Skip to content

AI turns documents or topics into real, native PowerPoint decks—with native shapes, transitions and animations, data-backed charts and tables on demand, audio narration from speaker notes, and support for your own .pptx templates. · by Hugo He

21.3 KB
Raw Blame

路线图

English | 中文


PPT Master 是一个由个人维护的开源项目,按优先级而非固定时间表推进。这份路线图用来对齐预期:项目往哪个方向走、当下在做什么、哪些事等真实需求出现再做、哪些明确不做。优先级会随用户反馈和真实使用信号调整——不承诺交付时间窗口。


方向

项目的主轴是原生深度:逐版本创作或保留更多 PowerPoint 自身的对象模型、行为与可复用结构——持续向 PowerPoint 本身靠拢。完整论述见项目定位章程;PowerPoint ↔ SVG 映射指南逐特性诚实记录当前边界。

这条主轴今天体现为三条显式产物路线:Generate PPTX 通过受约束的 SVG → DrawingML 创作全新设计的页面;Create Template 产出可复用的 Brand / Style / Layout / Deck 模板工作区;Edit Native PPTX 把既有 deck 导入保留来源的 round-trip 工作区,只编辑计划中的页面或叠加内容。


能力覆盖地图

一份演示文稿由四层构成:页面上有什么、如何组织、如何行动、文档自身如何结构化。下面的表把每一层与 PPT Master 今天的实现对应起来。

这是地图,不是待办清单。「有意边界」与「有意的不对称」是已定形态而非未完成的格子——那里的空白是决定,不是欠账。「暂不考虑」的行会在该行内写明为什么现在不做。只有「信号驱动」的行偏开放,其理由留在下面的未来方向一节,不在此重复。真正被论证过的立场放在明确不做;这张地图只描述,不做裁决。

状态 含义
系统化 有专属创作契约;适用且客观可判定的部分配有校验把关,持续打磨中
已覆盖 今天可用,但没有专门的规范体系
有意边界 有意停在这里,理由已记录在案
有意的不对称 只支持单侧——通常是读取或保留来源 deck,而不创作
信号驱动 真实需求出现时值得做,不构成承诺
暂不考虑 当前不在考虑范围,理由写在该行内

