其实年初就用 Gemini做过一个幻灯抽离小应用，当时是通过裁剪和透视变换去掉杂边，虽然看着稍微好点，但解决不了原图严重的拍摄感，毫无美感可言。

直到最近参加讲座坐在后排拍照时，突然想起来其实可以用GPT Image 2 干这件事。

实测发现效果真的无敌棒！

无论背景多杂乱、有多少人脑袋、角度有多偏，只要照片里看得清原始PPT内容，都能板板正正的重绘出来。

理论上以后不管参加什么大会，搞不到原始PPT没关系，位置坐的偏也没问题。

只要关键内容还拍得到，大多数现场 PPT 都能还原得八九不离十。

出来吧，藏在照片里的 PPT！

找了几张常见的观众视角照片，斜的、缺的、挡的、糊的、视频截的，高矮胖瘦各不同。

都只给一张照片，不给任何原始文件。

1号选手在左后侧斜着拍，画面大半都是背景墙和前排观众，PPT 缩在角落里成了个梯形，拉正了。

2号选手在前排右侧，离屏幕太近，右边一整条没拍进去，缺的那块也照着画面逻辑补上了。

3号选手位置很正，就是前面人太多，下面小半张全是人头和手机，被挡住的部分重新画了出来。

4号选手选手离得太远，满屏噪点，降噪之后连小字都能看清。

5号选手是个视频截图，本身就糊，还站着个演讲者（这个是提示词之神李继刚参加AIFUT大会的演讲现场），人抠掉，画质拉了回来。

总之，photo2slide 适用场景很广，但凡画面里有 PPT 都能揪出来。

当然它也有适用边界，如果原图缺的内容越多，补出来的东西越靠猜，屏幕只拍到一半那种就别指望了。

Skill用法说明

skill的github开源地址链接如下：

https://github.com/giszzt/zzt-skill/tree/main/photo2slide

目前最好用在 Codex

因为搭配GPT Image 2效果最好，目前Skill主要针对Codex做了适配，会调用Codex内置的 Image Gen完成PPT抽取。

如果你用其他Agent或者生图模型，需要改造一下接第三方API，Skill本身并不复杂，核心是那段内容抽取提示词。

如果只是简单几页内容，也可以在ChatGPT聊天窗口输入提示词快速转换，效率更高。

用起来就一句话

把需要处理的原素材发给Codex，跟它说“帮我提取PPT”。

输入可以是零散照片，也可以是你已经拼好的 PDF、Word、PPT 或压缩包，它会先把里面的原图逐张取出来再处理，顺序跟着原文件走。

默认输出逐页高清 PNG，需要 PDF 或 PPTX 就直接说，它会在图片全部完成后再合成。

注意成品是图片页，不是可编辑的 PPT。

需要转可编辑的话可以用FigEdit之类的图片转可编辑Skill处理。

最后附一下整个skill的灵魂，PPT抽取提示词：

请根据上传的现场拍摄照片，识别并重建其中真正的PPT幻灯片页面，输出一张正面、完整、清晰的标准幻灯片图片。【范围识别】不要把整个投影幕布、LED大屏或电子屏当作PPT。照片中可能同时包含会场背景、会议标题、宣传标语、Logo、装饰图案、字幕、演讲人实时影像以及嵌入其中的PPT页面。请先区分“显示屏整体画面”和“真正的PPT窗口”，最终只保留具有完整标题、正文、图表、页边距和统一排版结构的独立幻灯片区域。判断某个元素是否保留，依据它是否属于幻灯片页面本身，而不是依据它能否被识别或理解；幻灯片内部原有的Logo、符号、公式、人物画面、字幕和装饰必须保留。不要按照最大、最亮或最像屏幕的矩形取图。应根据独立页面边界、统一背景、排版网格、文字层级和页码等特征判断PPT范围。宁可选取较小但边界明确的页面，也不要把外围会议包装、人物视频或装饰区域纳入。【页面重建】根据真实PPT页面的四个边界进行透视校正，修复侧拍、俯拍、倾斜、旋转和梯形变形，将其恢复为正面矩形页面。优先保持原始比例，无法判断时采用16:9。移除幻灯片页面边界以外的观众、演讲者、设备、阴影和会场环境，并对真正被遮挡或截断的部分保守补全。页面内可见但语义无法辨认的文字、数字、公式、符号、字形或装饰，应按原照片中的可见外观保留，不得因为无法识别而删除、留白、替换或擅自解释；只有原照片中不可见的内容不得凭空编造。准确还原标题、正文、表格、图表、流程、图标、页码及其位置、大小、颜色、对齐和层级。不得改写、总结、美化或重新设计原页面。同时去除会场环境、屏幕外框、舞台背景、投影纹理、LED像素、摩尔纹、反光、色偏、模糊和曝光不均。【输出要求】最终图片只能包含真正的PPT页面，不得包含页面边界以外的电子屏外围背景、会场标题、人物和装饰包装。若顶部标题、人物画面、字幕、符号或装饰位于幻灯片页面内部，则必须原样保留。页面应边缘完整、正面平整、文字清晰，效果如直接从原始PPT中导出的高清截图。

以上，既然都看到这里了，如果觉得还有点意思，随手点个赞、在看、转发三连吧。想第一时间收到后续更新，也可以顺手给我个星标⭐。

谢谢你看到这里，我们下篇再见。