NanoBanana PPT Skills

📋 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

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

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

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...]

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： 封面：标题 + 核心主题 要点 1：第一个核心观点 要点 2：第二个核心观点 要点 3：第三个核心观点 总结：核心结论或行动建议 5-10 页版本： 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 总结与行动建议 10-15 页版本： 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 总结与下一步 20-25 页版本： 封面 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 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： 视觉分析：理解两张图片的布局、元素、色彩差异 生成预览提示词：为首页创建可循环的微动效描述 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

.env 文件位置

Skill 会按以下顺序查找 .env 文件： 脚本所在目录 - ./ppt-generator/.env 向上查找项目根目录 - 直到找到包含 .git 或 .env 的目录 Claude Skill 标准位置 - ~/.claude/skills/ppt-generator/.env 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

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

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

在 styles/ 目录创建新的 .md 文件 按照现有风格格式编写 Skill 会自动识别并提供选择

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）

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

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

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： 收集输入（已提供内容） 确认风格（矢量插画） 确认页数（5 页） 确认分辨率（询问用户） 生成 slides_plan.json 执行生成命令 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： 读取文档内容 确认风格（渐变毛玻璃） 确认页数（15 页） 确认分辨率（询问用户） 确认生成视频（是） 分析文档，规划 15 页内容 生成 slides_plan.json 生成 PPT 图片 生成转场视频 合成完整视频 返回所有结果

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