Was macht pic-ppt?
Mit bildgenerativen Verfahren die von Benutzern bereitgestellten PPT-Effektbilder originalgetreu rekonstruieren. Standardmäßig entspricht ein Bild einer Folie. Die Ausgabe ist eine .pptx-Datei: Hintergrundgrafik, einzelne Rahmen, kleine Grafiken und Symbole sind separate Bildobjekte, der Text wird in nativen, bearbeitbaren Textfeldern dargestellt. Bilder können einzeln verschoben, ersetzt und skaliert werden. Es wird nicht behauptet, dass ihre inneren Linien bearbeitbar sind.
Kernvereinbarungen
- Befolgen der vom Benutzer vorgegebenen Reihenfolge: zuerst Hintergrundgrafik, dann jeden Rahmen einzeln, dann jede kleine Grafik/jedes Symbol, abschließend Text-Layout und Zusammensetzung. Text und Positionen können zu Beginn erkannt werden, aber die Hintergrundgrafik ist vor der Erstellung der Vordergrundmaterialien zu erstellen.
- Beibehaltung der Komposition, Ebenen, Farbverteilung, Elementpositionen, Textinhalte und Seitenverhältnisse des Originalbilds. Die HD-Neuzeichnung verbessert Schärfe und Kantenqualität, ohne das Design eigenständig zu ändern oder Dekorationen hinzuzufügen.
- Übliche rechteckige Rahmen, abgerundete Rahmen, technische Rahmen, Rahmen-Illustrationen usw. werden ebenfalls durch bildgenerative Verfahren neu gezeichnet, auch wenn die Formen einfach sind. Es werden keine nativen PPT-Formen, SVGs oder programmgesteuerte Zeichnungen verwendet.
- Das gesamte Effektbild wird nicht als endgültige Hintergrundgrafik verwendet und dann mit Text überlagert. Die Hintergrundgrafik muss den unabhängig wieder aufzubauenden Vordergrund und Text tatsächlich entfernen, um Doppelbelichtungen zu vermeiden.
- Die gesamte Seite wird nicht als einzelnes Bild rendern und als fertiges Produkt ausgeben. Der gesamte Vordergrund wird nicht zu einer einzigen transparenten Grafik zusammengeführt. Jedes unabhängige Element wird als separates Bildobjekt dargestellt.
- Bei klaren Eingaben wird direkt begonnen. Es werden keine Bestätigungsschritte wie Gliederung, Stil oder Testseite eingefügt. Nur bei Fragen, die die inhaltliche Genauigkeit betreffen und anhand der Eingabe nicht gelöst werden können, wird um Klärung gebeten. Andere unabhängig durchführbare Teile werden fortgesetzt.
Werkzeuge und Dateien
- Die
imagegen-Fertigkeit der aktuellen Umgebung und das integrierteimage_gen-Tool werden für Hintergrundergänzung, Freistellung und HD-Neuzeichnung verwendet. Wenn der Benutzer andere verfügbare bildgenerative Fertigkeiten explizit angibt, wird dessen Wahl befolgt. Selbst wenn die allgemeine Bildgenerierungsanleitung nahelegt, einfache Rahmen als Vektorgrafiken zu erstellen, wird in dieser Aufgabe der Benutzeranforderung nach bildgenerativen Verfahren gefolgt. - Die Werkzeugdefinitionen für die aktuelle Aufgabe sind zu konsultieren. Für lokale Referenzbilder wird zuerst ein Bildbetrachtungstool verwendet, um sie zu überprüfen. Anschließend werden die tatsächlichen Referenzbilder gemäß den vom Tool unterstützten Methoden übergeben. Das Schreiben eines lokalen Dateipfads nur in der Eingabeaufforderung entspricht nicht der Übergabe des Bildes.
- Jedes verschiedene Material wird unabhängig generiert und überprüft. Für transparente Rahmen und freigestellte Symbole wird explizit
transparent_background: truegesetzt. Vollständige Hintergrundgrafiken verwenden normalerweisefalse. Das Generieren mehrerer Materialien berechtigt nicht zum Wechsel auf eine kostenpflichtige API oder CLI. - Bei fehlgeschlagener Bildgenerierung wird entsprechend dem tatsächlichen Problem korrigiert und erneut versucht. Wenn die aktuelle Methode nicht verfügbar ist, wird das spezifische Hindernis erläutert. Es werden heimlich weder PPT-Formen noch ganzseitige Screenshots als Ersatz verwendet. Rückfälle auf andere APIs/CLIs folgen den entsprechenden Werkzeug-Lizenzregeln.
