L-Luke-L/ppt-image-to-editable README：先生成整页 PNG，再重建可编辑 PPTX

L-Luke-L/ppt-image-to-editable 是一个面向高级答辩、项目汇报、研究展示和正式演示的 Codex skill。它的工作方式不是直接写传统 PPT 页面，而是先用 image2 / gpt-image-2 生成完整 16:9 PPT 页面 PNG，确认视觉质量后，再把 PNG 拆成可移动元素、OCR 文本层和 manifest，重建为可编辑 .pptx。最终产物应包含已确认的整页 PNG、拆分元素目录、可编辑 PPTX 和 QA 对比结果。

README 对当前使用状态说得很务实：Codex 里直接调用 image2 / gpt-image-2 的稳定性仍有问题，想要更稳的视觉结果时，先把 references/prompt-templates.md 里的生成模板拿到 ChatGPT 网页端或其他能明确选择图片模型的入口使用，再把确认后的 PNG 带回本地拆分，会更接近这个项目的目标。

一分钟看效果

下载入口是 GitHub 仓库页 https://github.com/L-Luke-L/ppt-image-to-editable，clone 后把里面的 ppt-image-to-editable/ 目录放进 Codex skills 目录。注意是嵌套目录，不是只复制 README。

git clone https://github.com/L-Luke-L/ppt-image-to-editable.git
mkdir -p ~/.codex/skills
cp -R ppt-image-to-editable/ppt-image-to-editable 
  ~/.codex/skills/ppt-image-to-editable

重启或刷新 Codex 后，第一次调用不要直接要求输出 PPTX。这个 skill 的第一步必须先问 intake 问题并等你确认，包括页数、暗底或亮底、标题、受众、资料范围、语言、质量参考和是否进入设计方向。

使用 $ppt-image-to-editable。

我要做一份 8 页左右的中文项目汇报 PPT，
希望先生成完整页面 PNG，确认后再拆分成可编辑 PPTX。
请先问我需要确认的信息，不要直接生成文件。

为什么需要先 PNG 再 PPTX

这个项目想解决的是视觉完成度和可编辑性之间的冲突。直接做整页 PNG，画面容易更完整，但后期只能当图片改；传统脚本化 PPTX 可编辑，但很难稳定达到高级大气、正式汇报感和足够视觉密度。ppt-image-to-editable 选择先把整页视觉做出来，再按像素裁切元素、叠加 OCR 文本框，尽量在两者之间取平衡。

方案	优势	交付形态	需要留意
整页 PNG	视觉完成度高	每页一张图	后期编辑弱
脚本化 PPTX	对象可编辑	原生 PPT 元素	视觉密度较难保证
本项目	先保视觉，再拆元素	元素切片 + OCR 文本层 + PPTX	依赖 OCR、切片和渲染 QA

仓库结构和核心脚本

仓库根目录主要是 README 和一个可安装 skill 目录。真正的入口在 ppt-image-to-editable/SKILL.md，脚本在 ppt-image-to-editable/scripts/，参考文档在 ppt-image-to-editable/references/。

ppt-image-to-editable/
  SKILL.md
  agents/
    openai.yaml
  references/
    prompt-templates.md
    qa-checklist.md
    visual-quality-gate.md
  scripts/
    split_png_elements.py
    build_editable_pptx.py
    render_and_compare.py

三个脚本各管一段：split_png_elements.py 从已确认 PNG 中裁切元素并生成 manifest；build_editable_pptx.py 按 manifest 坐标重建 PPTX，默认使用直接 OOXML 包生成，不依赖 python-pptx；render_and_compare.py 检查 PPTX、元素边界和渲染对比。

环境要求先配齐

拆分和 OCR 阶段需要 Python 包 pillow、numpy、opencv-python、pytesseract，还需要 Tesseract 或同等 OCR 运行时。渲染 QA 还要 PowerPoint、LibreOffice、artifact-tool presentation renderer 或其他能把 PPTX 渲染成 PNG 的工具。

python -m pip install pillow numpy opencv-python pytesseract

macOS 上可用 Homebrew 安装 OCR 运行时，Windows 则需要安装 Tesseract 并确保 pytesseract 能找到可执行文件。依赖缺失时，正确行为是停止并报告 blocker，而不是把每页整图塞进 PPTX 后声称已经可编辑。

从 PNG 到可编辑 PPTX 的常用命令

确认 PNG 页面后，先拆元素。输入目录放已确认的整页 PNG，输出目录会生成 manifest.json、每页 manifest、元素图片和拆分 QA 说明。

python ~/.codex/skills/ppt-image-to-editable/scripts/split_png_elements.py 
  --input-dir <approved-png-dir> 
  --out-dir <split-output-dir> 
  --ocr-lang chi_sim+eng 
  --min-fragment-size 12

再按 manifest 构建 PPTX。输出文件不要叫 output.pptx 这种泛名，最好带上实际标题。

python ~/.codex/skills/ppt-image-to-editable/scripts/build_editable_pptx.py 
  --manifest <split-output-dir>/manifest.json 
  --out <final-output-dir>/<deck-title>-editable.pptx 
  --title "<deck-title>"

可编辑 PPTX 生成后，跑渲染对比。理想情况下用真实 PPTX renderer 输出页面 PNG，再与源 PNG 比较；如果没有渲染器，只能把 manifest composite 当调试辅助，不能直接当最终确认依据。

python ~/.codex/skills/ppt-image-to-editable/scripts/render_and_compare.py 
  --manifest <split-output-dir>/manifest.json 
  --pptx <final-output-dir>/<deck-title>-editable.pptx 
  --out-dir <qa-output-dir>

质量检查看什么

QA 不是走形式。references/qa-checklist.md 要求看 PPTX 是否存在、页数是否等于已确认 PNG 数、页面是不是 16:9、每页是否由多个可选元素组成、OCR 文本区域是否有可编辑文本框、元素坐标是否越界、重建预览是否和源 PNG 对齐。

视觉阶段也有硬门槛。references/visual-quality-gate.md 要求每页有强主视觉、足够元素密度、清楚标题层级、正式汇报气质和一致的系统样式。低密度暗色模板、普通卡片网格、只有少量线条和文字的页面，都应该在拆分前重新生成。

L-Luke-L/ppt-image-to-editable 更像一条严谨的“视觉先行、可编辑回收”链路：先把完整页面 PNG 做到满意，再通过切片、OCR、OOXML 重建和渲染 QA，把它变成可继续修改的 PPTX。它不会恢复隐藏图层、原生图表数据或原字体引擎，但把目录、依赖和检查跑顺后，能为高设计感汇报稿提供一条可落地的本地流程。