Img2ppt Lite
Turn a slide mockup image into an editable PPTX: native text + semantic draggable sprites + inpainted background. Agent-as-VLM skill for Claude Code / Codex / any CLI agent.
TianLin0509 · AI review on file
Installation
Read the source and dependencies before running a command. Copying does not install or execute anything.
npx skills add TianLin0509/img2ppt-liteAbout this skill
img2ppt-lite
把一张 PPT 效果图(PNG/JPG)还原成高保真、可编辑的 PPTX。
Turn a slide mockup image (e.g. generated by GPT-image / Midjourney / any design tool) into an editable PowerPoint file: native text boxes + semantically-split draggable sprites + inpainted clean background. Built as an agent skill — the executing AI (Claude Code / Codex / any CLI agent with vision) acts as the VLM, deterministic Python scripts do everything else.
左:合成样张源图 · 右:管线重建后由 PowerPoint 渲染回的图(文字全部为原生可编辑文本框,图表/图标为独立贴图)
它解决什么问题
AI 出图工具能生成非常漂亮的 PPT 效果图,但那只是一张图片。想拿它当真正的工作底稿,你需要:
- 文字可编辑——改标题、改数据是最高频操作;
- 元素可拖拽——每个图标、图表、色块都是独立对象,能单独移动缩放;
- 视觉尽量 1:1——还原完的页面和效果图肉眼几乎一致。
传统"图转 PPT"路线要么把整页塞成一张图(完全不可编辑),要么全原生重建(图标丑、收敛循环极慢)。img2ppt-lite 走中间路线,并把速度做到了单页 3-5 分钟(脚本部分约 40-60 秒)。
核心设计
可编辑 PPTX = 干净底图 (inpaint 去前景)
+ 语义元素贴图 (每个图标/图表一张独立 picture,可拖拽)
+ 原生文本框 (PIL 墨水高度反解字号,可编辑)
+ 纯色矩形原生化 (KPI 条/按钮/色块 → 可改色的原生 shape)
三个反直觉的关键决策:
- 视觉一致性的最大敌人恰恰是"原生重建"。 从原图裁出来的贴图天然 100% 一致;会漂的只有文本层——而文本字号可以用 PIL 按墨水高度离线反解,不需要"渲染→对比→调整"的收敛循环。这是比前代管线快一个量级的根本原因。
- 执行 agent 自身就是 VLM。 不调外部视觉 API:agent 看图产出一份
elements.json(文本/色块/图形的语义标注),脚本吃 JSON 确定性完成其余一切。LLM 参与固定 2 次(标注 + 终检),零额外 token 成本。 - 测量代替猜测。 字号、文字颜色、卡片填充色、渐变、行首 marker 全部从像素实测,agent 只负责语义;每个测量器都经过阳性+阴性用例双验。
环境要求
- Windows(PowerPoint COM 用于渲染回读验证;没有 PowerPoint 也能出 PPTX,只是跳过渲染验证)
- Python 3.10+
pip install -r requirements.txt
装好后先跑自检(生成合成样张走全链路,含 marker 正/负回归用例):
python scripts/pipeline.py --selftest
使用方式
作为 agent skill(推荐)
把本仓库放进你的 agent skill 目录(如 Claude Code 的 ~/.claude/skills/img2ppt-lite/),agent 会按 SKILL.md 的 5 步工作流执行:
1. pipeline.py --run <run> --seed # OCR 冷启动,产出待审阅的文本骨架
2. [agent 看图] 校对 seed、补图形/色块标注 → elements.json
3. pipeline.py --run <run> # OCR校准 → 切图 → 装配 → COM 渲染验收
4. [agent 看图] 对比 compare.png,必要时改 JSON 秒级重跑
5. 交付 pptx + 验收报告(修补硬上限 2 轮,禁无限迭代)
手动使用
不用 agent 也可以: