Execute qualquer Skill no Manus
com um clique

Execute qualquer Skill no Manus com um clique

html-ppt-designer

Estrelas114

Forks11

Atualizado14 de fevereiro de 2026 às 16:06

HTML PPT 精致演示文稿设计器 - 将用户内容转化为精致的HTML演示文稿页面，LLM 智能设计优先，支持多种视觉风格、动效设计、色彩认知系统。触发词：PPT、演示文稿、HTML幻灯片、slide、presentation、做PPT、制作演示。

Instalação

Instalar com Codex ou Claude Copie este prompt, cole no Codex, Claude ou outro assistente e deixe que ele revise a página da skill e instale para você.

Executar no Manus

Fonte

andyhuo520

andyhuo520/html-ppt-designer

Abrir repositório GitHub Ver repositórios do creator

Download

Executar no Manus

Ocupações relacionadasSOC

Baseado na classificação ocupacional SOC

Designers gráficosArtes, Design, Entretenimento, Esportes e Mídia·SOC 27-1024

SKILL.md

readonly

name	html-ppt-designer
description	HTML PPT 精致演示文稿设计器 - 将用户内容转化为精致的HTML演示文稿页面，LLM 智能设计优先，支持多种视觉风格、动效设计、色彩认知系统。触发词：PPT、演示文稿、HTML幻灯片、slide、presentation、做PPT、制作演示。
allowed-tools	Bash, Read, Write, Edit, Glob, Grep, AskUserQuestion

HTML PPT Designer v5.2 / 智能演示文稿设计器

版本: 5.2 架构: LLM 智能设计优先 + 本地模板 fallback + 原文配图提取 + Unsplash 配图 + 真翻页引擎 + 6 种动画 + 视频播客模式 + 内嵌字幕 + 国产 TTS + 纯色设计 + 默认图标装饰 + 控制面板自动隐藏 更新日期: 2026-02-13

🔧 环境变量配置（首次使用必读）

在使用本 Skill 的配图和 AI 功能前，需要配置相应的 API Key。

必需配置

功能	环境变量	申请地址	免费额度
Unsplash 配图	`UNSPLASH_ACCESS_KEY`	https://unsplash.com/developers	50次/小时
AI 生成插图	`ZENMUX_API_KEY`	https://zenmux.ai	按用量计费

可选配置（视频导出）

功能	环境变量	申请地址	费用
OpenAI TTS	`OPENAI_API_KEY`	https://platform.openai.com	~$0.015/分钟
火山引擎 TTS	`VOLCENGINE_ACCESS_KEY` + `VOLCENGINE_SECRET_KEY`	https://console.volcengine.com	按用量计费
智谱 AI TTS	`ZHIPUAI_API_KEY`	https://open.bigmodel.cn	按用量计费
Gemini 转录	`GEMINI_API_KEY`	https://aistudio.google.com	~$0.001/分钟

配置方法

方法一：临时设置（当前终端会话）

export UNSPLASH_ACCESS_KEY="your-unsplash-access-key"
export ZENMUX_API_KEY="your-zenmux-api-key"

方法二：永久设置（添加到 shell 配置文件）

# 编辑 ~/.zshrc 或 ~/.bashrc
echo 'export UNSPLASH_ACCESS_KEY="your-unsplash-access-key"' >> ~/.zshrc
echo 'export ZENMUX_API_KEY="your-zenmux-api-key"' >> ~/.zshrc

# 重新加载配置
source ~/.zshrc

Unsplash API 申请步骤

访问 https://unsplash.com/developers
注册/登录 Unsplash 账号
点击「New Application」创建新应用
填写应用信息（用途可填：PPT 配图）
创建后获取 Access Key
设置环境变量：export UNSPLASH_ACCESS_KEY="your-key"

ZENMUX API 申请步骤

访问 https://zenmux.ai
注册账号并登录
在控制台获取 API Key
设置环境变量：export ZENMUX_API_KEY="your-key"

🆕 v4.0 核心架构升级

设计理念转变

旧架构（v3.x）：预设 16 种固定模板 → 用户选择 → 填充内容 新架构（v4.0）：LLM 分析内容 → 智能生成设计 → 动态创建 CSS

LLM 优先设计流程

用户内容
    ↓
LLM 分析（内容类型、情感基调、主题色彩、目标受众）
    ↓
LLM 生成：
├── 色彩方案（主色/辅助色/背景色/文字色）
├── 排版风格（字体组合/字号层级/间距系统）
├── 布局结构（封面/内容页/金句页/结尾页 各自的设计）
├── 视觉元素（装饰图形/分隔线/卡片样式）
└── 动效选择（推荐适合的翻页动画）
    ↓
生成完整 HTML（内嵌自定义 CSS）
    ↓
[失败时] → fallback 到本地预设模板

本地模板的新定位

场景	使用方式
正常使用	LLM 动态生成设计，不使用本地模板
网络问题	LLM 无法响应时，fallback 到 16 种预设模板
用户指定	用户明确要求某种预设风格时使用
快速预览	需要快速生成时可选使用

