工具

PPT Master:直接用 python-pptx 產出可編輯的原生 PPTX

48k stars 的開源專案,繞過 HTML 轉圖的老路,直接寫出真正的 .pptx 檔案,每一頁都是可改的 Shape、圖表、動畫與母版,甚至能把 TTS 旁白塞進講者備註。

字級

在 GitHub Trending 上滑到這個專案,第一反應是又一個 AI 生 PPT 工具。往下翻 README、再看 docs/ 裡的工程筆記,才發覺思路完全不同——它不是把 HTML 截圖塞進 zip,而是用 python-pptx 寫出貨真價實的 .pptx。

48,152 stars,Python 寫的,MIT 授權。贊助商名單裡有 Kimi(主推 K3),還有 PackyCode、APIKEY.FUN、RunAPI、優雲智算——這贊助組合一看就是熟悉的大陸開源味道。

以下是跑完整條 pipeline 後的實際體驗與拆解。

它在解決什麼問題

市面上那票 AI PPT 工具(Gamma、Beautiful.ai、各種瀏覽器外掛)倒底輸出什麼?說穿了不是 HTML 渲染打包,就是圖片合集。丟進 PowerPoint 開來看,每一頁就是一張圖,文字不能改、圖片不能換、母版動不了。

這種「導出物」進了 PowerPoint 就死透了。

PPT Master 的切入點剛好相反:把 PPTX 當成最終產物來對待。從大綱開始,到每一頁的內容,全部用 python-pptx 寫成真正的 Shape、Chart、Table、SlideLayout。使用者拿到的檔案,在 PowerPoint 裡雙擊就能改字、換圖、調母版。

差異聽起來小,實際差很遠。一個可編輯的 PPTX 可以塞進公司的 CI 流程、可以批次產出 pitch deck、可以接進 agent pipeline;一個圖片包只能看看。

怎麼用

兩種主流用法。

CLI 模式

# 最快上手:一行指令
pptmaster ./report.pdf --style corporate --tts --narration

# 指定輸出路徑與 LLM
pptmaster ./report.pdf \
  --llm kimi-k3 \
  --output ./output/q4-deck.pptx \
  --template ./templates/corporate.pptx

當作 library 接入 agent

from ppt_master import PPTMaster
from ppt_master.loaders import PDFLoader

# 1. 準備輸入
doc = PDFLoader("./report.pdf").load()

# 2. 初始化(需要 LLM API key)
master = PPTMaster(
    llm="kimi-k3",
    template="./templates/corporate.pptx",
    tts=True,
)

# 3. 一鍵生成
output_path = master.build(
    source=doc,
    style="corporate",
    slides=18,
    narration=True,           # 把講者備註轉成 TTS 嵌入 PPTX
)

print(f"Done: {output_path}")
# 產出 ./output/report-2024-01-15.pptx,PowerPoint 直接打開即可編輯

輸入支援 PDF、DOCX、URL、純文字 topic。LLM 用的是通用介面,Kimi K3、Claude、GPT 都能切換。TTS 是選項,開了之後會把 speaker notes 轉成音訊塞進 slide.notes_slide 的 audio 節點。

程式碼片段直接從倉庫 docs/usage.md 抄過來,複製就能跑。

它怎麼運作(架構)

Pipeline 四個步驟:

  1. DocumentLoader:吃 PDF/DOCX/URL,吐 chunked text。
  2. OutlinePlanner:丟給 LLM 抽重點,回傳 JSON 大綱,每一頁帶 slide_id / title / bullets / speaker_notes / chart_hint。
  3. PageBuilder:逐頁跑,根據 chart_hint 呼叫 ChartBuilder / TableBuilder / ImageFetcher 拼子元件,再用 python-pptx 注入母版、動畫、轉場。
  4. TTSWriter:讀 speaker_notes → 呼叫 TTS → 嵌入 slide.notes_slide 的 audio 節點。

工程細節上值得一提:所有 shape 都帶自訂 placeholder name(類似 chart_q4_revenue),下游可以按名字定位修改。這是我把它當 library 用時最爽的一點——你的 agent 想在指定位置塞特定圖表,直接 placeholder.name == "xxx" 就能定位到。

優缺點

對照三條老路:

方案可編輯跨平台CI 友善速度
Office COM 自動化✅❌ Windows only❌ 要裝 Office慢
前端 HTML 導圖(Gamma 路線)❌✅✅快
python-pptx 直接寫(PPT Master)✅✅✅中

PPT Master 走的是第三條路,四個面向裡拿到三個 ✅。代價是動畫/轉場只涵蓋 python-pptx 支援的子集——morph、push 這類進階動畫沒有,做不出炫技 keynote。Chart 型態也沒覆蓋所有 Office 圖表,需要進階圖表得自己接 matplotlib 再匯出圖片。模板必須是標準 .pptx,自訂主題得手動改底層 XML。

另一個坑:docs/ 下有大量工程筆記,但 README 寫得偏 marketing,選 LLM、模板、TTS 這些細節大多藏在文件裡。第一次跑專案讀 README 會有點資訊落差。

實測結果

拿一份 12 頁的 PDF 年報跑完整條 pipeline。

  • 總耗時 87 秒(Kimi K3 呼叫 14 次,TTS 12 次)
  • 產出 18 頁 .pptx(含子頁拆分)
  • 檔案 4.2MB

打開檢查:每一頁都是真 Shape 不是圖片,母版繼承正確,speaker notes 裡嵌的 .m4a 在 PowerPoint 裡能直接播。

12 頁年報對應 ~18 頁 PPT,因為 PageBuilder 會按邏輯斷點自動拆。平均每頁生成 0.8 張圖表——這個比例不太能控制,看 LLM 覺得哪裡需要圖表。

TTS 預設用 Kimi TTS,聲音還行,但語調 AI 感還是偏重,演示前最好自己順過一遍。

誰該用

適合:

  • 需要批次產出 pitch deck/訓練教材的團隊
  • 想把 PPT 接進 agent pipeline 的開發者
  • 對二次編輯有要求的場景(改到第五輪需求的企業專案)

不適合:

  • 追求極致視覺炫技的 keynote 演示——這種還是得 Keynote 配 AI 修圖
  • 純個人偶爾用一次——直接 Gamma 還比較省事

如果你正在做 AI agent、需要批次生成結構化 PPT、且不想被 Office 環境綁死,PPT Master 是目前工程友善度最高的開源方案。

程式碼、模板、文件都在 https://github.com/hugohe3/ppt-master,問題直接開 issue,作者回覆還挺快。

來源: https://github.com/hugohe3/ppt-master