Image-to-Editable-PPT-Skill完全解析：把图片PPT、PDF变成可编辑PowerPoint的终极指南
【免费下载链接】image-to-editable-ppt-skillCodex skill for converting slide images, PDFs, and image-based PPTX files into editable PowerPoint decks.项目地址: https://gitcode.com/gh_mirrors/im/image-to-editable-ppt-skill
Image-to-Editable-PPT-Skill是一个专为 Codex 打造的 AI Skill：把图片、PDF、图片版 PPT 转成可编辑 PowerPoint。图片式幻灯片"看得见却改不动"的痛点，它帮你一次解决——文字恢复为原生文本框，简单几何恢复为 PPT 形状，复杂视觉元素拆成独立图片资产，逐对象自由编辑。
一图看懂：它是怎么把图片"变活"的
这个 Skill 的转换效果到底如何？先看一张信息图页面：
转换前——一张图片，所有内容都"焊死"在像素里：
转换后——文字变成可编辑文本框，数字、图表标签和图标变成可选中对象：
这就是"对象级重建"：它不是给图片盖一层透明文字，而是把页面拆成三类对象分别重建——
- 可读文字→ 原生文本框，可直接改字、改字号、改颜色
- 简单几何（矩形、圆形、线条、箭头） → PowerPoint 形状，可移动、缩放、改样式
- 复杂视觉元素（照片、插画、图标） → 带来源记录的独立图片资产，可整体移动和替换
核心特点：哪些功能值得关注
- 输入格式广：单张图片、多张图片、多页 PDF、图片版
.pptx，统一输出可编辑.pptx；PDF 和图片版 PPT 保留原页码顺序，.pptx输入的页面备注还会原样复制。 - 测量驱动的文字还原：文字大小与位置不靠目测，而是依赖 OCR 实测的框坐标与字号，同级文字字号自动保持一致。
- 多页并行加速：多页输入由主 agent 分派给多个 page worker 并发重建，单页则由主 agent 本地执行同一套流程。
- 原生表格重建：普通行列表格可重建为 PowerPoint 原生表格，保留可编辑单元格、行列尺寸、矩形合并与基础样式。
- 完整曲线支持：原生曲线路径、虚线样式和端点箭头，可在 PowerPoint 中"编辑顶点"整体调整曲度。
更多转换前后对比，可以直接浏览仓库 README.md 中的示例图集，以及 docs/workflow.md 的能力边界说明。
一键安装：最短上手步骤
推荐方式：直接把这句话发给你的 agent，由它自动完成安装：
安装 image-to-editable-ppt 这个 skill，地址是 https://github.com/ningzimu/image-to-editable-ppt-skill安装后，转换所需的editppt命令行工具、环境检查和配置都由 AI 在执行过程中自动处理，你不需要手动敲任何命令。
手动方式：从 Releases 下载image-to-editable-ppt-skill-v*.zip，解压后将image-to-editable-ppt文件夹放入 agent 的 skills 目录（Codex 为~/.codex/skills/image-to-editable-ppt），再重启 agent。详细步骤见 docs/installation.md。
推荐配置：3 个免费 OCR Token + 完全访问权限
首次使用前，有两个"1 分钟配置"能显著提升体验：
1️⃣ 申请免费 OCR Token（强烈推荐）
Skill 通过百度 PaddleOCR-VL 校正文字的框坐标、字号和字号分组。你只需到百度 AI Studio 申请一个 Access Token——个人使用的免费额度完全够用。首次转换时 AI 会主动询问一次，把 Token 发给它即可，一次配置长期生效。
不配置也能跑，但会退化为内置离线检测（只知文字在哪、多大，不识别内容），文字还原质量会打折扣。
2️⃣ 在 Codex 中开启"完全访问权限"
本 Skill 运行时间长，会自动执行 OCR、图片生成/编辑、文件读写和长时间轮询。"请求批准"或"替我审批"模式可能频繁打断甚至让流程停住：
快速开始：一句话就能触发转换
安装完成后，在 Codex 对话框中直接发送（图片、PDF、.pptx可直接粘贴、附加或提供本地路径）：
$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。多页输入同样适用。转换完成后，你会在独立任务目录output/image-to-editable-ppt/{job-id}/下拿到：
| 产物 | 说明 |
|---|---|
final/{origin}_edited.pptx | 最终可编辑 PowerPoint 文件 |
final/validation.json | 最终 deck 校验结果 |
final/run_summary.json | 本次转换摘要 |
pages/page_NNN/ | 每页的重建工作区（源图、预览图、资产等） |
幕后工作流：AI 在后台做了什么
了解流程能让你更好地判断转换质量。一次转换的完整链路如下（详细说明见 docs/workflow.md）：
- 归一化输入：创建独立任务目录，把输入统一拆成
pages/page_NNN/source.png。 - OCR 文字标注：为每页生成文字框坐标、实测字号和字号分组。
- 页面分派：单页由主 agent 本地重建；多页按并发槽位分派给 page worker 并行处理。
- 逐页重建 + 自检循环：重建 → 对照源图自检 → 页面内修正，直到结果足够接近原图。
- 状态记录：所有分派、页面结果、接受状态都通过
editpptCLI 记录，进度随时可查。 - 最终组装与校验：
editppt run finalize按页顺序重建最终.pptx并运行 deck 级校验（页数、媒体完整性、备注哈希等）。
使用提醒：成本、边界与效果预期
⚠️费 token 是它的特性，不是缺陷：每页都会经历多轮"重建→自检→修正"，转换成本可能是生成图片 PPT 的 2–3 倍，单页复原时间可能超过 10 分钟。推荐 ChatGPT Pro 用户使用，Plus 用户请先拿单页试水。
几个需要知道的边界：
- 不能保证 100% 复刻：部分元素和文字位置可能有轻微偏移，照片、插画等复杂视觉通常只能作为整体图片移动。
- 视觉相似 ≠ 可编辑：判断质量时，除了预览图，还应打开 PPTX 查看文字是否可编辑、资产是否可分离。
- 它只做"重建"，不做"创作"：从大纲或想法生成全新 PPT 请使用 codex-ppt skill；没有强烈可编辑需求时，直接让图像编辑能力改那一页图片更轻量。
- 效果不保证 gpt-5.5 以下模型的表现；多页任务还需要 agent 环境支持 page worker 分派。
写在最后
Image-to-Editable-PPT-Skill把"图片 PPT 改不动"这件事变成了"发一句话、等十几分钟、拿到逐对象可编辑的 PPTX"。第一次使用建议：先用单张图片跑通完整流程，确认效果和耗时符合预期，再上多页任务。
想深入了解设计理念与对象级重建的细节，推荐阅读 docs/design.md；遇到问题时，docs/faq.md 覆盖了额度、权限、OCR、转换中断等高频疑问。
【免费下载链接】image-to-editable-ppt-skillCodex skill for converting slide images, PDFs, and image-based PPTX files into editable PowerPoint decks.项目地址: https://gitcode.com/gh_mirrors/im/image-to-editable-ppt-skill
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
