ImagePPT — Flujo de trabajo para convertir texto en PPT editable (Metodología general)
Resumen
Este skill proporciona un flujo de trabajo completo de tres pasos para transformar materiales textuales como PDFs de libros, tesis, informes y otros documentos en presentaciones PowerPoint elegantes y editables. El flujo se origina en un tutorial de la comunidad Xiaobox (autor: player22186848) y referencia las ideas del YouTuber Bilibili "Yiwu Qianheng Hejing" para la creación de PPT académicos, adaptándose a escenarios como presentaciones en clase, clubes de lectura, reuniones de equipo, reportes de proyectos y competiciones.
Entorno de ejecución altamente recomendado: Codex + GPT-Image 2.0. Codex se encarga de la lectura de documentos, orquestación del flujo y ensamblaje/restauración del PPTX (shell + python-pptx todo en uno); GPT-Image 2.0 se encarga de dibujar diapositivas PPT con estilo uniforme y texto preciso. En los prompts de los Pasos 1 y 2, "modelo de generación de imágenes image2" corresponde a GPT-Image 2.0 en el entorno Codex, al modelo nativo de imágenes en GPT/ChatGPT, y en otros entornos debe reemplazarse por la herramienta de generación de imágenes real que se utilice.
Independiente de la plataforma: El núcleo de esta metodología son tres prompts clave + un flujo de tres pasos, que se puede usar en cualquier asistente de IA con capacidades de "lectura de documentos, generación de imágenes y salida de archivos" (Codex, ChatGPT/GPT, Claude, Kimi, Doubao, WorkBuddy, Tongyi, etc.). Solo necesitas mapear las capacidades genéricas indicadas en el texto a la herramienta de IA que estés utilizando.
Los tres prompts clave se encuentran en references/prompts.md y se referencian paso a paso.
Árbol de decisión del flujo de trabajo
Usuario ingresa material textual (PDF / libro / tesis / informe / texto plano)
|
▼
┌──────────────┐
│ Paso 1 │ Extracción de contenido + Diseño de estilo
│ Leer material │ → Extraer contenido central
│ Generar 4 vistas previas │ → Generar 4 vistas previas de estilo
└──────┬───────┘
| Usuario selecciona un estilo
▼
┌──────────────┐
│ Paso 2 │ Generación de PPT en imagen
│ Generar diapositivas una por una │ → Generar diapositivas según el estilo seleccionado
│ Combinar en PPTX │ → Combinar en .pptx descargable
└──────┬───────┘
| Se obtiene PPT en imagen (no editable)
▼
┌──────────────┐
│ Paso 3 │ Restauración editable
│ Desmontar diapositiva por diapositiva │ → Capa de imagen + capa de texto editable
│ Generar PPTX editable│ → Generar .pptx editable
└──────────────┘
Paso 1: Extracción de contenido y diseño de estilo
Objetivo
Leer y comprender a fondo el material fuente, extraer el contenido central; al mismo tiempo, generar cuatro vistas previas en miniatura de PPT con diferentes estilos para que el usuario elija.
Pasos de ejecución
- Leer el material fuente: Leer el PDF/documento proporcionado por el usuario. Para documentos largos, leer por partes y resumir los puntos clave.
- Extraer el esquema del contenido: Extraer los siguientes elementos del material:
- Antecedentes del autor, contexto de escritura
- Estructura del libro/texto completo
- Puntos principales, capítulos clave
- Casos típicos, frases clásicas
- Significado práctico y revelaciones de la lectura
- Obtener el estilo de referencia: Preguntar al usuario si tiene una imagen de plantilla PPT de referencia. Si la tiene, analizar la paleta de colores, tipografía y diseño de esa imagen.
- Generar cuatro vistas previas de estilo: Usar la capacidad de generación de imágenes de la IA para generar, según el Prompt 1 en
references/prompts.md, cuatro vistas previas en miniatura de PPT (similar a la vista de navegación de diapositivas). Las cuatro opciones deben tener la misma estructura de contenido, pero diferir en colores temáticos, diseño y estilo visual. - Pausa y espera de selección del usuario: Mostrar las cuatro vistas previas y pedir al usuario que seleccione una de ellas.
