Demerzels-lab PPT Generator Pro - Claude Code Skill
📋 元数据
- Skill 名称: ppt-generator-pro
- 版本: 2.0.0
- 描述: 基于 AI 自动生成高质量 PPT 图片和视频，支持智能转场和交互式播放
- 作者: 歸藏
- 标签: ppt, presentation, video, ai, nano-banana, kling-ai, image-generation
✨ 功能特性
核心功能
- 🤖 智能文档分析 - 自动提取核心要点，规划 PPT 内容结构
- 🎨 多风格支持 - 内置渐变毛玻璃、矢量插画两种专业风格
- 🖼️ 高质量图片 - 使用 Nano Banana Pro 生成 16:9 高清 PPT
- 🎬 AI 转场视频 - 可灵 AI 生成流畅的页面过渡动画
- 🎮 交互式播放器 - 视频+图片混合播放，支持键盘导航
- 🎥 完整视频导出 - FFmpeg 合成包含所有转场的完整 PPT 视频
新功能 (v2.0)
- 🔄 首页循环预览 - 自动生成吸引眼球的循环动画
- 🎞️ 智能转场 - 自动生成页面间的过渡视频
- 🔧 参数统一 - 自动统一所有视频分辨率和帧率
📦 系统要求
环境变量
必需：
GEMINI_API_KEY: Google AI API 密钥（用于生成 PPT 图片）
可选（用于视频功能）：
KLING_ACCESS_KEY: 可灵 AI Access KeyKLING_SECRET_KEY: 可灵 AI Secret Key
Python 依赖
pip install google-genai pillow python-dotenv
视频功能依赖
# macOS
brew install ffmpeg
# Ubuntu/Debian
sudo apt-get install ffmpeg
🚀 使用方法
在 Claude Code 中调用
/ppt-generator-pro
或直接告诉 Claude：
我想基于以下文档生成一个 5 页的 PPT，使用渐变毛玻璃风格。
[文档内容...]
📝 Skill 执行流程
阶段 1: 收集用户输入
1.1 获取文档内容
选项 A: 文档路径
用户: 基于 my-document.md 生成 PPT
→ 使用 Read 工具读取文件内容
选项 B: 直接文本
用户: 我想生成一个关于 AI 产品设计的 PPT
主要内容：
1. 现状分析
2. 设计原则
3. 案例研究
选项 C: 主动询问
如果用户未提供内容，询问：
"请提供文档路径或直接粘贴文档内容"
1.2 选择风格
扫描 styles/ 目录，列出可用风格：
# 自动检测风格文件
styles = ['gradient-glass.md', 'vector-illustration.md']
如果有多个风格，使用 AskUserQuestion：
问题: 请选择 PPT 风格
选项:
- 渐变毛玻璃卡片风格（科技感、商务演示）
- 矢量插画风格（温暖、教育培训）
1.3 选择页数范围
使用 AskUserQuestion 询问：
问题: 希望生成多少页 PPT？
选项:
- 5 页（5 分钟演讲）
- 5-10 页（10-15 分钟演讲）
- 10-15 页（20-30 分钟演讲）
- 20-25 页（45-60 分钟演讲）
1.4 选择分辨率
问题: 选择图片分辨率
选项:
- 2K (2752x1536) - 推荐，快速生成
- 4K (5504x3072) - 高质量，适合打印
1.5 是否生成视频（可选）
如果配置了可灵 AI 密钥，询问：
问题: 是否生成转场视频？
选项:
- 仅图片（快速）
- 图片 + 转场视频（完整体验）
阶段 2: 文档分析与内容规划
2.1 内容规划策略
根据页数范围，智能规划每一页内容：
5 页版本：
- 封面：标题 + 核心主题
- 要点 1：第一个核心观点
- 要点 2：第二个核心观点
- 要点 3：第三个核心观点
- 总结：核心结论或行动建议
5-10 页版本：
- 封面 2-3. 引言/背景 4-7. 核心内容（3-4 个关键观点） 8-9. 案例或数据支持
- 总结与行动建议
10-15 页版本：
- 封面 2-3. 引言/目录 4-6. 第一章节（3 页） 7-9. 第二章节（3 页） 10-12. 第三章节/案例研究 13-14. 数据可视化
- 总结与下一步
20-25 页版本：
- 封面
