pic-ppt は何をしますか?
画像生成を主とし、ユーザーから提供されたPPTの完成イメージを忠実に再構築します。デフォルトでは1枚の画像が1ページに対応し、.pptx ファイルを納品します。背景画像、各枠線、小さな画像、アイコンは個別の画像オブジェクトとして配置され、テキストはネイティブで編集可能なテキストボックスとして復元されます。画像は個別に移動、置換、拡大縮小が可能ですが、その内部の線が編集可能であることは保証しません。
中核となる取り決め
- ユーザーが指定した順序に従います:最初に背景画像、次に各枠線、続いて各小画像/アイコン、最後にテキストレイアウトと合成。作業開始時にテキストとその位置を認識することは可能ですが、先に背景画像を完成させてから前景素材を作成します。
- 元画像の構図、階層、色分布、要素の位置、テキスト内容、ページ比率を保持します。高精細な再描画により鮮明さとエッジ品質を向上させますが、独自の改版や装飾の追加は行いません。
- 一般的な長方形枠、角丸枠、テクノロジー風枠線、線画イラストなども同様に画像生成で再描画します。形状が単純だからといって、PPTネイティブ図形、SVG、またはプログラムによる描画で代用することはありません。
- 完成イメージ全体を最終的な背景画像として使用し、その上にテキストを重ねるだけの処理は行いません。背景画像は、独立して再構築される前景とテキストを真に除去し、二重像が発生しないようにしなければなりません。
- ページ全体を1枚の画像に再描画して完成品とすることはしません。また、すべての前景を1枚の透過画像に結合することもしません。各独立要素は、個別の画像オブジェクトに対応します。
- 既に明確な入力がある場合は、すぐに作業を開始し、アウトライン、スタイル、試作ページなどの確認工程は追加しません。内容の正確性に影響し、かつ入力から解決できない問題についてのみ明確化を求め、その他の自力で完了できる部分は作業を続行します。
ツールとファイル
- 現在の環境の
imagegenスキルと内蔵image_genツールを使用して、背景補完、切り抜き、高精細再描画を行います。ユーザーが他に利用可能な画像生成スキルを明示的に指定した場合は、その選択に従います。一般的な画像生成ガイドラインが単純な枠線にはベクターを推奨する場合でも、本タスクではユーザーの要求に従い画像生成を使用します。 - 当該ツールの定義を確認します。ローカル参照画像については、まず画像表示ツームで確認し、その後ツールがサポートする方法で実際の参照画像を渡します。プロンプトにローカルファイルパスを記述するだけでは、画像を渡したことになりません。
- 異なる素材は個別に生成し、確認します。透過枠線と切り抜いたアイコンについては、
transparent_background: trueを明示的に設定します。完全な背景画像は通常falseを使用します。複数の素材を生成することは、有料APIやCLIへの切り替えを許可することを意味しません。 - 画像生成に失敗した場合は、実際の問題に基づいて修正し再試行します。現在の方法が利用できない場合は、具体的な障害を説明します。こっそりPPT図形やページ全体のスクリーンショットで代用することはしません。その他のAPI/CLIへのフォールバックは、対応するツールの利用許諾ルールに従います。
- 実際のPPTレイアウトを開始する前に、現在の
presentationsスキルと、その実装に必要な説明を読み込みます。実行時の依存関係が必要な場合は、load_workspace_dependenciesを呼び出します。本スキルは再構築方法を規定するものであり、バージョンによって変化するレイアウトAPIをハードコードしません。 - 元画像は変更しません。中間素材と記録は作業ディレクトリに、最終PPTとプレビューは当該タスクの納品ディレクトリに配置します。選択した画像生成結果を作業ディレクトリに保存してからPPTに埋め込みます。一時的なリンクや外部リンクのみを保持することはできません。
0. 観察と分解
元画像を確認し、有効なスライド領域を特定します。スクリーンショット内のソフトウェアツールバーや余白は除外します。他にサイズの指定がない場合は、この領域の縦横比を保持し、デフォルトで16:9に強制しません。
