Back to search
image-to-editable-ppt-skill
SkillWorks with CodexGitHub
Codex skill for converting slide images, PDFs, and image-based PPTX files into editable PowerPoint decks.
Safety scan
A static text scan, not a guarantee. Select the badge to see what was scanned and every finding.
Checked today
Badge for your README
Markdown
[](/listings/ningzimu-image-to-editable-ppt-skill)HTML
<a href="/listings/ningzimu-image-to-editable-ppt-skill"><img src="/api/listings/ningzimu-image-to-editable-ppt-skill/badge.svg" alt="findsafeskills safety rating" /></a>Install
i
Install instructions from the README
As written by the repo's author. findsafeskills has not verified these steps.
安装 image-to-editable-ppt 这个 skill,地址是 https://github.com/ningzimu/image-to-editable-ppt-skill
安装 skill 后,正常转换、图片 API fallback 和 OCR Token 配置都由 AI 在执行过程中检查和处理;你只需要在 AI 询问时提供第三方 API 信息或 OCR Token。
What was scanned
The files the safety scan read, as written by the repository's author and shown as plain text. Lines with a finding are marked.
README.md · README · 260 lines
View this file on GitHub (read at the repository's current version: the scan did not record which commit it read)
- # Image to Editable PPT Skill
- **简体中文** · [English](README_en.md) · [한국어](README_ko.md)
- [](https://ningzimu.github.io/image-to-editable-ppt-skill/#/) [](https://t.me/CodexPPT) [](https://github.com/ningzimu/image-to-editable-ppt-skill/stargazers) [](https://github.com/ningzimu/image-to-editable-ppt-skill/forks)
- https://github.com/user-attachments/assets/6e60b3a1-4fd9-4225-9a12-ace8f2aa67a9
- 
- 一个用于把图片、PDF、图片版PPT 转成可编辑 PowerPoint 的 skill。它先把输入归一化为逐页任务,再重建为 `.pptx`:可读文字尽量恢复为原生文本框,简单几何尽量恢复为 PowerPoint 形状,复杂视觉元素保留为带来源记录的独立图片资产。
- 它适合把截图式或图片式幻灯片变成更容易二次编辑的 PPT,让文字、简单形状和视觉素材尽量分开调整。
- ## 赞助
- <table>
- <tr>
- <td width="180" align="center"><img src="assets/codia-noteslide-logo.png" alt="Codia NoteSlide" width="64"><br><strong>Codia NoteSlide</strong></td>
- <td><strong>批量图片转 PPT 的高效选择。</strong>大量图片或 PDF 需要转成可编辑 PPT?Codia NoteSlide 提供快速、价格亲民的在线转换服务,适合批量处理。已经订阅 ChatGPT,希望通过 Codex 逐页重建、反复调整文字与布局的用户,可以继续使用本项目。 <a href="https://codia.ai/noteslide/r/12daee802"><strong>体验 Codia NoteSlide →</strong></a></td>
- </tr>
- <tr>
- <td width="180" align="center"><img src="assets/spire-presentation-logo.png" alt="Spire.Presentation for Python" width="64"><br><strong>Spire.Presentation for Python</strong></td>
- <td><strong>把生成的可编辑 PPT 进一步自动化处理。</strong>通过 Python 以编程方式编辑、转换并生成 PowerPoint 文件,支持 AI Agent 借助代码直接完成后续文档操作。 <a href="https://www.e-iceblue.com/Introduce/presentation-for-python.html?aff_id=420"><strong>体验 Spire.Presentation for Python →</strong></a></td>
