企业官网建设流程全解析

如何快速上手image-to-editable-ppt-skill：5分钟把图片PPT转成可编辑对象的入门教程

【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是一个面向 Codex 的 AI skill，能把你手头的幻灯片图片、PDF、图片版 PPTX 逐页重建成可编辑的 PowerPoint 文件：可读文字恢复为原生文本框，简单几何恢复为 PowerPoint 形状，复杂视觉元素保留为可独立移动的图片资产。换句话说，截图式 PPT 从此也能改字、挪框、换色，不再受"整页是一张图"的束缚。

一、它能做什么？3 类输入全覆盖

很多人遇到这类场景：同事发来一套 PPT 截图、一份扫描版 PDF、或一个"所有页面都是图片"的 PPTX，想改一个字都得用图片编辑软件硬抠。这个 skill 就是为这种场景准备的：

核心能力包括：

• 📝 文字按 OCR 实测坐标和字号还原，同级文字字号自动统一
• 📐 简单几何恢复为原生形状，曲线支持"编辑顶点"调弧度
• 🧮 普通行列表格重建为 PowerPoint 原生表格，单元格可编辑
• 🖼️ 复杂视觉元素（照片、插画、图标）作为带来源记录的独立图片资产

注意：它负责"把已有页面变成可编辑"，不负责从零生成一套新 PPT。如果没有强烈的可编辑需求，直接让图像编辑模型改图会更轻量，详见 docs/faq.md。

二、安装前：2 个必知前提

在动手前，花 1 分钟确认两件事，可以少走很多弯路：

1. 建议使用「完全访问权限」

本 skill 运行时间较长，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。"请求批准"模式会频繁打断流程，"替我审批"模式也可能在 OCR 阶段拦住请求——如果你不在电脑旁，转换就会停住。建议在 Codex 权限设置中选择"完全访问权限"：

2. 额度消耗较高，先拿单页试水

复原一个 10 页 PPT 可能消耗大量 token，单页复原时间可能在 10 分钟以上。推荐 ChatGPT Pro 用户使用；Plus 用户请谨慎，第一次建议先用 1 页测试效果与耗时。

另外推荐（非必须）：到百度 AI Studio 免费申请一个 PaddleOCR-VL 的 Access Token，用于校正文字框坐标和字号。首次使用时 AI 会主动询问一次，把 Token 发给它即可完成配置，一次配置长期生效。不配置也能运行，但文字还原质量会打折扣。详细配置说明见 docs/installation.md。

三、1 分钟安装：让 AI 帮你装

安装不需要手动执行任何命令。推荐直接把这句话发给你的 agent：

安装 image-to-editable-ppt 这个 skill，地址是 https://gitcode.com/gh_mirrors/im/image-to-editable-ppt-skill

AI 会自动完成安装，包括 skill 依赖的editppt命令行工具（它会在执行 skill 的过程中自动安装）。

也可以手动安装：从仓库 Releases 下载image-to-editable-ppt-skill-v*.zip，解压后把其中的image-to-editable-ppt文件夹放到 agent 的 skills 目录（Codex 为~/.codex/skills/image-to-editable-ppt），再重启 agent。更新方式类似，凭据保存在~/.editppt/config.yaml，更新不会丢失。

skill 的入口规则定义在 skills/image-to-editable-ppt/SKILL.md，想深入了解执行细节可以从这里读起。

四、最短使用方式：一句话触发转换

在 Codex 中用$image-to-editable-ppt选中该 skill，图片、PDF 和.pptx可以直接粘贴、附加到对话框，也可以提供本地路径：

$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。

之后你基本只需要等待。整个转换由 AI 自动编排，背后是一套多 agent 协作流程：

1. 归一化输入：创建独立任务目录，把输入拆成pages/page_NNN/source.png逐页任务
2. OCR 文字标注：为每页生成文字框坐标、实测字号和字号分组，让文字还原"按测量值来"，不靠目测
3. 页面分派：单页由主 agent 本地重建；多页则按并发槽位分派给 page worker 并行处理
4. 逐页重建与自检：每页重建可编辑文本、形状和图片资产，对照源图自检并修正
5. 最终组装与校验：按页顺序重建最终.pptx，复制页面备注，并运行 deck 级校验

完整流程说明见 docs/workflow.md。

五、转换结果怎么看？

每次转换都使用独立输出目录，所有中间文件和最终结果都保存在其中：

拿到结果后建议做三件事：

1. 用 PowerPoint 打开，检查文字、形状和图片资产是否可以分开编辑
2. 对照pages/page_NNN/preview.png与源图，确认缺字、错位或资产缺失
3. 查看final/validation.json确认校验通过

需要提醒：部分图片元素和文字位置可能有轻微偏移，不保证 100% 复刻原图；复杂视觉元素（照片、插画、纹理）通常只能整体移动，内部对象不可编辑。更多质量相关说明见 docs/faq.md。

六、常见问题速答

Q：转换到一半停住了怎么办？先检查是否处于"请求批准/替我审批"权限模式，流程正在等待你手动审批。每页状态记录在任务目录的page_jobs.json和run_state.json，可以让 AI 检查运行状态并继续未完成页面。

Q：非 Codex 环境（如 Claude Code）能用吗？有条件支持：agent 需要支持 skill 加载、文件读写和 CLI 执行，多页任务还需要 subagent 分派机制。非 Codex 环境通常没有 Codex OAuth，需要让 AI 帮你配置 OpenAI-compatible 图片 API fallback（凭据同样写入~/.editppt/config.yaml）。

Q：如何更新到最新版？直接发一句"更新 image-to-editable-ppt 这个 skill"给 agent 即可；变更内容可查看 CHANGELOG.md。

写在最后

总结一下这套 5 分钟上手的完整路径：装 skill（1 分钟）→ 配置权限与可选 OCR Token → 发一句转换指令 → 等待多 agent 逐页重建 → 打开.pptx开始编辑。

它把"图片式 PPT 不可编辑"这个老痛点，用多智能体视觉重建的方式真正解掉了。更多项目背景与使用细节，建议配合 README.md 和 docs/quickstart.md 一起阅读。

<输出文章结束>

【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