内部要素リストを作成し、以下を記録します:要素番号、種類、元画像での座標枠、重なり順序、出力素材パス。テキストについては、原文、改行、フォントスタイル、推定フォントサイズ、配置、色、部分的な強調も記録します。座標はすべて、有効なスライド領域を基準とします。
以下の4つのカテゴリに分類します:
| カテゴリ | 処理方法 |
|---|---|
| ページ全体の背景色、背景テクスチャ、背景ライトフィールド | 1枚の文字なし背景画像に結合 |
| 独立した枠線、境界線、装飾線、装飾矢印 | 各独立要素を1枚の透過画像に |
| 小さなイラスト、写真、アイコン | 各独立要素を1枚の高精細画像に。必要に応じて切り抜き部分を透過 |
| タイトル、本文、枠内テキスト、図の注釈、識別可能なラベル | ネイティブで編集可能なテキストボックス |
画像にラベルが含まれている場合、識別可能なラベルはテキスト層として扱い、グラフィックを再描画する際にこれらのテキストを除去します。枠内テキストを枠線素材に焼き付けてはいけません。
1. 最初に背景画像を抽出
元画像を編集の参考として使用し、個別に再構築する必要のあるすべてのテキスト、枠線、小画像、アイコンを除去し、それらが隠していた背景を補完します。元の背景の色相、グラデーション方向、テクスチャスケール、明暗の領域、光源の位置を保持します。
隠されていた領域は、単一の画像から真に復元することは不可能であるため、周囲の背景から連続的に補完します。元の隠れていたレイヤーを抽出したと主張してはいけません。複雑なテクスチャを大きなベタ塗りで覆ったり、文字の輪郭、枠線の残像、前景の繰り返されるハロー効果を残したりしてはいけません。
背景画像の確認が完了してから、枠線の作業を開始します。画像生成プロンプトについては、references/asset-prompts.md を参照してください。
2. 個別に枠線を高精細に再描画
元画像内の各枠線を個別に特定して参照し、完全に独立した素材を1つ出力します。元の輪郭、切れ目、角、二重線の関係、比率、エッジ装飾、主要色を明確にします。そのオブジェクトのみを再描画し、テキストや周囲の要素は除去します。
重点的に制御する点:
- 光の均一性:同じ連続する線のセグメントで、明るさと線幅が安定しており、左右/上下の視覚的バランスが取れている。予期しない明るい点、局所的な露出オーバー、暗い途切れがない。元画像に明確に存在するグラデーションや重点的なハイライトは保持してもよい。
- 分布の均整:繰り返される目盛り、ノード、角部の詳細、マージンに規則性があり、元画像のデザインにおける対称性または非対称性の関係を保持する。非対称な構図を無理に対称に変更しない。
- ページへの統合:色相、ハロー効果の強度、シャープネスが背景画像と調和し、白い縁、黒い縁、ステッカー感を生じさせない。「高精細」にするために光の効果を拡大したり、蛍光色を追加したりしない。
- 真の透過:実際のアルファチャンネルを持つPNGとして保存し、枠の外側は透過させる。元画像で中空の内部も透過させ、元々半透明パネルで塗りつぶされていた部分は、適切な不透明度で保持する。ソフトな半透明のハロー効果は保持し、ハードエッジで切り取らない。
- ハロー効果のためのスペースを確保:生成キャンバスは、完全な外形輪郭と発光部分の外側の広がりをカバーし、画像の端で突然途切れないようにする。透過部分の余白は、可視フレームの位置決めの基準としては使用しない。
異なる枠線は個別に処理します。完全に同一で繰り返し出現する枠線は、既に確認済みの同じ素材を再利用できますが、PPT内では依然として複数の独立した画像オブジェクトとして配置されます。比率や装飾が異なる枠線は、それぞれ個別に生成し、同一画像を引き伸ばして形状を合わせることはしません。
3. 個別に小画像とアイコンを高精細に再描画
元画像内の小画像/アイコンをそれぞれ参照し、主体の同一性、輪郭、数量、方向、視点、色彩、相対的な詳細位置を保持し、最終的な配置サイズに適した鮮明さで再描画します。
- 孤立したアイコン/オブジェクトは透過PNGで出力します。完全な写真は、元画像が元々切り抜き画像でない限り、元の長方形の画角と背景を保持します。
