用途:把图片格式的 PPT、幻灯片截图或任意图片页逆向还原成可编辑的 .pptx。核心是强制四层流程:复刻背景图、绿幕抠出整体框架图、绿幕抠出元素图标/装饰、用 GPT 视觉提取文字,再自下而上合成。文字写成真文本框,框架图与图标为可移动图片;只有用户明确要求框架切分时才切成框架部件。
主要能力:逐页处理,每页生成背景、框架图、图标表并去底,图标表按透明空隙切片;提供探色、抠图、切片、坐标契约校验、摆放 QA 与视觉对比 QA 等脚本。框架图涵盖容器、分隔线、全部图表图形、缎带与装饰,要求与原图 1:1 一致。
使用方式:先创建唯一任务根目录 RUN_ROOT,所有中间产物与最终 PPTX 写入其中;每页先 view_image 源图作为 imagegen 的 edit target,再生成 B2/B3/B4 图片层并登记 imagegen-assets-manifest.json;随后去底、切片、写 layout.json,运行 layout_guard.py --strict、placement_qa.py、compose_pptx.py 与 visual_compare_qa.py,按预览回校坐标与字号。关键命令保持原样,如 python3 scripts/chroma_key.py --input ... --preset frame-safe --scale 2 --force。
适用场景:需要把截图或图片版幻灯片转为可继续编辑的 PPTX,且希望保留背景、框架、图标与文字分层可调。
限制:图片层必须来自 imagegen 类后端,禁止用 PPT 原生 shapes、代码绘图或裁切原图局部替代;文字必须用 GPT 视觉提取,不用传统 OCR;坐标须以源图实际像素为准,缩略图坐标需换算;每页需有生成证据 manifest,缺失或来源违规即判失败。具体收费、价格与平台支持暂未提供。