Was macht notebooklm-pdf-to-ppt?
Konvertiert bildbasierte PDF-Folien aus NotebookLM in PPTX mit editierbarer Textebene.
Funktionsweise
- PDF-Eingabe: Ein bildbasiertes PDF (z. B. aus NotebookLM) wird als Eingabe akzeptiert.
- Textextraktion: Mittels OCR (z. B. Tesseract) werden die Texte aus den Bildseiten extrahiert.
- PPTX-Generierung: Jede PDF-Seite wird als einzelne Folie in eine PPTX-Datei eingefügt, wobei die erkannten Texte als editierbare Textfelder platziert werden.
- Ausgabe: Die resultierende PPTX-Datei kann direkt in Microsoft PowerPoint oder anderen Präsentationsprogrammen bearbeitet werden.
Voraussetzungen
- Python 3.8 oder höher
- Installierte Python-Bibliotheken:
pdf2image,pytesseract,python-pptx,Pillow - Tesseract-OCR-Engine (systemweit installiert)
Installation
pip install pdf2image pytesseract python-pptx Pillow
# Für Linux: sudo apt-get install tesseract-ocr
# Für macOS: brew install tesseract
# Für Windows: Download von https://github.com/UB-Mannheim/tesseract/wiki
Verwendung
python notebooklm_pdf_to_ppt.py --input presentation.pdf --output presentation.pptx
Alternativ als Python-Modul:
from notebooklm_pdf_to_ppt import convert
convert(
input_pdf="meine_notizen.pdf",
output_pptx="meine_folien.pptx",
language="deu" # Optional: OCR-Sprache (Standard: eng)
)
Konfiguration
| Umgebungsvariable | Beschreibung | Standard |
|---|---|---|
TESSDATA_PREFIX | Pfad zu Tessdata (nur bei benutzerdefinierter Installation) | Systempfad |
OCR_LANG | OCR-Sprache (z. B. deu, eng+deu) | eng |
Hinweise
- Die Qualität der Textextraktion hängt von der Bildauflösung und Schriftart ab.
- Bei komplexen Layouts (Tabellen, Formeln) kann die Formatierung abweichen.
- Es werden keine Bilder oder Grafiken aus dem PDF in die PPTX übernommen.
Lizenz
MIT