- 矢印の方向、部品の数、接続関係など、意味のある構造は変更しません。識別可能なテキストを含む画像は、まずテキストを分離し、グラフィックとテキストをそれぞれ再構築します。
- 実際のデータ図、実験図、ブランドロゴについては、再描画によってデータ、証拠の詳細、ロゴの構造を変更してはいけません。忠実性が保証できない場合は、元の画像を保持し、その項目が例外であることを明確に記録します。生成された詳細を元の情報として偽装してはいけません。
- 実際の占有スペースに基づいて目標解像度を設定します。素材が最終プレビューサイズで拡大する必要がないようにすることを優先し、条件が許せば約2倍のピクセルを確保します。元画像を単に拡大するだけでは高精細再描画とはみなされず、ツールが提供しない解像度を4Kと称してはいけません。
各素材を対象の背景画像上で個別に効果を確認します。確認後、リスト上の元画像の位置に配置します。
4. 編集可能なテキストを復元
原文に従い、ブロックごとにネイティブテキストボックスを作成します。元画像のテキスト内容、階層、行順序、色分布を保持し、無断で推敲、文字削除、数字変更を行いません。OCRはあくまで初稿とし、元画像と照合して校正しなければなりません。
- タイトル、本文、図の注釈、数字、単位、枠線内のラベルはすべて、直接クリックして選択・編集できるようにします。
- 同じ行内で異なる色や太さの文字は、ネイティブのリッチテキストフラグメントを使用します。個別の配置が必要な場合は、複数のテキストボックスに分割してもかまいませんが、テキストをPNG、SVG、またはアウトラインに変換してはいけません。
- フォントは、可能な限り元のフォントを使用します。特定できないか不足している場合は、インストール済みの近似フォントを選択し、特にウェイト、字幅、行高を一致させるよう努めます。上付き文字、下付き文字、ギリシャ文字、化学式、数学記号を校正します。
- 元画像の対応位置で、フォントサイズ、行間、段落間隔、テキストボックス内の余白、配置を一致させます。自動縮小に頼って文字を間違ったサイズのボックスに詰め込んだり、大きなフォントサイズを追求して元のレイアウトを変更したりしてはいけません。
- 文字を含む画像に元の文字を残したまま、編集可能なテキストを重ねてはいけません。文字を除去した素材とテキストボックスを組み合わせた後、二重文字、残像、位置ずれがあってはいけません。
- どうしても判読できない文字に遭遇した場合は、他の部分を先に完了し、該当する断片についてのみ質問します。確からしいと思われる内容を推測してはいけません。ユーザーが先に納品するよう要求した場合は、未解決の文字を明記し、すべてのテキストが正確に再構築されたと主張してはいけません。
5. 組み立て、確認、納品
組み立て前および検収時に、references/layout-and-checks.md を読み込み、座標マッピング、透過マージン、ネイティブテキスト検証を処理します。
元画像の重なり順序に従って画像とテキストを配置します。通常は、背景画像、枠線/イラスト、テキストの順です。オブジェクトには明確な名前を付けます。例:BG_01、FRAME_01、ICON_01、TEXT_01。ページ全体をロックしてクリック選択できない大きなグループにしてはいけません。
PPTXをエクスポートした後、画像にレンダリングし、元画像と同じ比率でページ全体と部分を確認します。背景の残像、枠位置のずれ、ハロー効果、アイコンのスケール、誤字、行間、はみ出しを修正します。PNGの実際のアルファチャンネルとPPT内のネイティブテキストを確認します。「透過しているように見える」、または「テキストボックスがいくつか存在する」だけでは完了とはみなされません。
デフォルトでは、最終的な .pptx ファイルと1枚のレンダリングプレビューを納品します。テキストは編集可能、画像レイヤーは個別に移動、置換、拡大縮小が可能です。ユーザーから要求があった場合のみ、追加で素材パッケージや内部確認記録を納品します。使用に影響を与える実際の制限事項について簡潔に説明し、ピクセルレベルでの一致、全ベクター編集可能、または未使用のソフトウェアでの検証済みであると主張してはいけません。