🎨 LLM 智能设计系统

设计分析维度

LLM 在生成设计前会分析以下维度：

维度	分析内容	影响设计
内容类型	演讲/教程/报告/故事/数据/产品	整体风格方向
情感基调	严肃/活泼/专业/温暖/科技/艺术	色彩和字体选择
主题领域	科技/商业/教育/生活/艺术	配色和装饰元素
目标受众	高管/大众/学生/专业人士	信息密度和复杂度
使用场景	演讲/分享/汇报/营销	视觉冲击力程度

动态生成的设计元素

1. 色彩方案

/* LLM 根据内容生成 */
--primary: #XXXXXX;      /* 主色 - 品牌感/情感基调 */
--primary-light: #XXXXXX; /* 主色浅版 - hover/强调 */
--secondary: #XXXXXX;     /* 辅助色 - 对比/层次 */
--accent: #XXXXXX;        /* 点缀色 - 吸引注意 */
--bg-page: #XXXXXX;       /* 页面背景 */
--bg-card: #XXXXXX;       /* 卡片背景 */
--text-heading: #XXXXXX;  /* 标题文字 */
--text-body: #XXXXXX;     /* 正文文字 */
--text-muted: #XXXXXX;    /* 弱化文字 */

2. 字体系统

/* LLM 推荐字体组合 */
--font-heading: 'Font Name', fallback;  /* 标题字体 */
--font-body: 'Font Name', fallback;      /* 正文字体 */
--font-accent: 'Font Name', fallback;    /* 强调字体（如数字、引用） */

/* 字号层级 */
--text-hero: XXpx;    /* 封面大标题 */
--text-h1: XXpx;      /* 页面标题 */
--text-h2: XXpx;      /* 段落标题 */
--text-body: XXpx;    /* 正文 */
--text-small: XXpx;   /* 辅助文字 */

3. 布局参数

/* 间距系统 */
--spacing-xs: Xpx;
--spacing-sm: Xpx;
--spacing-md: Xpx;
--spacing-lg: Xpx;
--spacing-xl: Xpx;

/* 圆角 */
--radius: Xpx;        /* 卡片圆角 */
--radius-sm: Xpx;     /* 小元素圆角 */

/* 阴影 */
--shadow: ...;        /* 卡片阴影 */

4. 页面类型设计

每种页面类型都有独立的设计方案：

页面类型	LLM 设计要点
封面页	标题位置、副标题样式、装饰元素、背景处理
内容页	标题样式、正文排版、图文布局、信息层次
金句页	引号样式、文字大小、背景氛围、强调方式
结尾页	结束语设计、联系方式、行动号召

📋 完整工作流程

用户输入内容/URL/音视频
      ↓
[阶段零] 输入处理
  ├── 纯文本       → 直接进入阶段一
  ├── 网页 URL     → fetch_webpage.py 提取正文 + **下载原始图片** → 进入阶段一
  ├── YouTube URL  → transcribe_audio.py 下载+转录 → 进入阶段一
  ├── 小宇宙 URL   → transcribe_audio.py 下载+转录 → 进入阶段一
  └── 音频直链/文件 → transcribe_audio.py 转录 → 进入阶段一
      ↓
[阶段一] 内容解析
  ├── 提取标题、副标题、核心观点
  ├── 分析内容类型和情感基调
  └── 拆分幻灯片页面
      ↓
[阶段二] 设计策略选择（AskUserQuestion）
  │
  ├── D1 LLM 智能设计 ⭐ 推荐
  │   └── LLM 根据内容自动生成最佳设计
  │
  ├── D2 指定风格参考
  │   └── 用户指定参考风格，LLM 在此基础上定制
  │
  └── D3 使用预设模板
      └── 直接使用 16 种本地模板之一
      ↓
[阶段三] 输出模式选择（AskUserQuestion）★ 新增
  │
  ├── M1 仅 HTML PPT（默认）
  │   └── 标准页数，适合演讲/汇报
  │
  └── M2 视频播客模式 ⭐ 视频导出推荐
      │
      ├── 内容增强策略：
      │   ├── 每个主题拆分为 2-3 个子页面（避免单页停留过久）
      │   ├── 增加数据卡片、关键数字、进度条
      │   ├── 每页包含：标题 + 核心观点 + 数据/图表 + 引用
      │   └── 页数增加 50-100%，内容密度提升
      │
      └── 配图方案推荐：
          ├── P1 Unsplash 氛围照片（封面/金句页）
          ├── P4 Excalidraw 技术图表（数据/流程页）
          └── N2 信息图表（数据展示页）
      ↓
[阶段四] 详细配置（AskUserQuestion）
  │
  ├── 4.1 页数密度（根据模式调整）
  │   ├── M1 标准版：10-12 页
  │   └── M2 增强版：18-25 页（自动拆分）
  │
  ├── 4.2 配图方案
  │   ├── P1 Unsplash 高质量照片
  │   ├── P2 AI 生成插图
  │   ├── P4 Excalidraw 技术图表 ⭐ 视频播客推荐
  │   ├── N1 Iconify 图标方案
  │   ├── N2 信息图表方案 ⭐ 视频播客推荐
  │   └── N4 纯文字排版
  │
  └── 4.3 翻页动画
      └── Fade / Cinematic / Zoom / Slide / Flip / Cut
      ↓
[阶段五] 内容增强（M2 视频播客模式专属）
  │
  ├── 拆分长内容为多页
  │   └── 原本 1 页 → 拆分为「概念页 + 数据页 + 案例页」
  │
  ├── 添加视觉元素
  │   ├── 数据卡片（大数字 + 说明）
  │   ├── 时间线/流程图
  │   ├── 对比表格
  │   └── 引用框/金句框
  │
  └── 丰富讲解文字
      └── 每页生成独立的 data-narration
      ↓
[阶段六] 配图获取
  ├── Unsplash 照片搜索
  ├── AI 生成插图（可选）
  ├── Excalidraw 技术图表
  └── 或纯图标/几何装饰
      ↓
[阶段七] HTML 生成
  ├── LLM 生成完整 CSS 样式
  ├── 内嵌到 HTML 中
  ├── 添加翻页引擎
  └── 生成最终文件（含 data-narration）
      ↓
[阶段八] 输出与预览
      ↓
[阶段九] 视频导出（可选，M2 模式强烈推荐）
  ├── 确认讲解文字（可编辑）
  ├── 选择配音服务（Edge TTS / OpenAI TTS）
  ├── 选择语音风格（云健/晓晓/其他）
  ├── 字幕配置
  │   ├── 是否启用内嵌字幕（默认启用）
  │   ├── 字幕样式：白字黑背景圆角
  │   ├── 字体：PingFang SC（苹果平方）
  │   └── 按句子分割，逐句显示，与音频同步
  ├── 音频驱动截图（每页时长 = 音频时长）
  └── 输出 MP4 文件（含内嵌字幕）

