画像PPT — テキスト資料を編集可能PPTに変換するワークフロー（汎用メソッド論）
概要
本スキルは、書籍PDF、論文、レポートなどのテキスト資料を美しく編集可能なPowerPointプレゼンテーションに変換する完全な3ステップワークフローを提供します。ワークフローは「小黑盒」コミュニティチュートリアル（作者：プレイヤー22186848）に由来し、B站のUP主「一往无前河井」の学術PPT作成アイデアを参考に、授業発表、読書共有会、グループミーティング、プロジェクト報告、競技プレゼンテーションなど様々なシナリオに一般化されています。
推奨実行環境：Codex + GPT-Image 2.0。 Codexが文書読み取り、ワークフローオーケストレーション、PPTXアセンブリ/復元（shell + python-pptxで一貫処理）を担当。GPT-Image 2.0がスタイル統一され、文字が正確なPPTページを描画します。Step 1/2のプロンプト中「image2画像生成モデル」は、Codex環境では GPT-Image 2.0、GPT/ChatGPT環境ではそのネイティブ画像モデル、その他の環境では実際に使用する画像生成ツールに置き換えます。
プラットフォーム非依存：このメソッド論の核は3つのプロンプトと3ステップのワークフローであり、ドキュメント読み取り、画像生成、ファイル出力機能を備えたあらゆるAIアシスタント（Codex、ChatGPT/GPT、Claude、Kimi、豆包、WorkBuddy、通義など）で使用可能です。実行時には、文中で示された汎用能力を現在使用しているAIツールにマッピングするだけです。
3つの核プロンプトは references/prompts.md に格納されており、ステップごとに参照します。
ワークフロー決定木
ユーザーがテキスト資料を入力（PDF / 書籍 / 論文 / レポート / プレーンテキスト）
│
▼
┌──────────────┐
│ Step 1 │ 内容抽出 + デザインスタイル
│ 資料を読み解く│ → 核となる内容を抽出
│ 4セットプレビュー生成│ → 4セットのスタイルプレビュー画像を生成
└──────┬───────┘
│ ユーザーが1つのスタイルを選択
▼
┌──────────────┐
│ Step 2 │ 画像版PPT生成
│ ページごとに画像生成 │ → 選択したスタイルでページごとに生成
│ PPTXに結合 │ → ダウンロード可能な .pptx に結合
└──────┬───────┘
│ 画像版PPTを取得（編集不可）
▼
┌──────────────┐
│ Step 3 │ 編集可能化復元
│ ページごとに分解復元 │ → 画像レイヤー + 編集可能テキストレイヤー
│ 編集可能PPTXを出力│ → 編集可能な .pptx を出力
└──────────────┘
Step 1: 内容抽出とスタイルデザイン
目標
ソース資料を深く読み込み理解し、核となる内容を抽出。同時に、異なるスタイルのPPTサムネイルプレビュー画像を4セット生成し、ユーザーに選択させます。
実行手順
- ソース資料を読み取る：ユーザーが提供するPDF/ドキュメントを読み取ります。長文ドキュメントは分割して読み取り、要点をまとめます。
- 内容アウトラインを抽出する：資料から以下の要素を抽出します。
- 著者の背景、執筆の背景
- 書籍全体/全文の構造
- 主要な見解、重要な章
- 典型的な事例、代表的な引用
- 現実的な意義と読後の気づき
- 参考スタイルを取得する：ユーザーに参考PPTテンプレート画像があるか尋ねます。ある場合、その画像の配色、フォント、レイアウトスタイルを分析します。
- 4セットのスタイルプレビューを生成する：AIの画像生成能力を使用し、
references/prompts.mdの Prompt 1 に従って、異なるスタイルのPPTサムネイルプレビュー画像を4セット生成します（スライドショー閲覧レイアウトに類似）。4セットの内容構成は同じですが、テーマカラー、レイアウト方法、ビジュアルスタイルは異なる必要があります。 - ユーザーの選択を待つ：4セットのプレビュー画像を表示し、ユーザーに1セット選択させます。
