BildPPT — Arbeitsablauf für die Umwandlung von Textmaterial in…

BildPPT — Arbeitsablauf für die Umwandlung von Textmaterial in bearbeitbare PPTs (allgemeine Methodik)

Übersicht

Diese Fertigkeit bietet einen vollständigen, dreistufigen Arbeitsablauf, um Textmaterialien wie Buch-PDFs, wissenschaftliche Arbeiten, Berichte usw. in optisch ansprechende und vollständig bearbeitbare PowerPoint-Präsentationen umzuwandeln. Der Workflow stammt aus einem Tutorial der Xiaoheihe-Community (Autor: Spieler 22186848), unter Bezugnahme auf die akademischen PPT-Ansätze des Bilibili-UP 'Yiwu Wu Qian He Jing', und wurde für Szenarien wie Kursvorträge, Lesungen, Teammeetings, Projektpräsentationen und Wettbewerbs-Pitches generalisiert.

Stark empfohlene Ausführungsumgebung: Codex + GPT-Image 2.0. Codex übernimmt das Lesen von Dokumenten, die Workflow-Orchestrierung und den PPTX-Zusammenbau/Wiederherstellung (Shell + python-pptx in einem Rutsch); GPT-Image 2.0 zeichnet PPT-Seiten mit einheitlichem Stil und präzisem Text. Das in den Prompts von Schritt 1/2 erwähnte 'image2-Bildgenerierungsmodell' entspricht in der Codex-Umgebung GPT-Image 2.0, in der GPT/ChatGPT-Umgebung dem nativen Bildmodell, und in anderen Umgebungen wird es durch das tatsächlich verwendete Bildgenerierungstool ersetzt.

Plattformunabhängig: Der Kern dieser Methodik sind drei Eingabeaufforderungen + ein dreistufiger Workflow, der in jedem KI-Assistenten verwendet werden kann, der über die Fähigkeiten 'Dokumentenlesen', 'Bildgenerierung' und 'Dateiausgabe' verfügt (Codex, ChatGPT/GPT, Claude, Kimi, Doubao, WorkBuddy, Tongyi usw.). Bei der Ausführung muss lediglich die im Text markierte allgemeine Fähigkeit auf das aktuell verwendete KI-Tool abgebildet werden.

Die drei Kern-Eingabeaufforderungen befinden sich in references/prompts.md und werden schrittweise referenziert.

Workflow-Entscheidungsbaum

Benutzereingabe: Textmaterial (PDF / Buch / wissenschaftliche Arbeit / Bericht / reiner Text)
         |
         ▼
  ┌──────────────┐
  │ Schritt 1    │  Inhaltsaufbereitung + Stildesign
  │ Material lesen│  → Kerninhalt extrahieren
  │ 4 Stilvorschauen  │  → 4 Sätze Stilvorschaubilder generieren
  └──────┬───────┘
         | Benutzer wählt einen Stil
         ▼
  ┌──────────────┐
  │ Schritt 2    │  Bilder-PPT generieren
  │ Seite für Seite  │  → Seite für Seite im ausgewählten Stil generieren
  │ Bilder in PPTX   │  → Zu herunterladbarer .pptx zusammenführen
  └──────┬───────┘
         | Bilder-PPT erhalten (nicht bearbeitbar)
         ▼
  ┌──────────────┐
  │ Schritt 3    │  Bearbeitbar wiederherstellen
  │ Seite für Seite   │  → Bildebene + bearbeitbare Textebene
  │ zerlegen & wiederherstellen│
  │ Bearbeitbare PPTX   │  → Bearbeitbare .pptx ausgeben
  └──────────────┘

Schritt 1: Inhaltsaufbereitung und Stildesign

Ziel

Das Quellmaterial gründlich lesen und verstehen, Kerninhalte extrahieren; gleichzeitig vier Sätze PPT-Vorschaubilder in verschiedenen Stilen generieren, aus denen der Benutzer wählen kann.