第一层 — 可见对象

对象 状态 说明
文字 系统化 全 deck 字号角色锚点、逐处受限微调、层级与段落规则、原生可编辑文本
原生 WordArt 与文字变形 暂不考虑 艺术字首选 AI 生成的装饰文字图片,普通可编辑文字负责兜底。原生 WordArt、文字变形与路径文字会额外引入一套创作和兼容性表面,却不能改善这条主路径,因此不生成
矢量形状 系统化 primitive / Office preset 原子 → 独立组合 → 仅在单一轮廓需要时使用 Boolean → 必要 freeform 构造阶梯,附原生转换规范
线条 / 连接符 有意的不对称 原生 p:cxnSp 导出已实现,端点绑定在来源 deck 的 preserve/mirror 往返路径上会被还原。新创作的连接符保持不连接。要绑定就得先判断哪些线是真实的边、哪些是装饰——这是意图判断,任何几何阈值都定不下来;而无论把这个判断放在导出期还是创作期,做判断的都是 AI,往上游挪并不会更可靠。结果只会是同一张图里有的箭头跟着节点走、有的不走
图标 系统化 内置 SVG 图标库 + 逐项目同步;项目图标属于已准备材料。插图式语义提示仍是 images/ 下用于普通图片构图的生成切片,不进入图标库
Logo 有意边界 Logo 永远来自既有素材,不在这里设计:brand 工作区把官方提供的文件安装为已准备资产——内置品牌预设附带官方标识及记录在案的使用规则——真实公司 / 产品标识另有 simple-icons 图标库覆盖
图片 系统化 获取、生成、处理、裁切、布局、组合、嵌入与来源标注
图表 系统化 有专属创作 reference;默认 SVG,原生 Chart 替换为显式 opt-in
表格 系统化 有专属创作 reference;六种可复用的单元格网格参考,仍可自定义网格;原生 Table 替换走同一 opt-in
关系图 系统化 六个关系原子——order、link、parent、membership、contrast、overlap
公式 系统化 独立块级公式与同段行内公式可把 Microsoft 365 LaTeX / mhchem 文档中所有明确点名的输入编译为可编辑 OMML,并遵循文档规定的原生归一化,档位外输入直接失败。PPTX 导入可把通过校验的 PPT Master 自有 OMML 恢复为带可见 SVG 预览的规范公式 marker;任意第三方 OMML 与原始 LaTeX 写法恢复仍不在合同内。非 PowerPoint 客户端得到以原生形状写入 mc:Fallback 的 SVG 预览,不生成图片兜底。包目标仍为 PowerPoint 2010+;可执行档位锁定到所述 Microsoft 文档版本,仓库验证覆盖编译器、OMML 与包结构,不等同于完整的 Microsoft 365 UI 认证。非 PowerPoint 客户端仍不在合同内
旁白与动画音效 系统化 逐页旁白音频,以及取自内置 CC0 音效库的原生转场与对象音效
任意视频与背景音乐 暂不考虑 属于一次性、内容特定的插入动作,在 PowerPoint 里手动放进去更快,AI 也无法替你挑文件。背景音乐还会牵出旁白混音决策,那在范围之外。来源 deck 中已有的媒体在 Edit Native PPTX 路线中原样保留
SmartArt 有意的不对称 读取来源 diagram part 的内容与结构;生成 deck 用普通形状管线把这些内容重画出来。从不编辑 DiagramML,也不承诺原生 SmartArt 再生
3D 模型、OLE 对象 暂不考虑 两者都要求打开文件的机器装有宿主程序或较新版 Office,否则退化成一张静态预览图——正是本项目有意规避的跨渲染器问题。手动插入只要几秒。来源 deck 中已有的对象原样保留
墨迹与摄像头对象(Cameo) 暂不考虑 手绘批注与实时摄像头对象属于演示现场的表面,不是生成的设计内容,且都依赖较新版 Office。来源 deck 中已有的此类 part 经源保留路线作为未改动的包结构透传

插图有意不列进这张表。它是可组合结果——一张图片、透明切片、一段 SVG,或一组形状——而不是第七种载体;它可以与页面上其他合适载体共同构图,把它与「图片」并列反而会重新引入这套分层正要消除的维度混淆。

第二层 — 构图系统

关注点 状态 说明
背景 系统化 纯色与渐变页面背景导出为 PowerPoint 原生底色;图片背景属信号驱动
层级与分组 系统化 显式 z-order 与分组契约,含 registered base / subject 图层对
插图构成 系统化 按页面规划为统一的元素家族;生图能力可用时,可在色键图纸中批量生成兼容素材、严格透明切片,再作为固定标题 / 四角装饰复用,或重组为主体锚点、辅助形象与点缀,并与文字、形状、照片、艺术字共同构图
网格、对齐、留白 系统化 共享构图合同,加由每种视觉风格各自承载的构图几何词汇
配色 系统化 声明的 HEX 是具名语义角色的真值来源;可复用角色锚点跨页保持稳定,仍可使用情境派生色与稀疏页内点缀
字体 系统化 每个结构角色一个跨页字号锚点,单次出现可在 ±2px 内受限调整;稀疏非结构 Hero/Display 另有例外
视觉效果 系统化 有专属 effects reference;一个已登记的外阴影或发光可在受支持的基础对象与 compact authored-preset 形状上编译为一个可编辑原生效果
阅读路径 系统化 每页计划声明一个 primary 重点,锚定入口、推进、层级与终点;visual review 按该声明复核最突出元素与锚点位置

