gpt-image2-ppt

---

🎬 效果演示：喂一张模板，仿出一套新内容

<table> <tr> <th width="50%">输入：任意一页参考模板（.pptx / 图片）</th> <th width="50%">输出：本 skill 仿制 + 换内容</th> </tr> <tr> <td>input template</td> <td>generated output</td> </tr> <tr> <td align="center">_{英文信息图模板（Mass Media Infographics）}</td> <td align="center">_{同一版式 / 同一配色 / 同一插画语汇，内容换成「普通人怎么用 AI 做自媒体」}</td> </tr> </table>

---

✨ 能做什么

• 🎨 十套精选风格 + 扩展风格库 — 内置 Spatial Glass / Tech Blue / Editorial Mono / Dark Aurora / Riso / Wabi / Swiss Grid / Hand Sketch / Y2K Chrome / Vector Illustration，并持续补充优质风格
• 🪄 模板克隆模式 — 丢一个 .pptx 进去，AI 会参考原模板的版式、配色和插画语汇，像上面那张图一样换成新内容
• 🎯 自然语言精准编辑 — 直接说“改第 3 页副标题”“删掉页脚”“把三个数据换成新数字”，AI 会通过图生图只重生成目标页，尽量保持原风格和版式不变
• 🎮 双产出 — 每页 PNG 高清原图 + 16:9 .pptx 直接用
• ⚡ 默认 10 路并发出图 — 10 页 ~30 秒出完
• 🧪 先看一页再跑全量 — 默认建议先出封面给你确认，满意后再生成整套
• 🧾 可追踪、可回滚 — 修改过哪些页、生成过哪些版本都能追踪，方便继续改
• 🖼️ 真实素材双模式 — 用户给的真实图默认保真嵌入；用户明确允许时，也可以作为参考图融合重绘

🆕 更新记录

• 2026-05-31 · 真实素材双模式：产品截图、logo、图表、表格、医学影像、证据截图等真实素材默认保真嵌入为独立图片对象；如果用户明确说“不需要贴原图 / 可以重绘 / 更重视整体效果”，也可以作为参考图融合重绘。医疗影像、诊断图、论文图表、财务表格、法律证据、精确 UI 截图不建议重绘，生成后需要人工核对。
• 2026-05-26 · 扩展风格库：从公开渠道 500+ 个 PPT 模板中筛选补充 22 个优质风格，覆盖商务、学术、教育、餐饮、时尚、医疗、环保等场景。

🧩 整体实现流程

本项目采用“AI 生成整页视觉稿 + PPT 打包”的路线；真实素材默认保真嵌入，用户明确允许时可作为参考图融合重绘。完整流程图、可靠性边界和素材处理规则见：docs/ppt-implementation-logic.md。

✅ 适合哪些用户场景

场景	适合程度	说明
从主题生成一套新 PPT	很适合	适合汇报、路演、培训、课程、产品介绍。
按公司模板仿一套新内容	很适合	上传 .pptx 模板，先出封面确认，再跑全量。
改标题、副标题、日期、页脚	很适合	当前最稳定的编辑场景。
更新数据卡片和关键数字	适合	可批量改，但交付前要逐项核对数字。
只改复杂多页 PPT 的某一页	适合	只更新目标页，其他页不重新生成。
密集表格、财报、法务长文	不建议直接承诺	小字和数字需要更严格人工验收。

🎨 十种内置风格

下图为 10 套风格在同一主题「如何用 gpt-image-2 做 PPT」下各生成一张封面的对照。全部由 gpt-image-2 直出，未经 PS。

风格 ID	一句话定位	适用场景
gradient-glass	Apple Vision OS / Spatial Glass	AI 产品发布、技术分享、创意提案
clean-tech-blue	Stripe / Linear 级蓝白	融资路演、商业计划书、企业战略
vector-illustration	复古矢量插画 + 黑描边	教育培训、品牌故事、社区分享
editorial-mono	Kinfolk / Monocle 编辑设计	品牌发布、文化访谈、读书分享
dark-aurora	Linear / Vercel 深色霓虹	AI 产品、开发者工具、技术分享
risograph	Riso 双套色印刷 + 网点纹理	创意工作室、文创品牌、独立 zine
japanese-wabi	无印 / 原研哉式侘寂	茶道、生活方式、奢侈品、文化讲座
swiss-grid	Bauhaus / Vignelli 国际主义网格	学术报告、博物馆展陈、严肃汇报
hand-sketch	Sketchnote / 白板手绘	工作坊、产品 brainstorming、培训
y2k-chrome	Y2K 千禧液态金属 + 蝴蝶贴纸	潮牌、文娱、品牌联名、Z 世代营销

🧬 扩展风格库

已从公开渠道 500+ 个 PPT 模板中筛选补充 22 个优质风格。后续还会持续补充，也欢迎大家提供好看的 PPT 模板或风格参考。

更多风格展示、风格 ID、特色和适用场景见：docs/distilled-styles.md。

---

🧪 修改能力测评

如果你关心“到底能不能稳定改 PPT”，先看这份面向用户的图文测评：

• docs/edit_guide.md — 标题替换、日期修改、删除页脚、数据更新、新增 logo、复杂多页只改一页，以及当前不足和交付前检查清单

核心结论：

能力	当前表现
改短文本	稳定，适合日常交付。
改多个明确元素	可用，建议一次说清楚“其他不要动”。
改数据页	可用，但必须核对数字。
加小图标 / logo	可用；真实品牌 logo 需要提供素材。
原生 PPT 对象级编辑	背景与文字仍是整页图片；通过 external_image 声明的真实图片会作为独立 PPT 图片对象叠加，可单独选中拖动。