- </tr>
- </table>
- > [!IMPORTANT]
- > **建议在 Codex 中使用“完全访问权限”执行本 skill。**
- >
- > 本 skill 运行时间较长,并且会自动执行 OCR、图片生成/编辑、文件读写、子 agent 分派和长时间轮询等步骤。“请求批准”模式会频繁打断执行,可能阻塞部分步骤,尤其是在子 agent 环境里。
- >
- > “替我审批”模式已知仍可能在 OCR 阶段、ChatGPT 图片生成/编辑阶段或第三方 API 调用阶段拦截请求,要求你手动审批;如果你不在电脑旁,转换流程会停住。
- >
- > 本 skill 会在转换过程中自动调用百度 PaddleOCR-VL 接口(如果已配置 Token)来校正页面文字框、字体大小和字号分组。图片生成/编辑会优先调用 Codex 内置 `image_gen.imagegen`;只有内置工具不可用、调用报错、编辑输入不可读或没有返回有效本地图片时,才降级到 `editppt image`(Codex OAuth → OpenAI-compatible API)。这些调用是把图片式页面重建成可编辑 PPT 的必要步骤。
- >
- > 
- > [!WARNING]
- > 页面验证失败时优先局部修复并复用已核验的素材;当前输出通过检查后即完成,不因可接受的小毛边重复生成。常规步骤自主执行;缺少 OCR Token 或 OCR 受阻时仍会询问用户。复杂页面仍可能消耗较多 token。
- >
- > **推荐 ChatGPT Pro 用户使用;Plus 用户请谨慎使用。**
- >
- > 复原一个 10 页 PPT 有可能消耗完你的 5 小时额度。单页PPT复原时间可能在10min以上。单页/单图输入可由主 agent 按同一页面重建流程本地执行;多页输入会按并发槽位分派给 page worker 处理。
- >
- > **如果没有强烈的可编辑需求,请不要使用这个 skill。**
- >
- > 更轻量的做法是直接使用 gpt-image-2.5-sunburst 的图像编辑能力:把你不满意的那一页 PPT 图片发给它,让它针对性修改,并返回修改后的图片。
- > [!TIP]
- > 本 skill 不负责从文章、报告、大纲或想法直接生成全新 PPT。如果你要做的是“生成一份 PPT”,可以使用 [codex-ppt-skill](https://github.com/ningzimu/codex-ppt-skill)。
- >
- > 关于 `codex-ppt` 和 `image-to-editable-ppt` 这两个技能的详细介绍,参见 [skill_duo_intro.pdf](assets/skill_duo_intro.pdf)。该 PPT 由 `codex-ppt` skill 生成,提示词为:“请分别阅读 Codex PPT和 Image to Editable PPT 这两个技能的内容,然后用 Codex PPT 帮我做一个PPT吧,20页,每个技能的介绍10页。”
- >
- > 另外,关于这个可编辑 PPT Skill 设计和调优的实践经验,可以看这篇文章:[2000 个 GitHub Star 换来的经验:好的 AI Skill 是调出来的,不是写出来的](https://mp.weixin.qq.com/s/LaxWBX-nogHPpSxlk-Vs8Q)。
- ## 转换效果示例
- <table>
- <tr>
- <th>原图</th>
- <th>转换后可编辑效果</th>
- </tr>
- <tr>
- <td><img src="assets/showcase-origin-investment-platform.png" alt="投资平台信息图原图" width="420"></td>
- <td><img src="assets/showcase-editable-ppt-result-investment-platform.png" alt="投资平台信息图转换后可编辑效果" width="420"></td>
- </tr>
- <tr>
- <td><img src="assets/showcase-origin-market-snapshot.png" alt="市场概览原图" width="420"></td>
- <td><img src="assets/showcase-editable-ppt-result-market-snapshot.png" alt="市场概览转换后可编辑效果" width="420"></td>
- </tr>
- <tr>
- <td><img src="assets/showcase-origin-status-report.png" alt="项目进展汇报原图" width="420"></td>
- <td><img src="assets/showcase-editable-ppt-result-status-report.png" alt="项目进展汇报转换后可编辑效果" width="420"></td>
- </tr>
- <tr>
- <td><img src="assets/showcase-origin-mdt-kidney-cancer.jpg" alt="肾癌 MDT 信息图原图" width="420"></td>
- <td><img src="assets/showcase-editable-ppt-result-mdt-kidney-cancer.png" alt="肾癌 MDT 信息图转换后可编辑效果" width="420"></td>
- </tr>
- </table>
- ## 特点