Ausführungsschritte

1. Quellmaterial lesen: Das vom Benutzer bereitgestellte PDF/Dokument lesen. Bei langen Dokumenten abschnittsweise lesen und die wichtigsten Punkte zusammenfassen.
2. Inhaltsgliederung extrahieren: Aus dem Material die folgenden Elemente extrahieren:
   • Hintergrund des Autors, Hintergrund des Schreibens
   • Struktur des gesamten Buches/Textes
   • Hauptthesen, wichtige Kapitel
   • Typische Fallbeispiele, klassische Aussagen
   • Relevanz für die reale Welt und Erkenntnisse aus der Lektüre
3. Referenzstil einholen: Den Benutzer fragen, ob er ein Referenz-PPT-Vorlagenbild hat. Falls ja, die Farbgebung, Schriftart und das Layout des Bildes analysieren.
4. Vier Sätze Stilvorschauen generieren: Die Bildgenerierungsfähigkeit der KI verwenden, um gemäß Prompt 1 in references/prompts.md vier Sätze PPT-Vorschaubilder in verschiedenen Stilen zu generieren (ähnlich dem Layout der Folienansicht). Der Inhalt der vier Optionen ist konsistent, aber die Farbthemen, Layouts und visuellen Stile müssen sich unterscheiden.
5. Pause und auf Benutzerauswahl warten: Die vier Vorschaubilder anzeigen und den Benutzer bitten, einen Stil auszuwählen.

Anpassungshinweise

• Codex (empfohlen): Die Dokumentlesefähigkeit zum Extrahieren von Inhalten nutzen, dann die Bildgenerierung (stark empfohlen: GPT-Image 2.0) zum Erstellen der Vorschaubilder aufrufen. Das 'image2-Bildgenerierungsmodell' in Prompt 1 entspricht GPT-Image 2.0.
• KI mit nativer Bildgenerierung (z. B. GPT): Das Quellmaterial-PDF + Referenzstilbild + Prompt 1 direkt senden; die KI ruft ihr Bildmodell auf, um die Vorschauen zu generieren.
• KI, die Bilder über externe Tools generiert (z. B. Claude, WorkBuddy): Zuerst die Dokumentlesefähigkeit zum Extrahieren von Inhalten nutzen, dann das verfügbare Bildgenerierungstool aufrufen, um die Vorschaubilder zu generieren. Das 'image2-Bildgenerierungsmodell' in Prompt 1 wird durch das tatsächlich verwendete Tool ersetzt.

Schritt 2: Vollständiges Bilder-PPT generieren

Ziel

Basierend auf dem vom Benutzer ausgewählten Stil Seite für Seite vollständige PPT-Seitenbilder generieren und zu einer herunterladbaren .pptx-Datei zusammenführen.

Ausführungsschritte

1. Stilauswahl bestätigen: Die in Schritt 1 vom Benutzer ausgewählte Stilnummer notieren.
2. Seite für Seite Bilder generieren: Basierend auf der ausgewählten Stilvorlage und der in Schritt 1 erstellten Inhaltsgliederung Seite für Seite PPT-Seitenbilder generieren. Jede Seite sollte einen Kernpunkt hervorheben, große Textblöcke vermeiden.
3. Zu PPTX zusammenführen: Alle Seitenbilder der Reihe nach in 16:9-Folien einbetten und eine .pptx-Datei generieren (mithilfe eines PPT-Generators, eines python-pptx-Skripts oder der nativen Dateiausgabefähigkeit der KI).
4. Datei ausliefern: Die generierte .pptx-Datei an den Benutzer übergeben.