Notas de adaptación
- Codex (recomendado): Usar la capacidad de lectura de documentos para extraer contenido, luego llamar a la generación de imágenes (altamente recomendado GPT-Image 2.0) para generar las vistas previas. En el Prompt 1, "modelo de generación de imágenes image2" corresponde a GPT-Image 2.0.
- IA con capacidad nativa de generación de imágenes (como GPT): Enviar el PDF del material fuente + la imagen de estilo de referencia + el Prompt 1 directamente; la IA llamará a su modelo de imágenes para generar las vistas previas.
- IA que genera imágenes a través de herramientas externas (como Claude, WorkBuddy): Usar la capacidad de lectura de documentos para extraer contenido, luego llamar a la herramienta de generación de imágenes disponible para generar las vistas previas. En el Prompt 1, reemplazar "modelo de generación de imágenes image2" por la herramienta de generación de imágenes real que se utilice.
Paso 2: Generar el PPT completo en imagen
Objetivo
Según el estilo seleccionado por el usuario, generar diapositivas completas de PPT una por una y combinarlas en un archivo .pptx descargable.
Pasos de ejecución
- Confirmar la selección de estilo: Registrar el número de estilo seleccionado por el usuario en el Paso 1.
- Generar diapositivas una por una: Basándose en la plantilla de estilo seleccionada y el esquema de contenido extraído en el Paso 1, generar diapositivas de PPT una por una. Cada diapositiva debe resaltar una idea central, evitando grandes bloques de texto.
- Combinar en PPTX: Incrustar todas las imágenes de las diapositivas en orden en diapositivas de 16:9 para generar un archivo .pptx (usando un generador de PPT, un script de python-pptx o la capacidad de salida de archivos de la IA).
- Entregar el archivo: Proporcionar el archivo .pptx generado al usuario.
Notas de adaptación
- Codex (recomendado): Llamar a la generación de imágenes (altamente recomendado GPT-Image 2.0) en un bucle para dibujar diapositiva por diapositiva, luego usar un script de python-pptx para combinarlas en .pptx. En el Prompt 2, "imagen generada por image2" corresponde a GPT-Image 2.0.
- IA con capacidad nativa de generación de imágenes (como GPT): Enviar el Prompt 2 (ver
references/prompts.md); la IA generará las diapositivas una por una y las combinará automáticamente en pptx. - IA que genera imágenes mediante herramientas externas: Orquestar manualmente: primero llamar a la herramienta de generación de imágenes en un bucle para generar cada diapositiva, luego combinarlas usando un generador de PPT o un script de python-pptx. Ten en cuenta que algunas IA solo pueden llamar a una herramienta por conversación, por lo que puede ser necesario dividir el proceso en varias rondas para completar todas las diapositivas.
Consideraciones importantes
- Una sola llamada de generación de imágenes generalmente solo produce una imagen; para múltiples diapositivas, se necesita un bucle de llamadas.
- Orden de generación sugerido: Portada → Índice → Diapositivas de contenido → Diapositiva de resumen → Diapositiva de agradecimientos.
- Al generar cada diapositiva, el prompt debe incluir: la descripción del estilo seleccionado + los puntos de contenido específicos de esa diapositiva + el número de diapositiva.
Paso 3: Restaurar el PPT en imagen a PPTX editable
Objetivo
Convertir el PPT en imagen del Paso 2 (cada diapositiva es una imagen completa, no editable) en un archivo PPTX editable, conservando la calidad visual pero haciendo que el texto principal sea editable.
Pasos de ejecución
- Procesar diapositiva por diapositiva: Procesar cada diapositiva del PPT en imagen individualmente, manejando un máximo de 1-3 diapositivas a la vez para evitar una degradación en la separación de elementos.
- Identificar la estructura de la diapositiva: Analizar cada imagen de diapositiva y dividir el contenido en dos capas:
- Capa de activos visuales complejos: Logotipos de marca, personas, ilustraciones, gráficos 3D, fondos complejos, gráficos complejos, etc. → Recortar/extraer como imágenes de alta resolución e incrustarlas.
- Capa de información editable: Títulos, subtítulos, texto del cuerpo, frases destacadas, números clave, texto de cuadros de conclusión, números de diapositiva, etc. → Reconstruir usando cuadros de texto nativos de PPT.