第三层 — 行为系统

关注点 状态 说明
页面转场 系统化 含来自内置 CC0 音效库的按需转场音;PPTX 回导会把当前注册表内的精确转场重建到规范 sidecar
对象动画 系统化 默认关闭、opt-in;逐对象配置为显式声明,PPTX 回导会把当前注册表内具有精确时长的有限子集重建到规范 sidecar
自动翻页 已覆盖 由旁白起始留白、音频时长与页尾补白推导
音视频播放 已覆盖 旁白音频与动画音效原生播放;来源 deck 中已有的媒体保留其播放设置
超链接 系统化 整体对象与行内文字通过标准 SVG <a href> 创作,导出为原生外链或 deck 内跳转关系,并在受支持的 PPTX 回导中重建
动作与导航 系统化 导航通过把目标包进超链接锚点显式创作,含 deck 内跳到指定页。actionButton* 预设只贡献视觉几何——光有外观绝不隐含动作。鼠标悬停触发、自定义放映、宏或程序执行、以及裸 ppaction:// 注入都在契约之外
Zoom(摘要 / 节 / 幻灯片缩放) 暂不考虑 依赖 Office 版本的导航对象,在其他渲染器退化为一张静态图片——正是本项目有意规避的跨渲染器退化。deck 内跳转已由原生超链接的页面目标覆盖

第四层 — 文档结构

关注点 状态 说明
画布尺寸 系统化 画布契约选定演示文稿格式;SVG viewBox 是页面几何的唯一真值,配 fail-closed 校验,且同一 deck 的所有页面必须使用同一格式
Theme 系统化 有锁的 Default 导出根据配色与字体合同逐 deck 派生 clrScheme、major/minor 字体与 Master 标题/正文默认字号。Flat Quick 保留转换器默认 Theme 脚手架;structured Quick 在工作区提供时保留逐 Master 源 Theme,并从语义 slot carrier 推导 Master 标题/正文字号默认值;SVG 派生的页面颜色与字体仍按直接值写入
字体嵌入 有意边界 从不在包内嵌入字体;品牌 / 网络字体只有确认目标系统可用后才领衔,否则导出安全字体族,并把原意向字体记录在 Design Spec 中
幻灯片节 有意的不对称 Edit Native PPTX 在 identity roster 不改 presentation 结构时保留既有节元数据;使用 page_plan.json 重建页面清单时会丢弃节。生成或重建页面列表的路线不创作 PowerPoint 原生节,因为页面角色与可选的 Design Spec Part 并不构成所有路线都具备的必需章节合同。节只改变缩略图栏的组织方式,从不改变任何页面外观;长 deck 需要分组时,在 PowerPoint 里手动分节约一分钟,且只做一次
Master / Layout 系统化 结构化路线输出真实的 p:sldMaster / p:sldLayout part
Placeholder 系统化 模板工作区契约,strict/adaptive 导出行为逐 deck 推导
日期、页脚与页码字段 有意边界 结构化模板路线按 placeholder 契约创作真实的日期 / 页脚 / 页码 placeholder。自由设计路线有意让画出的页码与页脚保持普通文本:页码数字经常本身就是设计元素而非标准字段,区分两者是意图判断;真需要标准页码域时在 PowerPoint 里手动插入只要几秒,且只做一次
备注 系统化 导出时带真实的 notes master
旁白 系统化 逐页音频,带 provider 来源标注
字幕 系统化 受支持 provider 的逐词时间轴重组为统一的紧凑 SRT
文档元数据 已覆盖 在导出时设定,而非交给打包库默认生成
无障碍信息(Alt Text、阅读顺序) 暂不考虑 AI 生成的图片带 alt_text 字段,网络抓取的图片会记录页面上常为空的 alt 属性,但形状、图表、关系图与用户自带图片完全没有描述——完整覆盖意味着为每个非文字对象新增创作描述,而不是接通既有数据。阅读顺序在 PowerPoint 里不是独立属性:它就是形状顺序,承载页面的视觉层叠,无法脱离它单独设置
宏与 Office 扩展 XML 有意的不对称 从不创作——生成路线不合成 VBA;既有宏或扩展 part 只在支持宏的源保留工作流保持所属包 part 未改动时得以保留
评论、修订、协作状态 暂不考虑 属于 Office 协作面,在创作型产品之外