- 目录 3-4. 引言和背景 5-8. 第一部分（4 页） 9-12. 第二部分（4 页） 13-16. 第三部分（4 页） 17-19. 案例研究 20-22. 数据分析和洞察 23-24. 关键发现和建议
- 总结与致谢
2.2 生成 slides_plan.json
创建 JSON 文件：
{
"title": "文档标题",
"total_slides": 5,
"slides": [
{
"slide_number": 1,
"page_type": "cover",
"content": "标题：AI 产品设计指南\n副标题：构建以用户为中心的智能体验"
},
{
"slide_number": 2,
"page_type": "content",
"content": "核心原则\n- 简单直观\n- 快速响应\n- 透明可控"
},
{
"slide_number": 3,
"page_type": "content",
"content": "设计流程\n1. 用户研究\n2. 原型设计\n3. 测试迭代"
},
{
"slide_number": 4,
"page_type": "data",
"content": "用户满意度\n使用前：65%\n使用后：92%\n提升：+27%"
},
{
"slide_number": 5,
"page_type": "content",
"content": "总结\n- 以用户为中心\n- 持续优化迭代\n- 数据驱动决策"
}
]
}
重要： 将此文件保存到：
- 独立使用：
./slides_plan.json - Skill 模式：
.claude/skills/ppt-generator/slides_plan.json
阶段 3: 生成 PPT 图片
3.1 确定工作目录
独立模式：
cd /path/to/ppt-generator
Skill 模式：
cd ~/.claude/skills/ppt-generator
3.2 执行生成命令
python generate_ppt.py \
--plan slides_plan.json \
--style styles/gradient-glass.md \
--resolution 2K
或使用 uv run（推荐）：
uv run python generate_ppt.py \
--plan slides_plan.json \
--style styles/gradient-glass.md \
--resolution 2K
参数说明：
--plan: slides 规划 JSON 文件路径--style: 风格文件路径--resolution: 分辨率（2K 或 4K）--template: HTML 模板路径（可选）
3.3 监控生成进度
脚本会输出进度信息：
✅ 已加载环境变量: /path/to/.env
📊 开始生成 PPT 图片...
总页数: 5
分辨率: 2K (2752x1536)
风格: 渐变毛玻璃卡片风格
🎨 生成第 1 页 (封面页)...
提示词已生成
调用 Nano Banana Pro API...
✅ 第 1 页生成成功 (32.5 秒)
🎨 生成第 2 页 (内容页)...
✅ 第 2 页生成成功 (28.3 秒)
...
✅ 所有页面生成完成！
📁 输出目录: outputs/20260112_143022/
阶段 4: 生成转场提示词（视频模式需要）
这是 Skill 的核心优势：我（Claude Code）会分析生成的 PPT 图片，为每个转场生成精准的视频提示词。
4.1 读取并分析 PPT 图片
我会读取所有生成的图片：
# 自动读取输出目录中的所有图片
slides = ['slide-01.png', 'slide-02.png', ...]
4.2 分析图片差异并生成提示词
对于每对相邻图片，我会：
- 视觉分析：理解两张图片的布局、元素、色彩差异
- 生成预览提示词：为首页创建可循环的微动效描述
- 生成转场提示词：详细描述如何从起始帧过渡到结束帧
示例输出：
{
"preview": {
"slide_path": "outputs/.../slide-01.png",
"prompt": "画面保持封面的静态构图，中心的3D玻璃环缓慢旋转..."
},
"transitions": [
{
"from_slide": 1,
"to_slide": 2,
"prompt": "镜头从封面开始，玻璃环逐渐解构，分裂成透明碎片..."