- Restaurar el texto: Recrear el texto editable usando cuadros de texto nativos de PPT, emparejando la tipografía, jerarquía de tamaños, peso, color, interlineado, espaciado entre letras, alineación y posición de la imagen original. Si es necesario cubrir el texto de la imagen original, primero ocultarlo con un color de fondo o una máscara local antes de superponer el nuevo cuadro de texto para evitar sombras.
- Restaurar lo visual: Mantener la proporción del diseño, el centro visual, el orden de lectura, el ritmo de los espacios en blanco, los colores, el contraste y las relaciones de luz y sombra de la imagen original.
- Salida y comparación: Generar un PPTX editable en 16:9 y renderizar una vista previa para compararla con la imagen original. Si hay diferencias notables, continuar iterando y modificando.
- Explicación de la entrega: Al finalizar, explicar qué elementos se han restaurado como texto editable, cuáles permanecen como imágenes y si ha sido necesario reemplazar fuentes.
Instrucciones de restauración
Las instrucciones completas para la restauración diapositiva por diapositiva se encuentran en el Prompt 3 de references/prompts.md. Este prompt utiliza una estrategia de restauración híbrida de "fidelidad visual compleja + texto principal editable".
Notas de adaptación
- IA con capacidad nativa de descomposición de imágenes (como GPT): Subir el PPT en imagen + enviar el Prompt 3; la funcionalidad de imágenes de la IA puede descomponer y recombinar los elementos de las capas, generando directamente un PPTX editable.
- Codex (recomendado):
- Ver cada diapositiva en imagen, identificar el contenido del texto y la estructura de los elementos visuales.
- Usar una biblioteca de procesamiento de imágenes (como Pillow) para recortar las áreas visuales complejas como imágenes independientes.
- Usar python-pptx o pptxgenjs para construir el PPTX: colocar la imagen de fondo como base y superponer cuadros de texto nativos para el texto.
- Procesar diapositiva por diapositiva, manejando 1-3 a la vez.
- Combinar todas las diapositivas en el .pptx final.
- Otras IA (como Claude, WorkBuddy): Seguir la ruta de Codex descrita anteriormente, reemplazando las bibliotecas/herramientas específicas por las disponibles en el entorno actual.
Consideraciones clave
- Desmontar diapositiva por diapositiva: Procesar un máximo de 3 diapositivas a la vez; de lo contrario, la separación de elementos no será óptima.
- Evitar doble visualización: Si la imagen original ya contiene texto, primero se debe cubrir el texto original con un color de fondo antes de superponer un cuadro de texto; de lo contrario, se producirán sombras de texto.
- Reemplazo de fuentes: Cuando no se pueda identificar la fuente de la imagen original, usar Heiti/Source Han Sans/Microsoft YaHei para chino y la fuente sans-serif/serif más cercana para inglés.
- Texto pequeño en áreas visuales complejas: Si extraerlo por separado daña la calidad de la imagen, se puede conservar como imagen, pero debe indicarse en la explicación final.
Recursos
references/
prompts.md— Texto original de los tres prompts clave (Prompt 1: Extracción de contenido y diseño de estilo / Prompt 2: Generación de PPT en imagen / Prompt 3: Restauración a PPTX editable)
Sugerencias de mapeo de herramientas
Al ejecutar, selecciona la capacidad correspondiente según el entorno de IA actual:
| Capacidad genérica | Ejemplos de herramientas/habilidades disponibles |
|---|---|
| Lectura de documentos | Lector de PDF/documentos integrado, MarkItDown, cualquier capacidad de análisis de archivos |
| Generación de imágenes | Modelo de imágenes nativo (como GPT Image), Agnes, Midjourney, Jimeng, Tongyi Wanxiang, etc. |
| Construcción de PPTX | Salida de archivos nativa de la IA, python-pptx, pptxgenjs, complementos de WPS/Office |
Escenarios de aplicación
| Escenario | Descripción |
|---|---|
| Presentación en grupo en clase universitaria | Club de lectura, presentación de trabajos de curso |
| Reunión de equipo | Presentación de literatura, informe de avances de investigación |
| Presentación de proyecto | Resumen de proyecto, presentación de propuesta |
| Competición | Plan de negocio, presentación de proyecto |
| Club de lectura | Extracción y presentación de contenido de libros |