开发者：查看内部编辑机制示意图

system architecture

---

🚀 安装

方式一：让 AI 自己装（推荐）

把下面这段 prompt 丢给你的 AI 助手（Claude Code / OpenClaw / Codex / Cursor / Trae / Hermes Agent，或其他支持 Skills 的 agent 都行），它会自动完成安装：

帮我安装 gpt-image2-ppt-skills：
https://raw.githubusercontent.com/JuneYaooo/gpt-image2-ppt-skills/main/docs/install.md

agent 会自己 clone 仓库、按当前运行环境选择安装目标、提示你重启。

方式二：手动安装

git clone [email protected]:JuneYaooo/gpt-image2-ppt-skills.git
cd gpt-image2-ppt-skills
bash install_as_skill.sh --target claude   # Claude Code
# 或
bash install_as_skill.sh --target codex    # Codex

脚本会把 skill 装到对应 agent 的目录：

• Claude Code: ~/.claude/skills/gpt-image2-ppt-skills/
• Codex: ~/.codex/skills/gpt-image2-ppt-skills/

如果你走 API 直连模式，需要给 agent 注入环境变量。推荐使用当前 agent 框架的标准配置，而不是把密钥写进业务项目根目录 .env：

• Claude Code：用户级 ~/.claude/settings.json，或项目级 .claude/settings.local.json
• OpenClaw / 自定义 Agent：用 apiKey / env reference 引用系统环境变量
• CI / 服务器：用系统环境变量、Docker Compose、Kubernetes Secret 或 CI Secret
• standalone CLI：可设置 GPT_IMAGE2_PPT_ENV=/path/to/private.env，或使用 skill 安装目录下的 .env fallback

# 变量名如下：
OPENAI_BASE_URL=https://api.openai.com    # 或任意 OpenAI 兼容中转
OPENAI_API_KEY=sk-...                     # 必需
GPT_IMAGE_MODEL_NAME=gpt-image-2
GPT_IMAGE_QUALITY=high                    # low / medium / high / auto

在 Codex 里如果当前 agent 自带原生图片生成能力，可以直接走 SKILL.md 里的原生路径，不必配置 OPENAI_API_KEY。

🔒 不会误吃密钥：脚本只读取当前进程环境、平台注入变量、显式 GPT_IMAGE2_PPT_ENV 和 skill 安装目录 .env fallback，不会向上递归读调用者项目目录的 .env。

🪄 模板克隆模式额外需要本机可执行的 PPTX 渲染后端（Windows PowerPoint / macOS Keynote / LibreOffice）。先用 python3 scripts/render_template.py --check 检查；鸿蒙 / Termux / 容器 / 特殊架构不要假设 Linux aarch64 LibreOffice 二进制可运行。

模板克隆的 Vision 分析（可选）

模板克隆模式下，skill 需要先"看懂"你的 .pptx 模板的视觉风格。如果你的 AI 助手本身就是多模态的（Claude Code 走 Claude Opus/Sonnet，Codex 走 GPT 多模态等），agent 会直接自己看图抽取风格，生成带 reference_image 的 template_profile.json 后通过 --template-profile 传给 CLI，不需要额外配置。

只有当你用的 agent 是纯文本模型时（例如只接入 DeepSeek 文本模型），才需要配下面这组环境变量，走一个独立的多模态模型来分析模板：

# 可选：模板克隆的 vision 分析（仅纯文本 agent 需要，多模态 agent 不用配）
VISION_BASE_URL=https://your-openai-compatible-relay.example.com/v1
VISION_API_KEY=sk-...
VISION_MODEL_NAME=gemini-3.1-pro-preview   # 或 gpt-4o / claude-3.5-sonnet 等任意多模态 SKU

支持任意兼容 OpenAI /v1/chat/completions 格式的多模态模型（Gemini / GPT-4o / Claude 等），与图片生成的 gpt-image-2 完全解耦——换 vision provider 不影响出图。

---

🛠 在 Claude Code 里怎么用

装完直接跟 Claude 说人话就行：

帮我用 gpt-image2-ppt 生成一份关于 [你的主题] 的 5 页 PPT，风格用 dark-aurora。

仿模板同理：

我这有一个 company-template.pptx，帮我按这个模板做一份关于 [你的主题] 的 5 页 PPT。

Claude 会自己写 slides_plan、先出一页封面让你确认、再跑全量，把输出目录和 .pptx 路径告诉你。

想自己写脚本调 CLI 而不走 agent？看 SKILL.md，CLI 参数、文件布局都在那。

---

🙏 致谢

• op7418/NanoBanana-PPT-Skills — 风格 prompts 与早期 skill 结构参考。本项目把图片后端从 Nano Banana Pro 换成了 OpenAI gpt-image-2，重写了继承自上游的 3 套风格并新增 7 套（共 10 套），另加入模板克隆模式（vision 抽风格仿任意 .pptx）、md-first 编排流程、.pptx 自动打包、codex CLI 备用后端等新功能。
• lewislulu/html-ppt-skill — Claude Code skill SKILL.md frontmatter 写法参考。

💬 Community

LINUX DO — 中文开发者社区

微信交流群

欢迎大家有问题一起交流讨论。

微信交流群

⭐ Star History

---

License

Apache License 2.0，详见 LICENSE。