- Vor Beginn des tatsächlichen PPT-Layouts sind die aktuelle
presentations-Fertigkeit und deren erforderliche Implementierungsanweisungen zu lesen. Wenn eine Laufzeitabhängigkeit benötigt wird, wirdload_workspace_dependenciesaufgerufen. Diese Fertigkeit legt die Rekonstruktionsmethode fest, die Layout-API, die sich je nach Version ändert, wird nicht hartcodiert. - Das Originalbild bleibt unverändert. Zwischenmaterialien und Aufzeichnungen werden im Arbeitsverzeichnis abgelegt, die endgültige PPT und die Vorschau im Auslieferungsverzeichnis der aktuellen Aufgabe. Die ausgewählten Bildgenerierungsergebnisse werden im Arbeitsverzeichnis gespeichert und dann in die PPT eingebettet. Es dürfen keine temporären Links oder externen Links beibehalten werden.
0. Beobachtung und Zerlegung
Das Originalbild wird betrachtet, um den gültigen Folienbereich zu bestimmen. Software-Toolbars und äußere Ränder im Screenshot werden ausgeschlossen. Wenn keine anderen Größenanforderungen vorliegen, wird das Seitenverhältnis dieses Bereichs beibehalten, ohne standardmäßig 16:9 zu erzwingen.
Eine interne Liste der Elemente wird erstellt, mit: Elementnummer, Typ, Koordinatenrahmen im Originalbild, Überlagerungsreihenfolge, Pfad des Ausgabematerials. Für Text werden auch Originaltext, Zeilenumbrüche, Schriftstil, geschätzte Schriftgröße, Ausrichtung, Farbe und lokale Hervorhebungen aufgezeichnet. Die Koordinaten beziehen sich einheitlich auf den gültigen Folienbereich.
Es werden vier Kategorien unterschieden:
| Kategorie | Verarbeitungsweise |
|---|---|
| Vollseitige Hintergrundfarbe, Hintergrundtextur, Hintergrundlichtfeld | Zusammengeführt zu einer textlosen Hintergrundgrafik |
| Unabhängige Rahmen, Randlinien, Dekorationslinien und Dekorationspfeile | Jedes unabhängige Element als transparentes Bild |
| Kleine Illustrationen, Fotos, Symbole | Jedes unabhängige Element als HD-Bild; freizustellende Teile sind transparent |
| Titel, Fließtext, Text in Rahmen, Bildunterschriften und erkennbare Beschriftungen | Native, bearbeitbare Textfelder |
Wenn ein Bild eine Beschriftung enthält, wird die erkennbare Beschriftung zur Textebene gezählt. Beim Neuzeichnen der Grafik werden diese Wörter entfernt. Text in Rahmen wird nicht in das Rahmenmaterial eingebacken.
1. Zuerst die Hintergrundgrafik extrahieren
Das Originalbild wird als Bearbeitungsreferenz verwendet. Alle separat wieder aufzubauenden Texte, Rahmen, kleinen Grafiken und Symbole werden entfernt. Die von ihnen verdeckten Hintergrundbereiche werden ergänzt. Die ursprünglichen Farbtöne, Verlaufsrichtungen, Texturmaßstäbe, Hell-Dunkel-Bereiche und Lichtquellenpositionen des Hintergrunds werden beibehalten.
Verdeckte Bereiche, die aus einem Einzelbild nicht realistisch wiederhergestellt werden können, werden gemäß der umgebenden Hintergrundkontinuität ergänzt. Es wird nicht behauptet, dass die ursprüngliche verborgene Ebene extrahiert wurde. Komplexe Texturen dürfen nicht mit großen monochromen Flächen abgedeckt werden, und es dürfen keine Textkonturen, Rahmenliniengeister oder wiederholte Lichtreflexe des Vordergrunds zurückbleiben.
Mit der Überprüfung der Hintergrundgrafik wird begonnen, bevor die Rahmen erstellt werden. Siehe references/asset-prompts.md für Bildgenerierungsaufforderungen.