}
]
}
4.3 保存提示词文件
我会将生成的提示词保存到：
outputs/TIMESTAMP/transition_prompts.json
关键优势：
- ✅ 不需要单独的 Claude API 密钥
- ✅ 提示词针对实际图片内容定制
- ✅ 考虑文字稳定性，避免视频模型弄模糊文字
- ✅ 符合渐变毛玻璃风格的视觉语言
阶段 5: 生成转场视频（可选）
如果用户选择生成视频，使用阶段 4 生成的提示词文件：
python generate_ppt_video.py \
--slides-dir outputs/20260112_143022/images \
--output-dir outputs/20260112_143022_video \
--prompts-file outputs/20260112_143022/transition_prompts.json
生成内容：
- 首页循环预览视频（
preview.mp4） - 页面间转场视频（
transition_01_to_02.mp4等） - 交互式视频播放器（
video_index.html） - 完整视频（
full_ppt_video.mp4）
阶段 6: 返回结果
6.1 仅图片模式
✅ PPT 生成成功！
📁 输出目录: outputs/20260112_143022/
🖼️ PPT 图片: outputs/20260112_143022/images/
🎬 播放网页: outputs/20260112_143022/index.html
打开播放网页:
open outputs/20260112_143022/index.html
播放器快捷键:
- ← → 键: 切换页面
- ↑ Home: 回到首页
- ↓ End: 跳到末页
- 空格: 暂停/继续自动播放
- ESC: 全屏切换
- H: 隐藏/显示控件
5.2 视频模式
✅ PPT 视频生成成功！
📁 输出目录: outputs/20260112_143022_video/
🖼️ PPT 图片: outputs/20260112_143022/images/
🎬 转场视频: outputs/20260112_143022_video/videos/
🎮 交互式播放器: outputs/20260112_143022_video/video_index.html
🎥 完整视频: outputs/20260112_143022_video/full_ppt_video.mp4
打开交互式播放器:
open outputs/20260112_143022_video/video_index.html
播放逻辑:
1. 首页: 播放循环预览视频
2. 按右键 → 播放转场视频 → 显示目标页图片（2 秒）
3. 再按右键 → 播放下一个转场 → 显示下一页图片
4. 依此类推...
视频播放器快捷键:
- ← → 键: 上一页/下一页（含转场）
- 空格: 播放/暂停当前视频
- ESC: 全屏切换
- H: 隐藏/显示控件
🔧 环境变量配置
.env 文件位置
Skill 会按以下顺序查找 .env 文件：
- 脚本所在目录 -
./ppt-generator/.env - 向上查找项目根目录 - 直到找到包含
.git或.env的目录 - Claude Skill 标准位置 -
~/.claude/skills/ppt-generator/.env - 系统环境变量 - 如果以上都未找到
.env 文件示例
# Google AI API 密钥（必需）
GEMINI_API_KEY=your_gemini_api_key_here
# 可灵 AI API 密钥（可选，用于视频功能）
KLING_ACCESS_KEY=your_kling_access_key_here
KLING_SECRET_KEY=your_kling_secret_key_here
⚠️ 错误处理
常见错误及解决方案
1. API 密钥未设置
错误: ⚠️ 未找到 .env 文件，尝试使用系统环境变量
未设置 GEMINI_API_KEY 环境变量
解决:
1. 创建 .env 文件
2. 添加 GEMINI_API_KEY=your_key_here
2. Python 依赖缺失
错误: ModuleNotFoundError: No module named 'google.genai'
解决: pip install google-genai pillow python-dotenv
3. FFmpeg 未安装
错误: ❌ FFmpeg 不可用！
解决: brew install ffmpeg # macOS
sudo apt-get install ffmpeg # Ubuntu
4. API 调用失败
错误: API 调用超时或失败
解决:
1. 检查网络连接
2. 确认 API 密钥有效
3. 稍后重试
5. 视频生成失败
错误: 可灵 AI 密钥未配置
解决:
1. 如果只需要图片，跳过视频生成步骤
2. 如果需要视频，配置 KLING_ACCESS_KEY 和 KLING_SECRET_KEY
🎨 风格系统
已内置风格
1. 渐变毛玻璃卡片风格 (gradient-glass.md)
视觉特点：
- Apple Keynote 极简主义
- 玻璃拟态效果
- 霓虹紫/电光蓝/珊瑚橙渐变
- 3D 玻璃物体 + 电影级光照
适用场景：
- 科技产品发布
- 商务演示
- 数据报告
- 企业品牌展示
2. 矢量插画风格 (vector-illustration.md)
视觉特点：
- 扁平化矢量设计
- 统一黑色轮廓线
- 复古柔和配色
- 几何化简化
适用场景：
- 教育培训
- 创意提案
- 儿童相关
- 温暖品牌故事
添加自定义风格
- 在
styles/目录创建新的.md文件 - 按照现有风格格式编写
- Skill 会自动识别并提供选择
📊 技术细节
API 配置
Nano Banana Pro（图片生成）：
- 模型：
gemini-3-pro-image-preview - 比例：
16:9 - 响应模式：
IMAGE - 分辨率：2K (2752x1536) 或 4K (5504x3072)
可灵 AI（视频生成）：
- 模式：专业模式（professional）
- 时长：5 秒
- 分辨率：1920x1080
- 帧率：24fps
FFmpeg（视频合成）：
- 编码：H.264
- 质量：CRF 23
- 帧率：24fps（统一）
- 分辨率：1920x1080（统一）
性能指标
生成速度：
- PPT 图片：~30 秒/页（2K）| ~60 秒/页（4K）
- 转场视频：~30-60 秒/段
- 视频合成：~5-10 秒
文件大小：
- PPT 图片：~2.5MB/页（2K）| ~8MB/页（4K）
- 转场视频：~3-5MB/段（1080p，5 秒）
- 完整视频：~12-20MB（5 页 PPT + 转场）
📁 文件组织
输出目录结构
仅图片模式：
outputs/20260112_143022/
├── images/
│ ├── slide-01.png
│ ├── slide-02.png
│ └── ...