进行中 / 下一步

明确在做或下一步要做,不承诺时间窗口。

  • 在真实 deck 上校准新落地的体系 — 多 deck 合并 intake、材料发散度、可组合插画体系、结构化模板创作均已上线;它们现在需要的是真实使用信号,而不是更多机制。不预先加机械阈值或配额。
  • Prompt 精简 — 在不降质量的前提下压缩各角色 prompt 的 token 占用、提升缓存命中率,带来间接的成本 / 速度改善。与「纯速度优化」的边界见下方「明确不做」。

未来方向(信号驱动)

已评估为「真实需求出现时值得做」的候选项,列出来是为了公开意图,均不构成承诺。

  • 持续收窄映射指南记录的原生覆盖缺口 — 逐版本把更多「仅 SVG」的格子推向 PowerPoint 原生结构与行为。
  • 图片页面背景提升为原生背景填充 — 纯色 / 渐变页面背景已导出为 PowerPoint 原生底色;图片背景按需求驱动。

已交付里程碑

一个月一行,细节见 Release 发布说明与 commit log。

时间 主题
2026-03 原生 PPTX 路线成形 — SVG → DrawingML 链路可用;图表 / 版式模板索引上线
2026-04 管线规模化 — 仅凭主题生成、70 个图表模板 + 三套图标库、spec_lock 跨页一致性契约、逐元素动画与旁白 / 视频导出
2026-05 可视化编辑 + AI 图片体系化 — Live Preview 确定性原位编辑(基于 @WodenJay 的 PR #85)、从 PPTX 创建模板工作区、rendering × palette × type 图片体系、旧版栅格 LaTeX 渲染器
2026-06 mode 与 visual-style 双 catalog + intake 扩展 — 5 种叙事 mode × 18 种视觉风格(+ custom)、内容忠实的美化 profile、多 deck 合并 intake、可组合插画切片管线、网络图片质量闸门、源转换保真提升(图注识别基于 @suay1113 的 PR #191,超链接保留提炼自 @ZhaoZuohong 的 PR #155)
2026-07 定位章程 + 原生母版 / 版式 + token 效率(v4.0.0)— 三段式分步确认 UI、真 p:sldMaster / p:sldLayout 导出、--native-charts-and-tables opt-in、动效导出加固、图表模板库压缩
2026-08 模板库 + 页面图重建 + 原生公式与链接 + AI 图像成为构图系统(v4.5.0、v4.6.0、v4.7.0、v4.8.0)— brand / style / layout 工作区库、可视化按信息模型拆分且结构改为组合语法、Codex 支持的 image-to-pptx profile、带原生动画音效的视频交付、三条可编辑整体设计方向、覆盖 Microsoft 365 文档化 profile 的可编辑 OMML 公式、原生超链接创作、可跨页复用的 AI 插画元素族与装饰艺术字、按任务决定来源并隔离审阅缩略图的配图路径、转场与对象动画的反向导入,以及四层能力覆盖地图

明确不做

下面这些方向被多次提过,已经评估并决定不做。列出来不是否定需求价值,而是说明它们与本项目产品方向不匹配;如果你刚好需要这些能力,建议看其他工具或 fork 本项目走自己的路。

对任意 PPTX placeholder 系统做无契约盲填

对应 Issue:#53、#118

Generate PPTX 路线围绕完全可控的新形状、文字与版式创作。结构完整的 PPTX 可以通过两种显式方式为经过确认的可复用模板包提供依据:standard / fidelity 读取完整来源证据,创作新的完整 Slide SVG 原型和 Master/Layout 系统;mirror 只物化来源 Slide 及其可达的 Layout/Master 链。两者都不修改来源 PPTX,也不补造缺失的设计意图。但「打开任意 PPTX 后不经规范化就盲填所有占位框」仍是另一种产品形态。