Anpassungshinweise

• Codex (empfohlen): Die Bildgenerierung (stark empfohlen: GPT-Image 2.0) in einer Schleife aufrufen, um Seite für Seite zu zeichnen, dann ein python-pptx-Skript verwenden, um sie zu einer .pptx zusammenzuführen. Das 'image2-Bildgenerierungsmodell' in Prompt 2 entspricht GPT-Image 2.0.
• KI mit nativer Bildgenerierung (z. B. GPT): Prompt 2 senden (siehe references/prompts.md); die KI generiert Seite für Seite und fügt sie automatisch zu pptx zusammen.
• KI, die Bilder über externe Tools generiert: Manuelle Orchestrierung: Zuerst in einer Schleife das Bildgenerierungstool aufrufen, um jedes Seitenbild zu generieren, dann einen PPT-Generator oder ein python-pptx-Skript zum Zusammenführen verwenden. Beachten: Einige KI-Assistenten können in einer einzigen Konversation nur einen Tool-Aufruf tätigen, daher müssen die Seiten über mehrere Runden generiert werden.

Wichtige Hinweise

• Ein einzelner Bildgenerierungsaufruf erzeugt normalerweise nur ein Bild; für mehrseitige PPTs sind mehrere Aufrufe erforderlich.
• Empfohlene Generierungsreihenfolge: Titel → Inhaltsverzeichnis → einzelne Inhaltsseiten → Zusammenfassung → Dankesseite.
• Der Prompt für jede Seite muss Folgendes enthalten: Beschreibung des ausgewählten Stils + spezifische Inhalte dieser Seite + Seitenzahlinformationen.

Schritt 3: Bilder-PPT in bearbeitbare PPTX zurückverwandeln

Ziel

Das in Schritt 2 erstellte Bilder-PPT (jede Seite ist ein einzelnes Bild, nicht bearbeitbar) in eine bearbeitbare PPTX-Datei zurückzuverwandeln, wobei die visuelle Qualität erhalten bleibt und der Haupttext bearbeitbar wird.

Ausführungsschritte

1. Seite für Seite verarbeiten: Jede Seite des Bilder-PPTs einzeln verarbeiten, maximal 1–3 Seiten auf einmal, um eine Verschlechterung der Aufteilung zu vermeiden.
2. Seitenstruktur identifizieren: Jedes Seitenbild analysieren und den Inhalt in zwei Ebenen aufteilen:
   • Komplexe visuelle Asset-Ebene: Markenlogos, Personen, Illustrationen, 3D-Grafiken, komplexe Hintergründe, komplexe Diagramme usw. → als hochauflösende Bilder zuschneiden/extrahieren und einbetten.
   • Bearbeitbare Informationsebene: Titel, Untertitel, Fließtext, Zitate, Schlüsselzahlen, Text in Fazit-Boxen, Seitenzahlen usw. → mit nativen PPT-Textfeldern wiederherstellen.
3. Text wiederherstellen: Den bearbeitbaren Text mit nativen PPT-Textfeldern neu erstellen, dabei Schriftart-Stil, Schriftgrößenhierarchie, Schriftstärke, Farbe, Zeilenabstand, Buchstabenabstand, Ausrichtung und Position des Originals anpassen. Wenn der Originaltext durch ein Hintergrundbild verdeckt werden muss, zuerst eine Hintergrundfarbe oder eine lokale Maske über den Originaltext legen, dann das neue Textfeld darüber platzieren, um Geisterbilder zu vermeiden.
4. Visuelle Wiederherstellung: Das Seitenverhältnis, den visuellen Schwerpunkt, die Lesereihenfolge, den Weißraum-Rhythmus, die Farben, den Kontrast und die Helligkeitsverhältnisse des Originals beibehalten.
5. Ausgabe und Vergleich: Eine bearbeitbare 16:9 PPTX ausgeben und gleichzeitig ein Vorschaubild zum Vergleich mit dem Originalbild rendern. Bei offensichtlichen Abweichungen iterativ überarbeiten.
6. Auslieferungshinweise: Nach der Fertigstellung erläutern, welche Elemente als bearbeitbarer Text wiederhergestellt wurden, welche als Bilder erhalten blieben und ob Schriftartersetzungen vorgenommen wurden.