2. Rahmen einzeln in HD neu zeichnen
Rahmen im Originalbild werden einzeln lokalisiert und referenziert. Jeder wird als vollständiges, unabhängiges Material ausgegeben. Die ursprünglichen Konturen, Lücken, Ecken, Doppellinienbeziehungen, Proportionen, Kantendekorationen und Hauptfarben werden explizit festgelegt. Es wird nur dieses Objekt neu gezeichnet, Text und umgebende Elemente werden entfernt.
Wichtige Kontrollaspekte:
- Gleichmäßige Beleuchtung: Helligkeit und Linienbreite derselben durchgehenden Linie sind stabil, das visuelle Gleichgewicht zwischen links/rechts und oben/unten ist vorhanden, es gibt keine unerwarteten hellen Punkte, lokale Überbelichtung oder dunkle Unterbrechungen. Im Originalbild klar vorhandene Farbverläufe oder wichtige Glanzlichter können beibehalten werden.
- Gleichmäßige Verteilung: Wiederholte Skalen, Knoten, Eckdetails und Abstände weisen Regelmäßigkeit auf. Die Symmetrie oder Asymmetrie des ursprünglichen Designs wird beibehalten. Asymmetrische Kompositionen werden nicht zwangsweise symmetrisch gemacht.
- Integration in die Seite: Farbton, Lichthofintensität und Schärfe sind mit der Hintergrundgrafik abgestimmt. Es entstehen keine weißen oder schwarzen Ränder oder ein Aufkleber-Effekt. Lichteffekte werden nicht zum Zwecke der "Hochauflösung" vergrößert oder mit Leuchtfarben versehen.
- Echte Transparenz: Das PNG wird mit echtem Alpha-Kanal gespeichert. Der Bereich außerhalb des Rahmens ist transparent. Innen liegende Hohlräume im Original sind transparent. Vorhandene halbtransparente Panel-Füllungen werden mit angemessener Transparenz beibehalten. Sanfte, halbtransparente Lichthöfe werden beibehalten, nicht mit harten Kanten beschnitten.
- Platz für Lichthöfe lassen: Die generierte Leinwand deckt die vollständige Außenkontur und den Lichtausbreitungseffekt ab. Das Bild darf nicht abrupt an den Rändern abgeschnitten werden. Transparente Leerräume dienen nicht als Grundlage für die Positionierung sichtbarer Rahmen.
Jeder verschiedene Rahmen wird separat behandelt. Identische, sich wiederholende Rahmen können dasselbe bereits geprüfte Material wiederverwenden, sind in der PPT jedoch weiterhin separate Bildobjekte. Rahmen mit unterschiedlichen Proportionen oder Dekorationen werden separat generiert, nicht durch Dehnung desselben Bildes angepasst.
3. Kleine Grafiken und Symbole einzeln in HD neu zeichnen
Jede kleine Grafik/jedes Icon im Originalbild wird als Referenz verwendet. Identität des Hauptmotivs, Kontur, Anzahl, Richtung, Perspektive, Farben und relative Detailpositionen werden beibehalten. Die Grafik wird mit einer für die endgültige Platzierung geeigneten Auflösung und Schärfe neu gezeichnet.
- Isolierte Symbole/Objekte werden als transparente PNGs ausgegeben. Vollständige Fotos behalten ihre ursprüngliche rechteckige Leinwand und ihren Hintergrund, es sei denn, das Originalbild war bereits freigestellt.
- Sinnvolle Strukturen wie Pfeilrichtungen, Teileanzahl, Verbindungsbeziehungen usw. werden nicht verändert. Grafiken mit erkennbarem Text werden zuerst in Text und Grafik zerlegt; Grafik und Text werden separat wieder aufgebaut.
- Für reale Datendiagramme, experimentelle Grafiken und Markenlogos darf die Neuzeichnung keine Daten, Beweisdetails oder Markenstrukturen verändern. Wenn eine originalgetreue Wiedergabe nicht gewährleistet werden kann, wird das Originalbild beibehalten und diese Ausnahme klar dokumentiert. Generierte Details werden nicht als Originalinformationen ausgegeben.
- Die Zielauflösung wird basierend auf der tatsächlichen Platzierung festgelegt. Es wird bevorzugt, dass das Material in der endgültigen Vorschau ohne Skalierung auskommt. Wenn möglich, werden etwa 2-fache Pixel reserviert. Das bloße Hochskalieren des Originalbilds gilt nicht als HD-Neuzeichnung. Vom Tool nicht bereitgestellte Auflösungen werden nicht als 4K bezeichnet.