🎬 视频播客模式详解

为什么需要视频播客模式？

问题：普通 PPT 转视频时，单页停留 30-50 秒，画面太单调

解决：

内容拆分：原本 1 页 → 拆分为 2-3 页
视觉丰富：增加数据卡片、图表、引用框
节奏感：每页 10-20 秒，翻页更频繁

内容拆分策略

原内容类型	拆分方案	示例
概念介绍	概念页 + 案例页 + 总结页	「AI 原生代理公司」拆分为 3 页
数据展示	数据概览 + 详细数据 + 趋势分析	「市场数据」拆分为 3 页
方法步骤	概述页 + 每步骤独立页	「三步法」拆分为 4 页
对比分析	对比概览 + A 方案 + B 方案 + 结论	「方案对比」拆分为 4 页

视觉元素模板

数据卡片

┌─────────────────────────────────────┐
│  ████████████  $2.5万亿            │
│  ████████████  每年政府欺诈损失      │
│  ████████████                       │
│  仅医保每年损失数百亿美元            │
└─────────────────────────────────────┘

进度条/时间线

┌─────●───────────────────────────────┐
│  阶段1 → 阶段2 → 阶段3              │
│  ✓      进行中    待完成             │
└─────────────────────────────────────┘

引用框

┌─────────────────────────────────────┐
│ "AI 原生公司现在可以比以往           │
│  更快、更便宜、更有野心地构建。"     │
│                          — YC RFS   │
└─────────────────────────────────────┘

视频模式字号规范（v5.1 新增）

问题：普通 HTML PPT 字号在视频导出后过小，大量留白，用户看不清。

解决方案：视频模式使用 1.5x 字号，减少边距，提高信息密度。

元素	普通模式	视频模式	说明
封面大标题	72px	108px	确保视频封面冲击力
页面标题	42px	64px	清晰可读
正文	20px	32px	视频舒适阅读
引用文字	36px	52px	金句突出
页边距	80-120px	40-60px	减少留白
行高	1.8	2.0	视频舒适间距

CSS 变量覆盖：

/* 视频模式专用 */
.video-mode {
  --text-hero: 108px;
  --text-h1: 64px;
  --text-h2: 48px;
  --text-body: 32px;
  --text-small: 24px;
  --spacing-page: 48px;
  --line-height: 2.0;
}

视频播客模式 AskUserQuestion 模板

{
  "questions": [
    {
      "question": "请选择输出模式（决定内容密度和页数）",
      "header": "输出模式",
      "multiSelect": false,
      "options": [
        {
          "label": "M1 仅 HTML PPT",
          "description": "标准页数（10-12页），适合演讲、汇报、现场展示"
        },
        {
          "label": "M2 视频播客模式 ⭐ 推荐",
          "description": "增强页数（18-25页），内容拆分更细，每页10-20秒，适合视频导出"
        }
      ]
    }
  ]
}

🎬 视频导出系统（v3.2 内嵌字幕）

功能概述

将 HTML PPT 幻灯片转换为带配音和字幕的 MP4 视频，支持：

音频驱动时长：每页展示时间 = 该页音频实际时长，100% 同步
内嵌字幕：白字黑背景圆角样式，按句子分割逐句显示
字幕同步：每句字幕时长按字数比例分配，与音频完美同步
自动截图：使用 Playwright 高清捕获每页幻灯片
智能配音：Edge TTS（免费）或 OpenAI TTS（高质量）
多语言支持：中文 / 英文语音

v3.2 核心改进

旧流程（v3.0）：
每页 1 张截图 + 完整字幕 → 字幕不随音频滚动

新流程（v3.2）：
讲解文字按句子分割 → 每句生成 1 张截图 → 字幕时长按字数分配 → 100% 同步滚动

字幕特性

特性	说明
样式	白色文字 + 半透明黑色背景 + 12px 圆角
字体	PingFang SC（苹果平方），28px
位置	底部居中，距离底部 60px
同步方式	按句子分割，每句时长 = (该句字数 / 总字数) × 页面音频时长
最小显示	每句至少 1.5 秒