- - 适用场景广泛,支持多种输入:单张图片、多张图片、多页 PDF、图片版PPT 到可编辑 `.pptx`。
- - 单页/单图输入可由主 agent 本地执行同一页面重建流程;多页输入由主 agent 分派给 page worker/subagent,并按 `max_concurrent_pages` 并行处理。
- - 图片生成和编辑优先使用 Codex 内置 `image_gen.imagegen`;满足明确降级条件时才进入 `editppt image` CLI,由 CLI 依次选择本机 Codex OAuth 和 OpenAI-compatible API。
- - 第三方 API fallback 配置保存在 `~/.editppt/config.yaml`;Windows 下对应 `%USERPROFILE%\.editppt\config.yaml`。
- - 文字大小与位置由测量驱动:prepare 阶段为每页生成文字标注(框坐标 + 字号 + 字号分组),模型按测量值还原文字,同级文字字号自动保持一致。
- - 多张图片按提供顺序生成页面;PDF 和 `.pptx` 保留原页码顺序。
- - `.pptx` 输入的页面备注会复制到输出对应页,备注内容不改动。
- - 根据具体页面情况决定是否通过已确认 image backend 做图片分层抽取;需要时用稀疏 asset sheet 合并前景素材,优先把图标放在一个素材板上,并保留充足间隙便于后续分离。
- - 素材卡默认使用与主体颜色区分明显的纯色背景,去背后按对象区域裁切,保留分离的小笔画。分割成功不代表图标与原图完全一致,仍需逐项核对。
- - 支持普通行列表格重建为 PowerPoint 原生表格,保留可编辑单元格、行列尺寸、矩形合并和基础样式。
- - 支持复杂视觉页的混合策略:可编辑文字 + 简单形状 + 独立图片资产。
- - 支持完整的原生曲线路径、虚线样式和端点箭头,可整体调整线条形状与样式;曲线路径不等同于数据驱动图表。 在 PowerPoint 中,右键曲线选择“编辑顶点”,再点端点或顶点,拖动出现的白色控制手柄即可调整曲度。
- ## 适用场景
- - 把一张或多张 slide 图片重建成可调整文字和元素位置的 PPT。
- - 把多张图片或多页 PDF 转成一个多页 `.pptx`。
- - 把图片版PPT页面转换为更容易二次编辑的 `.pptx`,并保留原页面备注。
- - 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。
- ## 运行要求
- - 单页/单图输入不需要创建 page worker,但仍必须走同一页面 prompt、产物和 `editppt run record` 校验流程。多页输入需要 agent 能分派 page worker/subagent;如果不能创建 page worker,应换到支持 page worker 的环境执行。
- - 复杂背景补全、前景图标提取、透明 asset sheet 和局部图片编辑按页面串行执行,并优先使用内置 `image_gen.imagegen`。
- - 内置工具满足降级条件时才进入 CLI fallback;如果本机有 Codex OAuth(`~/.codex/auth.json`),CLI 会直接使用,否则使用 API fallback。
- - API fallback 配置保存在 `~/.editppt/config.yaml`;Windows 下对应 `%USERPROFILE%\.editppt\config.yaml`。
- - 文字大小与位置的校正需要一个第三方 OCR Token(百度 AI Studio,免费),详见下文「文字校正与 OCR Token」;未配置时退化为内置离线检测,文字还原质量会打折扣。
- ## 图片 Backend 与第三方 API 配置
- 完整后端优先级是:Codex 内置 `image_gen.imagegen` → Codex OAuth → OpenAI-compatible API。内置工具由 agent 直接调用,Python/`editppt` CLI 不能调用或探测它;只有内置工具不可用/不可调用、调用报错、编辑输入不可读或没有返回有效本地图片时,才进入 `editppt image` CLI fallback。CLI 内部优先使用本机 Codex OAuth;如果不可用,再读取 `~/.editppt/config.yaml` 或环境变量里的 OpenAI-compatible API 配置。
- 内置生图只需要 `prompt`;内置编辑图只需要 `prompt` 和本地绝对路径 `referenced_image_paths`,并且编辑前必须先查看输入图。内置工具没有 `mask`、`model`、`size`、`quality`、`out` 等参数,缺少这些参数绝不触发 fallback。成功后只接收工具明确返回的本地路径(包括 `output_hint`),验证文件有效再导入;不会扫描目录猜测“最新文件”。
- CLI fallback 的 `editppt image generate/edit` 参数面保持精简:请求输入只需要 `--prompt` 或 `--prompt-file`,编辑图还需要 `--image`;页面重建时应显式传 `--out`。实用控制只保留 `--model`、`--size`、`--quality`、`--force`、`--dry-run`、`--timeout`,以及编辑图专用的 `--mask`。CLI 不会透传其它 image API 选项。
- 通常不需要你自己配置。只有这些情况才需要让 AI 帮你配置 API fallback:
- - 用户明确要求使用第三方 API 或 OpenAI 兼容中转站。
