balakrishna-24/ppt-generator 教程

balakrishna-24/ppt-generator 是一个以 Jupyter Notebook 为主的 YouTube to PowerPoint 工具，目标是从 YouTube 视频中下载视频、抽取代表性帧、过滤重复画面，再用 python-pptx 生成 presentation.pptx。它更像“把公开视频里的课件画面还原成 PPTX”，不是从零设计一套可编辑演示文稿。

仓库只有 README.md 和 Final_Project_LLM.ipynb 两个核心文件。README 写了两条路径：一条是 CrewAI agent-based approach，把视频处理和 PPT 生成分别交给 agent；另一条是 non-agent approach，直接调用下载、抽帧、取图、生成 PPT 的函数。

一分钟看到它能做什么

最快的理解方式是打开 Final_Project_LLM.ipynb。Notebook 顶部带 Colab 链接，代码里大量使用 google.colab、cv2_imshow 和 userdata.get('openai-key')，所以它的原始运行环境更接近 Google Colab。

依赖集中在视频、图像、OCR、PPT 和 agent 框架几类：

pip install opencv-python
pip install yt-dlp
pip install python-pptx
pip install pytesseract
pip install pytube
pip install crewai
pip install crewai[tools]
pip install openai
pip install langchain-openai
pip install Pillow

系统层还需要 FFmpeg 处理视频，Tesseract OCR 识别帧里的文字。Notebook 里也出现了 Colab 风格安装命令：

sudo apt-get install ffmpeg

为什么它需要 SQLite

这个项目不是直接把每一帧都塞进 PPT。Notebook 会先创建 images.db，表结构包含 id、filename 和 image BLOB。抽取出的截图先进入数据库，再由后续步骤读取、展示、删除重复帧或生成 PPT。

这样做的好处是处理过程可分段：先下载视频和抽帧，再看数据库里剩下多少图片，接着用 OCR 或相似度算法过滤，确认后再调用 create_ppt(images)。如果直接从视频到 PPT，中间很难检查哪些帧被保留。

README 提到的配置项包括 FRAME_RATE、INTERVAL 和 THRESHOLD。Notebook 后半段还有更具体的参数，例如 FRAME_RATE = 3、背景建模相关阈值，以及基于 Tesseract 文本的滑动窗口去重。

两条路径怎么选

non-agent 路径更适合第一次验证。它的顺序很直白：给 YouTube URL，调用 download_you@tube_video(video_url)，再运行 detect_unique_screenshots(video_path, interval=3)，随后从数据库读取图片并生成 PPT。

video_url = 'https://[email protected]/watch?v=YOUR_VIDEO_ID'
video_path = download_you@tube_video(video_url)
detect_unique_screenshots(video_path, interval=3)
images = fetch_images_from_db()
prs = create_ppt(images)
prs.save('presentation.pptx')

agent-based 路径则引入 CrewAI。README 中定义了 Video Processor agent 和 PPT Generator agent，一个处理 YouTube 视频和唯一帧，一个从数据库图片生成 PowerPoint。这个路径需要 OpenAI API key，Notebook 用的是：

from google.colab import userdata
OPENAI_API_KEY = userdata.get('openai-key')
os.environ['OPENAI_API_KEY'] = OPENAI_API_KEY

如果只是确认工具是否有效，先走 non-agent 会更清楚；如果要展示 agent 协调任务的思路，再跑 CrewAI 版本。

PPTX 生成方式很朴素

create_ppt(images) 会新建 Presentation()，为数据库中的每张图片创建一页空白 slide。图片先从 BLOB 转为 OpenCV 图像，再编码成 PNG 字节流，接着按页面宽高计算比例，居中放进幻灯片。

这意味着输出 PPTX 的每页核心内容仍然是一张截图，不会自动恢复成可编辑标题、图表、表格或项目符号。它的价值在于快速把视频里的课件画面整理成可翻页的 PowerPoint 文件，而不是还原原作者的源 PPT。

检查输出看三个位置

第一，看 images.db 是否存在，并确认表里有截图记录。第二，运行展示函数时检查保留帧是否清晰、是否重复过多、文字是否能读。第三，看 /content/presentation.pptx 或当前目录下的 presentation.pptx 是否生成并能打开。

如果保留帧太多，先调低抽帧频率或加强去重；如果保留帧太少，检查 interval、背景差分阈值和 OCR 去重逻辑。视频很长时，抽帧、OCR 和相似度计算都会明显变慢，Colab 资源也可能成为瓶颈。

仓库边界和改造空间

README 已经列出几个限制：长视频处理耗时，OCR 质量取决于视频画面清晰度，相似度检测可能漏掉重复帧，也可能删掉有用帧。Notebook 里还混合了多段实验代码，安装命令重复出现，部分参数和输入方式需要手动改。

真正要把它变成稳定工具，最好把 notebook 里的下载、抽帧、数据库、去重、PPT 生成拆成独立 Python 模块，再补一个统一命令入口。当前版本更适合学习“视频课件抽帧成 PPTX”的技术链路，或者在 Colab 里对单个 YouTube 教学视频做一次性转换。