依赖安装

# 系统依赖
brew install ffmpeg

# Python 依赖
pip install playwright edge-tts

# 安装浏览器（首次使用）
playwright install chromium

# 如需使用 OpenAI TTS
pip install openai

脚本使用

# 基本用法 - Edge TTS（免费），默认启用字幕
python3 scripts/ppt_to_video.py presentation.html -o output.mp4

# 禁用字幕
python3 scripts/ppt_to_video.py presentation.html --no-subtitle -o output.mp4

# 使用 OpenAI TTS（需配置 OPENAI_API_KEY）
python3 scripts/ppt_to_video.py presentation.html --tts openai -o output.mp4

# 使用火山引擎 TTS（国产推荐）
python3 scripts/ppt_to_video.py presentation.html \
  --tts volcengine --voice zh_female_tianmeixiaoyuan -o output.mp4

# 使用智谱 AI TTS
python3 scripts/ppt_to_video.py presentation.html --tts zhipu -o output.mp4

# 使用 Fish Speech（本地部署）
python3 scripts/ppt_to_video.py presentation.html --tts fish -o output.mp4

# 指定语音
python3 scripts/ppt_to_video.py presentation.html \
  --voice zh-CN-YunxiNeural -o output.mp4

# 自定义字幕样式
python3 scripts/ppt_to_video.py presentation.html \
  --subtitle-fontsize 32 --subtitle-radius 16 -o output.mp4

# 自定义分辨率和帧率
python3 scripts/ppt_to_video.py presentation.html \
  --resolution 1280x720 --fps 24 -o output.mp4

# 列出可用语音
python3 scripts/ppt_to_video.py --list-voices
python3 scripts/ppt_to_video.py --list-voices --tts volcengine

# 列出所有 TTS 服务
python3 scripts/ppt_to_video.py --list-services

字幕相关参数

参数	默认值	说明
`--no-subtitle`	-	禁用内嵌字幕
`--subtitle-font`	PingFang SC, Noto Sans SC	字幕字体
`--subtitle-fontsize`	28	字幕字号（像素）
`--subtitle-radius`	12	字幕背景圆角（像素）

TTS 服务对比

服务	费用	音质	速度	推荐场景
Edge TTS	免费	良好	快	日常使用 ⭐ 推荐
OpenAI TTS	~$0.015/分钟	优秀	快	商业/高质量需求
火山引擎	按量付费	优秀	快	中文专业场景
智谱 AI	按量付费	优秀	快	中文专业场景
Fish Speech	免费	良好	中	本地部署/隐私需求

环境变量配置

# OpenAI TTS
export OPENAI_API_KEY="sk-..."

# 火山引擎 TTS（字节跳动）
export VOLCENGINE_ACCESS_KEY="your-access-key"
export VOLCENGINE_SECRET_KEY="your-secret-key"
export VOLCENGINE_APP_ID="your-app-id"

# 智谱 AI TTS
export ZHIPUAI_API_KEY="your-api-key"

# Fish Speech（本地服务）
export FISH_SPEECH_URL="http://localhost:8080"

可用中文语音

Edge TTS（16 种）

语音 ID	描述
`zh-CN-YunjianNeural`	云健 - 男声，新闻播报 ⭐ 默认
`zh-CN-XiaoxiaoNeural`	晓晓 - 女声，自然亲切
`zh-CN-YunxiNeural`	云希 - 男声，年轻活力
`zh-CN-XiaoyiNeural`	晓伊 - 女声，温柔
`zh-CN-YunfengNeural`	云枫 - 男声，沉稳
`zh-CN-YunyangNeural`	云扬 - 男声，专业客服
`zh-CN-XiaochenNeural`	晓辰 - 女声，新闻
`zh-CN-XiaohanNeural`	晓涵 - 女声，温暖

火山引擎 TTS（8 种）

语音 ID	描述
`zh_female_tianmeixiaoyuan`	甜美小媛 - 女声，甜美亲切 ⭐ 推荐
`zh_female_shuangkuaisisi`	爽快思思 - 女声，爽朗
`zh_female_wanwan`	湾湾 - 女声，台湾腔
`zh_female_chenshu`	成熟姐姐 - 女声，知性
`zh_male_chunhou`	醇厚男声 - 男声，稳重
`zh_male_narration`	解说男声 - 男声，专业
`zh_male_qingxinnansheng`	清新男声 - 男声，年轻
`zh_male_huangzhong`	黄钟 - 男声，播音