- - 在 Claude Code、OpenClaw、Hermes Agent 等非 Codex 环境中使用,并且没有可用的 Codex OAuth auth。
- - `editppt image` 报告 Codex OAuth 和 `OPENAI_API_KEY` 都不可用。
- 如果需要第三方 API fallback,告诉 AI 你要使用的服务、base URL、模型名和 API key 即可。AI 会在执行过程中完成环境检查和配置写入,把凭据保存在用户级配置 `~/.editppt/config.yaml`(Windows 下为 `%USERPROFILE%\.editppt\config.yaml`),并在输出里遮蔽敏感值。不要把 API key 写进项目目录、run 目录或 skill 目录。
- ## 文字校正与 OCR Token(推荐)
- 本 skill 通过第三方 OCR 服务(PaddleOCR-VL)来**校正文字的大小和位置**:转换开始时会把整个输入作为一个批量任务提交识别,为每页生成文字标注(精确的框坐标、按源图墨水实测的字号、同级字号分组和识别出的文字内容),AI 在重建时以这些测量值为准,文字不再依赖目测。
- **你只需要做一个动作——申请 Token**:到百度 AI Studio 申请 Access Token:<https://aistudio.baidu.com/account/accessToken>。**对个人使用来说,目前免费额度完全够用,可以放心申请,无额外费用。**
- 不需要手动执行任何命令:本 skill 依赖的 `editppt` 命令行工具是 **AI 在执行 skill 的过程中自动安装的**,配置也由 AI 代劳。首次使用时如果还没配置 Token,AI 会主动询问你一次——把申请到的 Token 发给它即可,AI 会帮你写入用户级配置(与图片 API 凭据同一个文件,遮蔽存储),一次配置长期生效,之后不再提示。
- 不提供 Token 也能运行:skill 会退化为内置的离线检测器(纯几何测量——知道文字在哪、多大,但不识别内容),文字还原质量会有折扣。
- ## 已知问题
- - 其他 agent 需要支持 skill 加载、文件读写和 CLI 执行;多页任务还需要 page worker/subagent 分派机制。
- - 内置图片工具依赖当前 agent runtime 是否提供 `image_gen.imagegen`;Codex OAuth 路径依赖本机 Codex auth 和订阅侧图片额度;API fallback 依赖所选 OpenAI-compatible 服务的图片生成/编辑能力。
- - 本 skill有着相对复杂的流程控制,Token花费比较高。将一个图片PPT转换成可编辑PPT的成本,**可能是生成图片PPT成本的2-3倍**。
- - 受限于模型基础理解能力和对 skill 的遵循能力,**不保证 gpt-5.5 以下模型的使用效果**。
- - 部分图片元素和文字位置可能会有轻微偏移,**不能保证 100% 复刻原始页面**。
- ## 安装
- ```text
- 安装 image-to-editable-ppt 这个 skill,地址是 https://github.com/ningzimu/image-to-editable-ppt-skill
- ```
- 安装 skill 后,正常转换、图片 API fallback 和 OCR Token 配置都由 AI 在执行过程中检查和处理;你只需要在 AI 询问时提供第三方 API 信息或 OCR Token。
- ## 更新
- ```text
- 更新 image-to-editable-ppt 这个 skill,地址是 https://github.com/ningzimu/image-to-editable-ppt-skill
- ```
- ## 使用方式
- 在支持显式选择 skill 的 agent 里,可以用对应语法选中 `image-to-editable-ppt`;Codex 中可使用 `$image-to-editable-ppt`。图片、PDF 和 `.pptx` 可以直接粘贴或附加到对话框,也可以提供本地路径:
- ```text
- $image-to-editable-ppt 把这张图片转成可编辑 PPT。
- $image-to-editable-ppt 把这些图片转成一个可编辑 PPT。
- $image-to-editable-ppt 把 <path-to-deck.pdf> 转成可编辑 PPT。
- $image-to-editable-ppt 把 <path-to-image-based.pptx> 转成可编辑 PPT。
- ```
- skill 通常会完成这些步骤:
- 1. 创建独立任务目录,把输入归一化为 `pages/page_NNN/source.png`,并写入默认 `editppt image` backend。
- 2. 如果只有 1 页,主 agent 先用 `editppt run dispatch --local` 认领页面,再按同一页面 prompt 本地重建;如果有多页,则按 `max_concurrent_pages` 分批分派给 page worker 重建。
- 3. 页面重建者(主 agent 本地模式或 page worker)负责自己的页面目录,完成页面重建、自检和 page-local 修正。
- 4. 每页创建 manifest,重建可编辑文本、简单形状和图片资产。
- 5. 用 `editppt` 命令记录 dispatch、page result 和 accepted 状态。
- 6. 主 agent 用 `editppt run finalize` 按页顺序读取已记录的 `manifest.json` 重建最终 `.pptx`,复制 `.pptx` 页面备注,并运行 deck validation。
- ## 输出结构