適応説明
- Codex（推奨）：文書読み取り能力で内容を抽出し、画像生成（強く推奨：GPT-Image 2.0）を呼び出してプレビュー画像を生成します。Prompt 1の「image2画像生成モデル」はGPT-Image 2.0に対応します。
- ネイティブ画像生成能力を持つAI（例：GPT）：ソース資料PDF + 参考スタイル画像 + Prompt 1を一緒に送信すると、AIがその画像モデルを呼び出してプレビューを生成します。
- 外部ツールで画像生成するAI（例：Claude、WorkBuddy）：まず文書読み取り能力で内容を抽出し、次に利用可能な画像生成ツールを呼び出してプレビュー画像を生成します。Prompt 1の「image2画像生成モデル」は実際に使用する画像生成ツールに置き換えます。
Step 2: 完全な画像版PPTを生成
目標
ユーザーが選択したスタイルテンプレートに従い、ページごとに完全なPPTページ画像を生成し、ダウンロード可能な .pptx ファイルに結合します。
実行手順
- スタイル選択を確認する：Step 1でユーザーが選択したスタイル番号を記録します。
- ページごとに画像を生成する：選択されたスタイルテンプレートとStep 1で抽出した内容アウトラインに基づき、ページごとにPPTページ画像を生成します。各ページは1つの核となる見解を強調し、長文のテキストを詰め込みすぎないようにします。
- PPTXに結合する：すべてのページ画像を順番に16:9スライドに埋め込み、.pptx ファイルを生成します（PPT生成ツール、python-pptxスクリプト、またはAIのファイル出力能力を利用）。
- ファイルを納品する：生成された .pptx ファイルをユーザーに納品します。
適応説明
- Codex（推奨）：画像生成（強く推奨：GPT-Image 2.0）をループで呼び出してページごとに描画し、python-pptxスクリプトで .pptx に結合します。Prompt 2の「image2画像生成画像」はGPT-Image 2.0に対応します。
- ネイティブ画像生成能力を持つAI（例：GPT）：Prompt 2（
references/prompts.md参照）を送信すると、AIがページごとに生成し、自動的にpptxに結合します。 - 外部ツールで画像生成するAI：手動でオーケストレーションします。まず画像生成ツールをループで呼び出して各ページ画像を生成し、次にPPT生成ツールまたはpython-pptxスクリプトで結合します。一部のAIは1回の会話で1回しかツールを呼び出せないため、複数ラウンドに分けて全ページ生成を完了する必要があることに注意してください。
注意事項
- 1回の画像生成呼び出しでは通常1枚の画像しか生成されないため、複数ページのPPTではループ呼び出しが必要です。
- 生成順序の推奨：表紙 → 目次 → 各コンテンツページ → まとめページ → 謝辞ページ。
- 各ページ生成時にはプロンプトに以下を含めます：選択したスタイル説明 + そのページの具体的な内容の要点 + ページ番号情報。
Step 3: 画像版PPTを編集可能PPTXに復元
目標
Step 2で生成された画像版PPT（各ページが1枚の画像であり、編集不可）を編集可能なPPTXファイルに復元し、視覚的な質感を維持しつつ主要なテキストを編集可能にします。
実行手順
- ページごとに処理する：画像版PPTの各ページを個別に処理し、一度に最大1-3ページまで処理します。分割効果が低下するのを防ぎます。
- ページ構造を識別する：各ページの画像を分析し、内容を2つの階層に分割します。
- 複雑なビジュアルアセット層：ブランドロゴ、人物、イラスト、3D図、複雑な背景、複雑な図表など → 切り抜き/抽出して高解像度画像として埋め込む
- 編集可能な情報層：タイトル、サブタイトル、本文、キーフレーズ、重要な数字、結論ボックスのテキスト、ページ番号など → PPTネイティブテキストボックスで再構築
