NanoBanana-PPT-Skills

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 Key
• KLING_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：

1. 封面：标题 + 核心主题
2. 要点 1：第一个核心观点
3. 要点 2：第二个核心观点
4. 要点 3：第三个核心观点
5. 总结：核心结论或行动建议

5-10 页版本：

1. 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
2. 总结与行动建议

10-15 页版本：

1. 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
2. 总结与下一步

20-25 页版本：

1. 封面
2. 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
3. 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：

1. 视觉分析：理解两张图片的布局、元素、色彩差异
2. 生成预览提示词：为首页创建可循环的微动效描述
3. 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：

1. 脚本所在目录 - ./ppt-generator/.env
2. 向上查找项目根目录 - 直到找到包含 .git 或 .env 的目录
3. Claude Skill 标准位置 - ~/.claude/skills/ppt-generator/.env
4. 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

1. 在 styles/ 目录创建新的 .md 文件
2. 按照现有风格格式编写
3. 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

1. 文档质量：输入文档内容越清晰结构化，生成的 PPT 质量越高
2. 页数选择：根据文档长度和演示场景合理选择页数
3. 分辨率选择：日常使用推荐 2K，重要展示场合可选 4K
4. 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
5. 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：

1. 收集输入（已提供内容）
2. 确认风格（矢量插画）
3. 确认页数（5 页）
4. 确认分辨率（询问用户）
5. 生成 slides_plan.json
6. 执行生成命令
7. 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：

1. 读取文档内容
2. 确认风格（渐变毛玻璃）
3. 确认页数（15 页）
4. 确认分辨率（询问用户）
5. 确认生成视频（是）
6. 分析文档，规划 15 页内容
7. 生成 slides_plan.json
8. 生成 PPT 图片
9. 生成转场视频
10. 合成完整视频
11. 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