- 输出始终是 PowerPoint `.pptx`:
- | 输入 | 输出 |
- | --------- | ---------------------------------------------- |
- | 1 张图片 | 1 页 `.pptx` |
- | 多张图片 | 多页 `.pptx`,每张图片 1 页,按提供顺序排列 |
- | 多页 PDF | 多页 `.pptx`,PDF 第 N 页对应输出第 N 页 |
- | 图片版PPT | 页数一致的 `.pptx`,原第 N 页对应输出第 N 页 |
- 只有 `.pptx` 输入会处理页面备注。备注由主 agent 按页原样复制到输出 PPTX:不翻译、不摘要、不改写,也不交给 page worker 处理。
- 每次转换必须使用一个独立输出目录,所有中间文件和最终结果都保存在其中:
- ```text
- output/image-to-editable-ppt/{job-id}/ # 单次转换任务目录
- ├── input/ # 原始输入文件副本
- ├── deck_manifest.json # 整个 deck 的页面清单和输出配置
- ├── page_jobs.json # 每页分派和完成状态
- ├── run_state.json # 当前任务的整体运行状态
- ├── notes_manifest.json # PPTX 页面备注提取与映射记录
- ├── final/ # 最终输出目录
- │ ├── {origin}_edited.pptx # 最终可编辑 PPTX
- │ ├── validation.json # 最终 deck 校验结果
- │ └── run_summary.json # 本次转换摘要
- └── pages/ # 按页拆分的重建工作区
- ├── page_001/ # 第 1 页工作目录
- │ ├── source.png # 归一化后的页面源图
- │ ├── page_request.json # 页面请求和 image backend
- │ ├── worker-prompt.md # 生成给页面重建者的提示词
- │ ├── imagegen-jobs.json # 本页图片生成/编辑调用和结果记录
- │ ├── assets/ # 本页拆出的独立图片资产
- │ ├── page.pptx # 本页单页 PPTX;record 阶段用于校验和交付性检查
- │ ├── preview.png # 本页重建预览图
- │ ├── split_assets_contact.png # 本页资产切分检查图
- │ ├── manifest.json # 本页文本、形状和资产描述;finalize 的权威输入
- │ ├── validation.json # 本页校验结果
- │ └── page_result.json # 本页产物索引
- └── page_002/ # 后续页面工作目录
- └── ...
- ```
- ## 边界
- - 这个 skill 面向输入页面的可编辑重建,不是从零生成整套 PPT 内容。
- - 单页/单图输入可由主 agent 本地重建;多页输入通过 page worker/subagent 并行重建。
- - 复杂视觉资产需要可用的内置图片工具或 CLI fallback;如果两者都无法生成合规资产,对应页面会校验失败,不会用近似图形替代。
- - 对照片、插画、纹理、手绘装饰等复杂视觉元素,通常只能作为独立图片资产移动,不能保证内部对象可编辑。
- - 原生表格暂不支持斜线表头和单元格内嵌图片;文字、行列或合并关系不清楚时先复查源图与 OCR,仍无法辨认则报告具体缺失,不猜测内容或结构。图表、流程图仍按可编辑结构重建。
- - 视觉相似不等于可编辑。最终判断应同时看 PPTX 结构、文本覆盖、资产来源和预览/diff。
- ## 仓库结构
- ```text
- .
- ├── .github/ # GitHub 工作流和仓库检查配置
- ├── skills/ # Skill 安装包目录
- │ └── image-to-editable-ppt/ # 可安装的 image-to-editable-ppt skill
- │ ├── SKILL.md # skill 入口说明和执行规则
- │ ├── agents/ # Agent 展示用的 skill 元数据
- │ ├── cli/ # 自包含 `editppt` CLI 和确定性 runtime 模块
- │ ├── references/ # 页面重建、状态机、QA 等参考规范
- │ ├── prompts/ # 页面重建 prompt 模板
- │ └── scripts/ # skill 内 prompt 组装脚本
- ├── AGENTS.md # 仓库级协作和编辑规则
- ├── CHANGELOG.md # 用户可见变更记录
- ├── LICENSE # 开源许可证
- ├── README.md # 中文说明文档
- ├── README_en.md # 英文说明文档
- └── README_ko.md # 韩文说明文档
- ```
- ## 支持
- 遇到问题?请查看[使用文档](https://ningzimu.github.io/image-to-editable-ppt-skill/#/),加入 [CodexPPT](https://t.me/CodexPPT),或[提交 Issue](https://github.com/ningzimu/image-to-editable-ppt-skill/issues/new)。
- ## 许可证
- MIT
Ratings and comments
Sign in to rate this skill.
Sign inFree to use. If it’s helped, pass it on.