Wiederherstellungsanweisungen

Die vollständige, seitenweise Wiederherstellungsanweisung befindet sich in Prompt 3 in references/prompts.md. Diese Eingabeaufforderung verwendet eine hybride Wiederherstellungsstrategie: 'komplexe visuelle Wiedergabetreue + Haupttext bearbeitbar'.

Anpassungshinweise

• KI mit nativer Bildzerlegungsfähigkeit (z. B. GPT): Das Bilder-PPT hochladen und Prompt 3 senden; die Bildfunktion der KI kann die Ebenenelemente zerlegen und kombinieren und direkt eine bearbeitbare PPTX ausgeben.
• Codex (empfohlen):
  1. Jedes Seitenbild ansehen, Textinhalte und visuelle Elementstruktur identifizieren.
  2. Bildverarbeitungsbibliotheken (z. B. Pillow) verwenden, um komplexe visuelle Bereiche als separate Bilder zuzuschneiden.
  3. Mit python-pptx oder pptxgenjs eine PPTX erstellen: Hintergrundbild als Basis + native Textfelder mit Text überlagern.
  4. Seite für Seite verarbeiten, jeweils 1–3 Seiten.
  5. Alle Seiten zur endgültigen .pptx zusammenführen.
• Andere KI-Assistenten (z. B. Claude, WorkBuddy): Dem obigen Codex-Pfad folgen, die spezifischen Bibliotheken/Tools durch die in der aktuellen Umgebung verfügbaren ersetzen.

Wichtige Hinweise

• Seite für Seite zerlegen: Maximal 3 Seiten auf einmal verarbeiten, da sonst die Aufteilung der Elemente nicht zufriedenstellend ist.
• Doppelte Darstellung vermeiden: Wenn das Originalbild bereits Text enthält, muss dieser zuerst mit einer Hintergrundfarbe überdeckt werden, bevor das Textfeld platziert wird, da sonst Geisterbilder (doppelter Text) auftreten.
• Schriftartersetzung: Wenn die Originalschrift nicht identifiziert werden kann, für Chinesisch HeiTi/Source Han Sans/Microsoft YaHei, für Englisch die ähnlichste serifenlose/Serifenschriftart wählen.
• Kleiner Text in komplexen visuellen Bereichen: Wenn das separate Herauslösen die Bildqualität beeinträchtigt, kann er als Bild erhalten bleiben. Dies muss jedoch in der abschließenden Erläuterung vermerkt werden.

Ressourcen

references/

• prompts.md — Die drei Kern-Eingabeaufforderungen (Prompt 1: Inhaltsaufbereitung und Stildesign / Prompt 2: Bilder-PPT generieren / Prompt 3: Bearbeitbare PPTX wiederherstellen)

Tool-Zuordnungsvorschläge

Bei der Ausführung die entsprechende Fähigkeit basierend auf der aktuellen KI-Umgebung auswählen:

Allgemeine Fähigkeit	Verfügbare Werkzeuge/Fertigkeiten (Beispiele)
Dokument lesen	Integrierter PDF/Dokument-Reader, MarkItDown, jede Dateiparsing-Fähigkeit
Bildgenerierung	Natürliches Bildmodell (z. B. GPT Image), Agnes, Midjourney, Jimeng, Tongyi Wanxiang usw.
PPTX erstellen	KI-eigene Dateiausgabe, python-pptx, pptxgenjs, WPS/Office-Plugin

Anwendungsszenarien

Szenario	Beschreibung
Universitätskurs: Gruppenpräsentation	Buchvorstellung, Kursaufgaben-Präsentation
Teammeeting-Präsentation	Literaturvorstellung, Forschungsfortschrittsbericht
Projekt-Präsentation	Projektzusammenfassung, Lösungsvorstellung
Wettbewerbs-Pitch	Geschäftsplan, Projekt-Pitch
Buchvorstellung	Buchinhalte aufbereiten und teilen