但未提供全面的失败消息示例。扣分原因：依赖可用性未充分说明，失败消息证据有限。
证据显示：README 明确适用场景（图片、PDF、图片版PPT转可编辑PPT），并区分了单页和多页处理；能力边界清晰，说明了不生成新 PPT、复杂视觉元素保留为资产等；触发方式明确，提供了使用示例；环境适配方面，说明了需要支持 skill 加载、文件读写、CLI 执行等，但未详细说明不同 agent 的兼容性。扣分原因：环境适配细节不足。
证据显示：README 提供了详细的信息架构，包括仓库结构、输出结构；安装说明简单明了；命名稳定，CLI 命令和文件命名有明确规范；提供了示例和 FAQ（通过文档链接）；已知问题部分列出了限制；许可证为 MIT；有 CHANGELOG.md 和版本控制；维护责任方面，README 提供了支持渠道，但未明确维护者身份。扣分原因：维护责任未明确。
证据显示：输出为可编辑 PPTX，README 提供了转换效果示例，说明输出可用；边际价值方面，该 skill 解决了图片转可编辑 PPT 的需求，但成本较高（README 提到 token 消耗大）；成本效益方面，README 明确警告成本高，推荐 Pro 用户，但未提供具体成本数据。扣分原因：成本效益证据不足。
证据显示：README 中的声明（如转换效果、成本）有示例和警告支持，但未提供可复现的验证步骤；跨来源验证方面，README 提到外部文章和文档，但未提供独立验证；事实与推断分离方面，README 区分了已知问题和预期效果，但部分声明（如“不保证 100% 复刻”）是推断。扣分原因：验证证据不足。
- 该 skill 要求完全访问权限，可能执行 OCR、图片生成/编辑、文件读写、子 agent 分派等操作，请确保在可信环境中使用。
- 第三方 API 凭据（如 OCR Token、API key）存储在用户级配置中，请确保配置文件权限安全。
- 转换成本较高，可能消耗大量 token，请根据实际需求谨慎使用。
最近版本
来自该项目 GitHub Releases 的最新发布记录，说明为上游原文摘录，未经本站改写或测试。
-
发布说明摘录
Features - Build native PowerPoint tables with editable cells, proportional row and column sizing, rectangular merges, and shared build, preview, and validation support. (#38) Improvements - Reuse verified page assets during local recovery and load worker references by task instead of requiring every reference in full. Preserve OCR setup and blocked-OCR user interaction. (#38) …在 GitHub 查看 ↗ -
发布说明摘录
Features - Build native editable Bézier paths with dash styles and endpoint arrows, keeping each continuous curve in one PowerPoint object. (#36) Fixes - Emit valid slide-size metadata and complete theme style lists to avoid PowerPoint repair prompts. (#36) - Render diagonal and curved dashed strokes in previews and validate path contracts, stroke styles, and declared logical-line uniqueness. (#36) Documentation - Specify structural curve granularity, document curve editing, and distinguish editable paths from data-linked charts. (#36) …在 GitHub 查看 ↗ -
发布说明摘录
Features - Prefer the agent built-in image_gen.imagegen tool for image generation and editing, with explicit fallback to Codex OAuth and then an OpenAI-compatible API only for defined failure conditions, while recording the actual producing backend. (#22) Fixes - Scope editppt image process-sheet intermediate images and split reports by job id, and reject an existing alpha output before copying a new source sheet. (#22) …在 GitHub 查看 ↗