基础诉求其实很简单:如果只是「固定位置替换 Excel 数据到 PPT 模板」,直接让 AI 写一段 python-pptx 脚本即可,几行代码搞定,不需要本项目这套管线。

已支持边界:Edit Native PPTX(edit-native-pptx)把既有 deck 导入 round-trip 工作区,逐字节引用未改页面,只编辑计划中的页面或叠加内容;Create Template(create-template)根据自然语言请求和来源证据,在内部推导重新创作或 mirror 物化实现;Strategist 再根据真实模板和当前内容推导 strict/adaptive 导出行为。仍不做未经审查、没有契约的任意第三方 placeholder 全自动替换。

把原生 PowerPoint 图表设为默认路线

对应 Issue:#99、#100 类

跨四渲染器(PowerPoint / Keynote / LibreOffice / WPS)的位置保真是项目主轴。把默认路线改成 PowerPoint 原生图表会让「像素级一致性」破功——同一个 PPTX 在不同渲染器里图表会显示不同布局。图表默认用 SVG 是有意为之,不是能力缺失。

窄例外是 data-pptx-replace-with marker:Design Spec §IX Native-ready 映射中以 <object-key>=yes 点名的受支持独立数据图表与纯文本网格表格可以携带 PowerPoint 原生 Chart/Table 替换 payload;no 与零星微型图形保持普通 shape。§VII 只记录真正选中的可复用参考。导出加 --native-charts-and-tables 才激活已准备的 marker——供主动用跨渲染器保真换取带数据源对象及图表/表格专属编辑模型的用户使用;激活后的对象会保留 deck 的 chart-area / plot / 轴线 / 网格线 / 标签颜色与原生表格格式,不再塌回 PowerPoint 默认主题(见 v4.0.0 发布说明)。默认导出路径与可编辑的 SVG 派生形状系统不变。

uv 作为默认 / 必需依赖

对应 Issue:#111

pip + requirements.txt 是唯一官方安装路径,因为它在所有 Python 环境下都可用、不需要额外学习成本。uv 是好工具,但「让 uv 成为默认」会抬高新用户的入门门槛。如果你个人偏好 uv,完全可以在 fork 里用,不影响主线。

纯速度优化

对应 Issue:#97

成本 / 速度 / 质量三角下,本项目选择质量优先。20 分钟生成一个高质量 PPTX 是当前的合理点。

会做:通过 prompt 精简 / 缓存命中率提升带来的间接改善。

显式 quick-generate 是用户主动选择的工作流短路:它跳过 Strategist 和确认,随后创作 SVG,在 7 页及以上的 roster 上运行共用的中段 early gate,再运行一次无锁最终质量门并导出最终 PPTX。由于整个规划阶段不再发生——Strategist reference 的加载、design_spec.md / spec_lock.md 的写入、分步确认往返——这部分 token 开销随之消失,而逐页 SVG 创作的开销不变。它保留同一套页面级视觉与资源创作能力,以及共享的 SVG / 资源阻塞标准;它不运行 Spec Lock 对齐检查,也不从 lock 派生当前项目 Theme。Flat Quick 保留转换器默认 Theme 脚手架;structured Quick 在工作区提供时保留逐 Master 源 Theme,并从语义 slot carrier 推导 Master 标题/正文字号默认值。由于没有已确认的设计契约或可恢复的决策历史,它不承诺与 Default 作出相同设计,也不承诺具体耗时。

默认 Generate 流程仍坚持质量优先。

独立 CLI / 托管 SaaS / 桌面 App 形态

产品形态明确为运行在支持 Agent 的 AI 工具中的对话式工作流 / skill(Claude Code、Codex、Cursor、VS Code agents 等)。

不会做:独立 CLI(ppm 之类)、SaaS Web 服务、Electron 桌面壳。所有「让它脱离 chat 独立运行」的提案都会被拒。chat 是交互核心,不是包装层。


反馈渠道

提需求前先扫一眼上面的明确不做;如果你的需求落在那一节,多半不会被采纳,但欢迎讨论是否还有别的路径解决你的真实问题。