工作流程图（v3.2）

HTML PPT 文件
      ↓
┌─────────────────────────────────────┐
│ 1. 提取讲解文字                      │
│    - 读取 data-narration 属性       │
│    - 或提取页面文本内容              │
└─────────────────────────────────────┘
      ↓
┌─────────────────────────────────────┐
│ 2. 生成所有音频                      │
│    - Edge TTS / OpenAI TTS          │
│    - 每页一条音频                    │
│    - 使用 ffprobe 获取实际时长       │
└─────────────────────────────────────┘
      ↓
┌─────────────────────────────────────┐
│ 3. 字幕分割（v3.2 新增）             │
│    - 按句号分割讲解文字              │
│    - 按字数比例分配每句时长          │
│    - 确保每句至少 1.5 秒             │
└─────────────────────────────────────┘
      ↓
┌─────────────────────────────────────┐
│ 4. 带字幕截图（v3.2 新增）           │
│    - 每句生成一张截图                │
│    - CSS 渲染字幕到画面上            │
│    - 等待外部图片加载完成            │
└─────────────────────────────────────┘
      ↓
┌─────────────────────────────────────┐
│ 5. 合成视频                          │
│    - 图片序列 → H.264 视频          │
│    - 拼接音频轨道                    │
│    - 视频/音频/字幕 100% 同步        │
│    - 输出 MP4 文件                   │
└─────────────────────────────────────┘

在幻灯片中自定义

可在 HTML 的 .slide 元素上添加 data-* 属性：

<!-- 自定义讲解文字 -->
<div class="slide" data-narration="这是自定义的讲解文字，会覆盖自动生成的内容">
  ...
</div>

<!-- 自定义展示时长（毫秒） -->
<div class="slide" data-duration="8000">
  ...
</div>

🔧 LLM 设计生成 Prompt 模板

设计分析 Prompt

你是一位国际顶级演示文稿设计师。请分析以下内容，并生成最适合的视觉设计方案。

【内容信息】
标题：{title}
类型：{content_type}
情感基调：{emotion}
目标受众：{audience}
主题领域：{domain}

【页面概览】
{slides_overview}

请提供：
1. 设计理念（100字内）
2. 色彩方案（8个颜色值）
3. 字体推荐（中英文各1-2个）
4. 布局特点描述
5. 推荐的翻页动画

CSS 生成 Prompt

基于以下设计规格，生成完整的 CSS 样式：

【设计规格】
{design_spec}

【要求】
1. 使用 CSS 变量定义所有颜色
2. 包含以下页面类型样式：
   - .slide-cover（封面页）
   - .slide-content（内容页）
   - .slide-quote（金句页）
   - .slide-ending（结尾页）
3. 包含控制面板样式
4. 包含响应式设计（768px/1024px 断点）
5. 使用 Google Fonts（提供 import 语句）
6. 输出完整可用的 CSS 代码

📦 LLM 设计 JSON 格式规范

完整格式示例

{
  "concept": "温暖科技感 - 结合科技主题的冷峻与人文关怀的温度",
  "colors": {
    "primary": "#2563EB",
    "primary_light": "#3B82F6",
    "secondary": "#64748B",
    "accent": "#F59E0B",
    "bg_page": "#0F172A",
    "bg_card": "#1E293B",
    "bg_section": "#334155",
    "text_heading": "#F1F5F9",
    "text_body": "#CBD5E1",
    "text_muted": "#94A3B8",
    "border": "rgba(148, 163, 184, 0.2)"
  },
  "fonts": {
    "heading": "'Inter', 'Noto Sans SC', sans-serif",
    "body": "'Inter', 'Noto Sans SC', sans-serif",
    "google_fonts_url": "https://fonts.googleapis.com/css2?family=Inter:wght@400;500;600;700&family=Noto+Sans+SC:wght@400;500;700&display=swap"
  },
  "spacing": {
    "xs": "4px",
    "sm": "8px",
    "md": "16px",
    "lg": "32px",
    "xl": "64px"
  },
  "radius": "8px",
  "transition": "cinematic",
  "layouts": {
    "cover": ".slide-cover { background: var(--bg-page); border-bottom: 4px solid var(--primary); }",
    "content": ".slide-content .content-grid { gap: 48px; }",
    "quote": ".slide-quote .quote-text { font-size: 36px; }",
    "ending": ".slide-ending { background: var(--bg-page); border-top: 4px solid var(--accent); }"
  }
}

字段说明

字段	类型	必填	说明
`concept`	string	否	设计理念描述，用于日志输出
`colors`	object	是	色彩方案，所有颜色使用 hex 或 rgba
`fonts`	object	是	字体设置
`spacing`	object	否	间距系统
`radius`	string	否	圆角大小
`transition`	string	否	默认翻页动画
`layouts`	object	否	各页面类型的自定义 CSS

最小可用格式

{
  "colors": {
    "primary": "#1A1A1A",
    "bg_page": "#FFFFFF",
    "bg_card": "#FFFFFF",
    "text_heading": "#1A1A1A",
    "text_body": "#333333"
  },
  "fonts": {
    "heading": "'Noto Serif SC', serif",
    "body": "'Noto Sans SC', sans-serif",
    "google_fonts_url": "https://fonts.googleapis.com/css2?family=Noto+Sans+SC:wght@400;500;700&family=Noto+Serif+SC:wght@400;600;700&display=swap"
  },
  "transition": "fade"
}

🆕 v3.2 更新概要

0. 音频/视频语音转录（NEW）

支持 YouTube、小宇宙播客、直接音频链接、本地音频文件 作为输入
三种转录模式：local（MLX-Whisper 本地免费）/ api（OpenAI）/ gemini（最快最便宜）
自动下载音频 → 预处理 → 转录 → 整理文字 → 生成 PPT 大纲
Apple Silicon Mac 本地运行 Whisper，零成本
脚本：scripts/transcribe_audio.py