├── index.html # 图片播放器
└── prompts.json # 提示词记录
视频模式：
outputs/20260112_143022_video/
├── videos/
│ ├── preview.mp4 # 首页循环预览
│ ├── transition_01_to_02.mp4
│ ├── transition_02_to_03.mp4
│ └── ...
├── video_index.html # 交互式播放器
└── full_ppt_video.mp4 # 完整视频
🎯 最佳实践
- 文档质量：输入文档内容越清晰结构化，生成的 PPT 质量越高
- 页数选择：根据文档长度和演示场景合理选择页数
- 分辨率选择：日常使用推荐 2K，重要展示场合可选 4K
- 视频功能：首次使用建议先尝试仅图片模式，熟悉后再使用视频功能
- 提示词调整：查看
prompts.json了解生成逻辑，可手动调整后重新生成
📝 使用示例
示例 1: 快速生成
用户输入：
我需要基于这份会议纪要生成一个 5 页的 PPT，使用矢量插画风格。
会议主题：Q1 产品路线图规划
参与人：产品团队
讨论内容：
1. 用户反馈汇总
2. 新功能优先级
3. 技术可行性评估
4. Q1 里程碑
5. 下一步行动项
Skill 执行：
- 收集输入（已提供内容）
- 确认风格（矢量插画）
- 确认页数（5 页）
- 确认分辨率（询问用户）
- 生成 slides_plan.json
- 执行生成命令
- 返回结果
示例 2: 完整流程
用户输入：
基于 AI-Product-Design.md 文档，生成一个 15 页的 PPT，使用渐变毛玻璃风格，需要转场视频。
Skill 执行：
- 读取文档内容
- 确认风格（渐变毛玻璃）
- 确认页数（15 页）
- 确认分辨率（询问用户）
- 确认生成视频（是）
- 分析文档，规划 15 页内容
- 生成 slides_plan.json
- 生成 PPT 图片
- 生成转场视频
- 合成完整视频
- 返回所有结果
🔄 更新日志
v2.0.0 (2026-01-12)
- 🎬 新增视频功能
- 可灵 AI 转场视频生成
- 交互式视频播放器
- FFmpeg 完整视频合成
- 首页循环预览视频
- 🔧 优化视频合成
- 自动统一分辨率和帧率
- 修复视频拼接兼容性问题
- 静态图片展示时间改为 2 秒
- 🔑 改进环境变量
- 智能查找 .env 文件
- 支持多种部署模式
- 自动向上查找项目根目录
- 📚 文档完善
- 重命名为 SKILL.md（符合官方规范）
- 更新所有路径和命令
- 添加视频功能使用指南
v1.0.0 (2026-01-09)
- ✨ 首次发布
- 🎨 内置 2 种专业风格
- 🖼️ 支持 2K/4K 分辨率
- 🎬 HTML5 图片播放器
- 📊 智能文档分析
📄 许可证
MIT License
📞 技术支持
- 项目架构：参见
ARCHITECTURE.md - API 管理：参见
API_MANAGEMENT.md - 环境配置：参见
ENV_SETUP.md - 安全说明：参见
SECURITY.md - 完整文档：参见
README.md