开源项目 · AIGC 工具

设计图 → 可编辑 PPT

把单张设计图重建为可编辑的 PowerPoint 幻灯片（背景、卡片、文本框、图片块）。

已开源 · 持续改进

01问题

现有截图转 PPT 工具只输出"一整张图"作为幻灯片，文字不可编辑、元素不可调整；不真正可编辑等于不可用。

02方案

两种模式：layout-assisted（接收外部 layout JSON 高保真重建）+ image-only（自动识别背景 / 卡片 / 图块 / 文本，RapidOCR + macOS Vision 双后端 OCR，按区域重跑提高小字稳定性）。

03我的职责

独立开发：架构设计、OCR 后处理、自动渲染策略。

01 · 背景与痛点

初版依赖单一 Swift OCR 脚本，真实图片上不稳定；小字文本识别后经常丢失样式（颜色 / 字号 / 加粗）。

02 · 产品设计与 Agent 架构

方案：两种模式：layout-assisted（接收外部 layout JSON 高保真重建）+ image-only（自动识别背景 / 卡片 / 图块 / 文本，RapidOCR + macOS Vision 双后端 OCR，按区域重跑提高小字稳定性）。

我的职责：独立开发：架构设计、OCR 后处理、自动渲染策略。

工作流设计

A[输入设计图] --> B{有 layout JSON?}\nB -- 是 --> C[Mode A 高保真重建]\nB -- 否 --> D[Mode B 图像分析]\nD --> E[OCR 双后端 + 区域重跑]\nE --> F[可编辑 PPTX + sidecar layout]

03 · 复盘

单图重建 PPT 的管线拆成‘布局检测 → 区域分类 → 元素重建’三阶段后，每种失败模式才各有归口（背景 / 卡片 / 文本框 / 图片块）。复盘：先给错误分类、再谈准确率，否则调参等于瞎调。

04 · 成果与产品思考

单命令 `python3 image_to_editable_pptx.py input.jpg -o output.pptx`；对干净的封面 / 标题卡 / 图+文 hero 布局表现稳定。

产品思考：工具的意义不是覆盖所有情况，而是把高频场景做深。

Open source · AIGC tool

Image to Editable PPT

Rebuild a single design image into an editable PowerPoint slide — background, cards, text boxes, image blocks.

Open source · Iterating

01Problem

Existing screenshot-to-PPT tools only output "one flat image" as the slide — text can't be edited, elements can't be adjusted; not truly editable means unusable.

02Approach

Two modes: layout-assisted (takes external layout JSON for high-fidelity rebuild) + image-only (auto-detect background/card/image-block/text via RapidOCR + macOS Vision dual-backend OCR, region re-run for small-text stability).

03My role

Solo development: architecture design, OCR post-processing, auto render strategy.

01 · Background & Pain

The first version depended on a single Swift OCR script, unstable on real images; small text often lost its style (color / size / bold) after OCR.

02 · Product Design & Agent Architecture

Approach: Two modes: layout-assisted (takes external layout JSON for high-fidelity rebuild) + image-only (auto-detect background/card/image-block/text via RapidOCR + macOS Vision dual-backend OCR, region re-run for small-text stability).

My role: Solo development: architecture design, OCR post-processing, auto render strategy.

Workflow design

A[输入设计图] --> B{有 layout JSON?}\nB -- 是 --> C[Mode A 高保真重建]\nB -- 否 --> D[Mode B 图像分析]\nD --> E[OCR 双后端 + 区域重跑]\nE --> F[可编辑 PPTX + sidecar layout]

03 · Pitfalls & Hard Lessons

[TBD: share 1-2 of the hardest debugging / cost-cutting / architecture decisions]

04 · Outcome & Product Thinking

Single command `python3 image_to_editable_pptx.py input.jpg -o output.pptx`; stable on clean covers, title cards, and image+text hero layouts.

Product thinking: A tool's value is not covering every case, but going deep on high-frequency ones.