1. 16+ 风格系统（4 大类别）

Classic/Professional：TED 演讲、Apple Keynote、标准 PPT、Gamma、Consulting
Editorial/Publishing：Editorial 杂志、Swiss 国际、Newspaper 报纸
Design/Art：Bauhaus、Kinfolk、Muji、Brutalist
Tech/Future：Neo-Tokyo、Dark Mode、红黑白科技
Education/Creative：卡通 2.5D、Education 教育

2. Unsplash API 配图

集成 Unsplash API，高质量免费照片
根据幻灯片内容自动搜索匹配照片
支持按风格、颜色、方向筛选
自动生成摄影师署名（Unsplash 要求）

3. 6 种真正不同的翻页动画

Fade：纯透明度淡入淡出
Slide：水平滑动（translateX）
Cinematic：缩放+模糊+透明度（电影感）
Cut：瞬间切换（无过渡）
Flip：3D 翻转（rotateY）
Zoom：中心缩放聚焦

4. 配图来源双选

Unsplash：真实摄影照片（Editorial Photo / Kinfolk 风格等）
ZMark AI：AI 生成插图（卡通 2.5D / 红黑白科技 / 3D 渲染等）

📋 完整工作流程

用户输入内容/URL/音视频链接/本地文件
      ↓
[阶段零] 输入类型检测与预处理
  ├── 纯文本       → 直接进入阶段一
  ├── 网页 URL     → fetch_webpage.py 提取正文 → 进入阶段一
  ├── YouTube URL  → transcribe_audio.py 下载+转录 → 进入阶段一
  ├── 小宇宙 URL   → transcribe_audio.py 下载+转录 → 进入阶段一
  ├── 音频直链/文件 → transcribe_audio.py 转录 → 进入阶段一
  └── 转录模式选择（AskUserQuestion）
      ├── local   本地 MLX-Whisper（免费，推荐 Apple Silicon）
      ├── api     OpenAI Whisper API（$0.006/分钟，快速）
      └── gemini  Gemini Flash API（~$0.001/分钟，最快）
      ↓
[阶段一] 内容解析与大纲生成
  ├── 提取标题、副标题
  ├── 识别内容类型（演讲/教程/报告/故事/数据展示）
  ├── 拆分幻灯片页面
  └── 生成预览大纲（展示给用户确认）
      ↓
[阶段二] 风格选择（直接展示 + 用户输入）
  │
  ├── 第一步：在文本中展示完整风格列表（17种）
  │   └── 表格形式，包含编号(A1-E2)、名称、特征、适用场景
  │
  └── 第二步：AskUserQuestion 让用户选择
      ├── [智能推荐风格] ⭐ 推荐
      ├── A1 TED 演讲
      ├── D2 Dark Mode
      └── Other — 输入其他风格编号或名称
      ↓
[阶段三] 详细配置（AskUserQuestion - 多选一次完成）
  │
  ├── 3.1 页数密度
  │   ├── S1 精简版（5-8 页）- 快速概览、电梯演讲
  │   ├── S2 标准版（10-12 页）- 常规演示 ⭐ 默认
  │   └── S3 详细版（15-20 页）- 完整叙事、深度分享
  │
  ├── 3.2 配图方案（★ 最重要，必须询问）
  │   │
  │   ├── 需要配图
  │   │   ├── P1 Unsplash 高质量照片 ⭐ 推荐
  │   │   │   └── 自动搜索匹配内容，含摄影师署名
  │   │   ├── P2 AI 生成插图
  │   │   │   └── 根据 PPT 风格自动生成匹配插图
  │   │   ├── P3 混合方案
  │   │   │   └── 封面/金句用照片，内容页用图标
  │   │   └── P4 Excalidraw 技术图表 ⭐ 技术PPT推荐
  │   │       └── 自动生成架构图/流程图/系统图，输出为SVG
  │   │
  │   └── 不需要配图（纯文字/图示方案）
  │       ├── N1 Iconify 图标方案 ⭐ 推荐
  │       │   └── 每页配主题图标，视觉丰富度足够
  │       ├── N2 信息图表方案
  │       │   └── 流程图/时间线/关系图自动生成
  │       ├── N3 几何装饰方案
  │       │   └── 色块/线条/形状装饰，现代感强
  │       └── N4 纯文字排版
  │           └── 极简风格，完全依赖排版和字体
  │
  └── 3.3 翻页动画（可选，有默认值）
      ├── Fade（淡入淡出）⭐ 默认
      ├── Cinematic（电影感）- 适合 TED/叙事风格
      ├── Zoom（缩放聚焦）- 适合科技/数据风格
      ├── Slide（水平滑动）- 适合教育/教程风格
      ├── Flip（3D 翻转）- 适合创意/艺术风格
      └── Cut（瞬间切换）- 适合 Brutalist/高节奏
      ↓
[阶段四] 配图获取/生成（⭐ v5.2 智能优先级）
  │
  ├── 优先级 1：原文配图 ⭐ 零成本、最佳匹配
  │   └── 网页抓取时已自动下载到 ~/Desktop/ppt_images/
  │   └── 直接使用，无需额外请求
  │
  ├── 优先级 2：Unsplash 照片
  │   └── 原文无图时使用，fetch_unsplash.py 自动搜索
  │
  ├── 优先级 3：AI 生成插图
  │   └── generate_images.py，需要 ZENMUX_API_KEY
  │
  ├── 优先级 4：Excalidraw 技术图表
  │   └── 技术内容自动生成架构图/流程图
  │
  └── 优先级 5：Iconify 图标
      └── 始终作为辅助视觉元素
  │   ├── 自动识别技术内容页面（架构/流程/系统）
  │   ├── 调用 excalidraw skill 生成 .excalidraw JSON
  │   ├── 使用 excalidraw_to_svg.py 转换为 SVG
  │   └── SVG 直接嵌入 HTML（或 base64 data URI）
  ├── 图标方案 → Iconify 自动匹配主题图标
  └── 返回视觉资源映射表
      ↓
[阶段五] HTML 生成
  ├── 加载对应风格模板（templates/）
  ├── 插入视觉资源（图片/图标/图表）
  ├── 添加前端交互控制
  │   ├── 6 种翻页动画
  │   ├── 自动播放（慢/中/快）
  │   └── 导航点 + 键盘 + 触摸
  └── 生成完整 HTML 文件
      ↓
[阶段六] 输出与预览
  ├── 保存到桌面（~/Desktop/）
  ├── 展示大纲摘要
  └── 询问修改意见（可重新选择风格/配图/页数）
      ↓
[阶段七] 视频导出（可选，AskUserQuestion 询问）
  │
  ├── V1 导出为视频 ⭐ 推荐（分享/发布场景）
  │   ├── 选择配音服务
  │   │   ├── Edge TTS（免费，16种中文语音）
  │   │   └── OpenAI TTS（$0.015/分钟，高质量）
  │   ├── 选择语音风格
  │   │   ├── 云健（男声，新闻播报）⭐ 默认
  │   │   ├── 晓晓（女声，自然亲切）
  │   │   └── 其他语音...
  │   ├── 自动生成/编辑讲解文字
  │   ├── ppt_to_video.py 转换
  │   └── 输出 MP4（同目录）
  │
  └── V2 跳过（仅保留 HTML）

