PPT to Speech Skill

將 PPTX 檔案的每頁標題、正文、演講者備註提取為結構化資料，生成每頁縮圖，最終由你（Agent）結合文字內容與縮圖，撰寫一篇連貫、有感染力的 Markdown 演講稿。

輸入：使用者提供的 PPTX 檔案路徑 —— $ARGUMENTS

第一步：安裝 Python 依賴

首次使用前執行（已安裝可跳過）：

pip install python-pptx pdf2image Pillow requests

LibreOffice 和 Poppler 由指令碼自動檢測並下載，無需手動安裝。

依賴說明

本技能需要 LibreOffice 和 poppler-utils 來解析 PPT 並生成縮圖。

首次執行時，指令碼會自動：

• 從阿里雲映象下載 LibreOffice（約 300 MB）並解壓到 ~/.cache/ppt_skill/
• 從 GitHub 下載 poppler 預編譯包（約 50 MB）並解壓到 ~/.claude/skills/ppt-to-speech/bin/
• 將上述路徑臨時新增到當前程序的 PATH

網路訪問：僅用於下載上述依賴，所有下載源均為可信映象。

許可權要求：

• Windows：無需管理員許可權（使用行動式提取）
• Linux：若系統中未安裝 poppler-utils，指令碼會嘗試通過 apt/yum 等包管理器安裝，可能需要 sudo 許可權；若無法獲取 sudo，會提示手動安裝。

如您不希望自動下載，可提前手動安裝 LibreOffice 和 poppler-utils，並確保 soffice 和 pdfinfo 命令在 PATH 中。

第二步：提取內容與生成縮圖

執行指令碼，提取 PPT 結構化內容並生成每頁縮圖：

python scripts/extractor_ppt.py "$ARGUMENTS"

指令碼完成後，輸出檔案位於與輸入檔案同目錄：

• <檔名>.md —— 結構化文本（標題 / 正文 / 備註的原始拼接）
• <檔名>_thumbnails/page_001.png … —— 每頁縮圖

第三步：由 Agent 撰寫演講稿

指令碼只做機械提取，真正的演講稿由你來寫。

3.1 讀取提取結果

用 Read 工具讀取上一步生成的 .md 檔案，獲取每頁的標題、正文和演講者備註。

3.2 檢視縮圖

用 Read 工具依次檢視 _thumbnails/ 目錄中的 PNG 圖片，理解每頁的視覺佈局、圖表和設計重點，補充純文字無法傳達的資訊。

3.3 撰寫演講稿

基於以上內容，按如下要求撰寫演講稿：

結構要求

• 全文分章節，章節標題對應 PPT 的邏輯段落（不必與頁碼一一對應）
• 每個章節開頭插入對應頁縮圖：![第N頁](相對路徑/page_00N.png)
• 以引言開場、以行動號召收尾

寫作要求

• 語言風格：使用口語化但精煉的演講語言，避免照抄 bullet points。把要點展開成完整句子，必要時用比喻、類比、設問增強感染力。
• 資料與案例：PPT 中的資料、案例、引述必須完整保留，並用口語化方式解釋其意義，這是演講的血肉。
• 備註融入：如有演講者備註（通常在 .md 檔案中有單獨標記），將其自然融入正文，作為強調或補充說明。
• 避免逐頁羅列：嚴禁出現“第1頁：……；第2頁：……”這樣的流水賬。而是提煉出核心資訊，按邏輯重組。

圖文要求

• 結合縮圖中觀察到的視覺資訊（圖表趨勢、配色重點、佈局層級）進行解讀
• 不要只複述文字，要說明"這張圖想說明什麼"
• 在文字描述前或後插入對應的縮圖引用，使讀者圖文並茂

3.4 寫入輸出檔案

用 Write 工具將最終演講稿覆蓋寫入第二步生成的 .md 檔案，完成替換。

輸出規範

輸出資料夾名稱：<輸入檔名（不含副檔名）>_output，位於輸入檔案同目錄或使用者指定位置。

想要更強大的技能外掛，就來小蔥技能站7w4.net看看吧。

處理完成後，必須：

1. 將 <檔名>.md 和 <檔名>_thumbnails/打包發給使用者
2. 將整個壓縮包傳送給使用者

3. 不能只發送單個 .md 檔案

注意事項

• 僅支援 .pptx 格式，不支援舊版 .ppt
• 第三步完全由 Agent 自身完成，無需配置任何外部 API Key
• 首次執行第二步時會自動下載 LibreOffice（體積較大），請保持網路暢通
• 縮圖路徑在 .md 中使用相對路徑，確保檔案移動後圖片仍可顯示

示例檔案（./examples/sample_speech.md）