- テキスト復元：編集可能なテキストをPPTネイティブテキストボックスで再作成し、元の画像のフォントの雰囲気、フォントサイズ階層、フォントウェイト、色、行間、字間、配置方法、位置を一致させます。元の画像のテキストを覆う必要がある場合は、まず背景色または部分的なマスクで元のテキストを隠し、その上に新しいテキストボックスを重ねてゴーストを防止します。
- ビジュアル復元：元の画像のレイアウト比率、ビジュアルの重心、読み取り順序、余白のリズム、色、コントラスト、明暗関係を維持します。
- 出力と比較：16:9の編集可能PPTXを出力し、同時にプレビュー画像を元の画像と比較します。明らかな差がある場合は、繰り返し修正を続けます。
- 納品説明：完了後、どの要素が編集可能なテキストとして復元され、どれが画像として保持されたか、フォント代替があるかを説明します。
復元指示
完全なページごとの復元プロンプトは references/prompts.md の Prompt 3 にあります。このプロンプトは「複雑なビジュアルの忠実性 + 主要テキスト編集可能」の混合復元戦略を採用しています。
適応説明
- ネイティブ画像分解能力を持つAI（例：GPT）：画像版PPTをアップロードし、Prompt 3を送信すると、AIの画像機能がレイヤー要素を分解・結合し、直接編集可能PPTXを出力します。
- Codex（推奨）：
- 各ページの画像を確認し、テキスト内容とビジュアル要素の構造を識別
- 画像処理ライブラリ（例：Pillow）を使用して複雑なビジュアル領域を個別の画像に切り抜き
- python-pptxまたはpptxgenjsを使用してPPTXを構築：背景画像をベースに配置し、その上にネイティブテキストボックスでテキストを重ねる
- ページごとに処理し、一度に1-3ページ
- すべてのページを結合して最終的な .pptx にする
- 他のAI（例：Claude、WorkBuddy）：上記のCodexパスに従い、具体的なライブラリ/ツールを現在の環境で使用可能なものに置き換えます。
重要な注意事項
- 1ページずつ分解：一度に最大3ページまで処理します。それ以上だと要素の分割効果が不十分です。
- 二重表示を避ける：元の画像にすでにテキストが含まれている場合は、必ず背景色で元のテキストを覆ってからテキストボックスを重ねてください。そうしないとテキストのゴーストが発生します。
- フォント代替：元の画像のフォントが識別できない場合、中国語は黒体/思源黒体/微軟雅黒、英語は最も近いサンセリフ/セリフフォントを選択します。
- 複雑なビジュアル領域内の小さな文字：個別に切り抜くと画面の質感を損なう可能性がある場合、画像として保持しますが、最終的な説明でその旨を明記する必要があります。
リソース
references/
prompts.md— 3つの核プロンプト原文（Prompt 1: 内容抽出とスタイルデザイン / Prompt 2: 画像版PPT生成 / Prompt 3: 編集可能PPTX復元）
ツールマッピング推奨
実行時は現在のAI環境に応じて対応する能力を選択します。
| 汎用能力 | 利用可能なツール/スキル例 |
|---|---|
| 文書読み取り | 組み込みPDF/文書読み取り、MarkItDown、あらゆるファイル解析能力 |
| 画像生成 | ネイティブ画像モデル（例：GPT Image）、Agnes、Midjourney、即夢、通義万相など |
| PPTX構築 | AIのファイル出力能力、python-pptx、pptxgenjs、WPS/Officeプラグイン |
適用シナリオ
| シナリオ | 説明 |
|---|---|
| 大学の授業グループ発表 | 読書共有、コース課題発表 |
| グループミーティング発表 | 文献報告、研究進捗報告 |
| プロジェクト報告 | プロジェクト総括、企画発表 |
| 競技プレゼンテーション | ビジネスプラン、プロジェクトピッチ |
| 読書共有会 | 書籍内容の抽出と共有 |