🔧 AskUserQuestion 完整配置模板

阶段二：风格选择（直接展示 + 用户输入）

重要：先在文本中展示完整风格列表，然后让用户直接输入选择。

第一步：展示完整风格列表

在回复文本中直接展示所有 17 种风格：

┌─────────────────────────────────────────────────────────────────────┐
│  🎨 完整风格列表 (17种) — 请输入编号或名称选择                        │
├─────────────────────────────────────────────────────────────────────┤
│  Classic/Professional 经典专业                                       │
│  ├── A1 TED 演讲 ⭐ 叙事演讲    深色背景+大图overlay                 │
│  ├── A2 Apple Keynote ⭐ 产品发布 极简白底+超大留白                  │
│  ├── A3 Typical PPT 商务汇报    深蓝+浅灰标准模板                   │
│  ├── A4 Gamma 创业路演          现代卡片+圆角                       │
│  └── A5 Consulting 战略咨询     深蓝+金+数据驱动                    │
├─────────────────────────────────────────────────────────────────────┤
│  Editorial/Publishing 编辑出版                                       │
│  ├── B1 Editorial 品牌故事      杂志排版+衬线字体                   │
│  ├── B2 Swiss 设计作品          严格网格+红色色带                   │
│  └── B3 Newspaper 新闻资讯      报纸版式+多栏文字                   │
├─────────────────────────────────────────────────────────────────────┤
│  Design/Art 设计艺术                                                 │
│  ├── C1 Bauhaus 艺术教育        几何色块+红黄蓝三原色               │
│  ├── C2 Kinfolk 生活方式        莫兰迪色调+胶片质感                 │
│  ├── C3 Muji 极简品牌           白灰为主+超细线条                   │
│  └── C4 Brutalist 先锋设计      粗犷大字+高对比                     │
├─────────────────────────────────────────────────────────────────────┤
│  Tech/Future 科技未来                                                │
│  ├── D1 Neo-Tokyo ⭐ 科技产品   霓虹粉+青+暗黑底+故障艺术           │
│  ├── D2 Dark Mode ⭐ 开发工具   深灰底+冷蓝强调+简洁边框            │
│  └── D3 红黑白科技 国产科技      严格三色+电路风                    │
├─────────────────────────────────────────────────────────────────────┤
│  Education/Creative 教育创意                                         │
│  ├── E1 卡通 2.5D 儿童教育      扁平阴影+多彩圆润                   │
│  └── E2 Education ⭐ 在线课程   色彩编码+互动感                     │
└─────────────────────────────────────────────────────────────────────┘

💡 根据您的内容类型「{content_type}」，推荐：{recommended_style}

第二步：用户选择（AskUserQuestion + Other 输入）

{
  "questions": [{
    "question": "请选择视觉风格（可输入编号如 A1/D2 或完整名称）",
    "header": "风格选择",
    "multiSelect": false,
    "options": [
      {"label": "[推荐风格] ⭐ 推荐", "description": "[推荐理由]"},
      {"label": "A1 TED 演讲", "description": "深色背景+大图overlay，叙事演讲"},
      {"label": "D2 Dark Mode", "description": "深灰底+冷蓝强调色，开发者工具"},
      {"label": "Other — 输入其他风格", "description": "输入编号(A1-E2)或名称，如：A3、C2 Kinfolk、Neo-Tokyo"}
    ]
  }]
}