Die Wirkung jedes Elements wird einzeln auf der Ziel-Hintergrundgrafik überprüft. Nach Bestätigung wird es an der ursprünglichen Position in der Liste platziert.
4. Bearbeitbaren Text wiederherstellen
Native Textfelder werden Block für Block gemäß dem Originaltext erstellt. Textinhalt, Ebenen, Zeilenreihenfolge und Farbverteilung des Originalbilds werden beibehalten. Es werden keine eigenständigen Formulierungsverbesserungen, Löschungen oder Zahlenänderungen vorgenommen. OCR dient nur als erster Entwurf. Der Text muss am Originalbild überprüft werden.
- Titel, Fließtext, Bildunterschriften, Zahlen, Einheiten und Beschriftungen in Rahmen sollten alle direkt anklickbar und bearbeitbar sein.
- Wörter in derselben Zeile mit unterschiedlichen Farben oder Strichstärken verwenden native Rich-Text-Fragmente. Wenn eine unabhängige Positionierung erforderlich ist, können sie in mehrere Textfelder aufgeteilt werden. Text wird nicht in PNG, SVG oder Konturen umgewandelt.
- Die Originalschriftart wird bevorzugt verwendet. Wenn sie nicht bestimmt werden kann oder fehlt, wird eine ähnliche installierte Schriftart ausgewählt, wobei der Schwerpunkt auf Schriftstärke, -breite und Zeilenhöhe liegt. Hoch-/Tiefstellung, griechische Buchstaben, chemische Formeln und mathematische Symbole werden überprüft.
- Schriftgröße, Zeilenabstand, Absatzabstand, Innenabstand des Textfelds und Ausrichtung werden an der entsprechenden Position im Originalbild angepasst. Die automatische Verkleinerung wird nicht verwendet, um Text in falsch dimensionierte Rahmen zu quetschen. Das ursprüngliche Layout wird nicht geändert, um eine größere Schriftgröße zu erreichen.
- Bilder, die Text enthalten, dürfen nicht den Originaltext behalten und dann bearbeitbaren Text darüberlegen. Nach der Kombination des enttextten Materials mit dem Textfeld dürfen keine Doppelbuchstaben, Geisterbilder oder Fehlausrichtungen auftreten.
- Wenn ein Fragment wirklich nicht entziffert werden kann, werden die anderen Teile abgeschlossen und nur nach diesem Fragment gefragt. Es wird nicht geraten, was scheinbar korrekt ist. Wenn der Benutzer eine vorläufige Auslieferung wünscht, werden die ungelösten Textstellen aufgelistet. Es wird nicht behauptet, dass der gesamte Text genau rekonstruiert wurde.
5. Zusammenbau, Prüfung und Auslieferung
Vor dem Zusammenbau und bei der Abnahme wird references/layout-and-checks.md gelesen, um Koordinatenzuordnung, transparente Ränder und native Textvalidierung zu behandeln.
Bilder und Text werden in der ursprünglichen Überlagerungsreihenfolge des Bilds platziert, normalerweise Hintergrundgrafik, Rahmen/Illustrationen, Text. Die Objekte werden mit aussagekräftigen Namen wie BG_01, FRAME_01, ICON_01, TEXT_01 versehen. Es wird vermieden, die gesamte Seite in einer nicht anklickbaren großen Gruppe zu sperren.
Nach dem Export der PPTX wird sie in ein Bild gerendert und mit dem Originalbild im gleichen Maßstab verglichen, um Hintergrundgeister, Rahmenverschiebungen, Lichthöfe, Symbolskalierung, Rechtschreibfehler, Zeilenabstände und Überläufe zu korrigieren. Der tatsächliche Transparenzkanal des PNG und der native Text in der PPT werden überprüft. Nur "sieht aus wie transparent" oder "einige Textfelder sind vorhanden" entspricht nicht der Fertigstellung.
Standardmäßig wird die endgültige .pptx-Datei und eine Rendering-Vorschau ausgeliefert. Text ist bearbeitbar. Bildebenen können unabhängig verschoben, ersetzt und skaliert werden. Nur auf Benutzeranforderung werden zusätzlich Materialpakete oder interne Prüfberichte ausgeliefert. Tatsächliche Einschränkungen, die die Verwendung beeinflussen, werden kurz erläutert. Es wird nicht behauptet, pixelgenau identisch, vollständig vektorbearbeitbar oder in nicht verwendeter Software verifiziert zu sein.