用户可能输入的格式：

编号：A1、D2、E1
名称：TED 演讲、Dark Mode、卡通 2.5D
英文名：Neo-Tokyo、Editorial、Bauhaus

风格智能推荐映射

┌─────────────────────────────────────────────────────────────────────┐
│  🎨 完整风格列表 (17种)                                              │
├─────────────────────────────────────────────────────────────────────┤
│  Classic/Professional 经典专业                                       │
│  ├── A1 TED 演讲 ⭐ 叙事演讲    深色背景+大图overlay                 │
│  ├── A2 Apple Keynote ⭐ 产品发布 极简白底+超大留白                  │
│  ├── A3 Typical PPT 商务汇报    深蓝+浅灰标准模板                   │
│  ├── A4 Gamma 创业路演          现代卡片+圆角                       │
│  └── A5 Consulting 战略咨询     深蓝+金+数据驱动                    │
├─────────────────────────────────────────────────────────────────────┤
│  Editorial/Publishing 编辑出版                                       │
│  ├── B1 Editorial 品牌故事      杂志排版+衬线字体                   │
│  ├── B2 Swiss 设计作品          严格网格+红色色带                   │
│  └── B3 Newspaper 新闻资讯      报纸版式+多栏文字                   │
├─────────────────────────────────────────────────────────────────────┤
│  Design/Art 设计艺术                                                 │
│  ├── C1 Bauhaus 艺术教育        几何色块+红黄蓝三原色               │
│  ├── C2 Kinfolk 生活方式        莫兰迪色调+胶片质感                 │
│  ├── C3 Muji 极简品牌           白灰为主+超细线条                   │
│  └── C4 Brutalist 先锋设计      粗犷大字+高对比                     │
├─────────────────────────────────────────────────────────────────────┤
│  Tech/Future 科技未来                                                │
│  ├── D1 Neo-Tokyo ⭐ 科技产品   霓虹粉+青+暗黑底+故障艺术           │
│  ├── D2 Dark Mode ⭐ 开发工具   深灰底+冷蓝强调+简洁边框            │
│  └── D3 红黑白科技 国产科技      严格三色+电路风                    │
├─────────────────────────────────────────────────────────────────────┤
│  Education/Creative 教育创意                                         │
│  ├── E1 卡通 2.5D 儿童教育      扁平阴影+多彩圆润                   │
│  └── E2 Education ⭐ 在线课程   色彩编码+互动感                     │
└─────────────────────────────────────────────────────────────────────┘

阶段三：详细配置

{
  "questions": [
    {
      "question": "希望生成多少页的演示文稿？",
      "header": "页数密度",
      "multiSelect": false,
      "options": [
        {"label": "精简版 (5-8 页)", "description": "核心观点提炼，适合快速分享"},
        {"label": "标准版 (10-12 页)", "description": "完整叙事，适合演讲汇报"},
        {"label": "详细版 (15-20 页)", "description": "深度解读，适合完整展示"}
      ]
    },
    {
      "question": "是否需要配图？（重要）",
      "header": "配图方案",
      "multiSelect": false,
      "options": [
        {"label": "Unsplash 高质量照片", "description": "自动搜索匹配内容的专业照片"},
        {"label": "AI 生成插图", "description": "根据风格自动生成匹配插图"},
        {"label": "Excalidraw 技术图表", "description": "自动生成架构图/流程图/系统图，技术PPT推荐"},
        {"label": "Iconify 图标方案", "description": "每页配主题图标，无需等待"},
        {"label": "纯文字排版", "description": "极简风格，完全依赖排版"}
      ]
    },
    {
      "question": "翻页动画偏好？",
      "header": "动画效果",
      "multiSelect": false,
      "options": [
        {"label": "Fade 淡入淡出", "description": "简洁优雅，适合大多数场景"},
        {"label": "Cinematic 电影感", "description": "缩放+模糊，叙事感强"},
        {"label": "Zoom 缩放聚焦", "description": "视觉冲击力强"},
        {"label": "Slide 水平滑动", "description": "经典翻页感"}
      ]
    }
  ]
}

🎯 内容类型 → 风格推荐映射

内容类型	推荐风格	备选风格	推荐配图
演讲/叙事	A1 TED 演讲	D1 Neo-Tokyo, B1 Editorial	P1 Unsplash
产品发布	A2 Apple Keynote	A4 Gamma	P1 Unsplash
商务汇报	A3 Typical PPT	A5 Consulting	N1 图标
数据报告	A5 Consulting	B3 Newspaper	N2 信息图表
科技主题	D1 Neo-Tokyo	D2 Dark Mode, D3 红黑白科技	P4 Excalidraw
开发者/工具	D2 Dark Mode	D1 Neo-Tokyo	P4 Excalidraw
架构设计	A5 Consulting	D2 Dark Mode	P4 Excalidraw
教育/教程	E2 Education	E1 卡通 2.5D	P1/P2
品牌故事	B1 Editorial	C2 Kinfolk
生活方式	C2 Kinfolk	C3 Muji
艺术创意	C1 Bauhaus	C4 Brutalist
新闻资讯	B3 Newspaper	B2 Swiss
极简主义	C3 Muji	A2 Apple Keynote

🖼️ 配图方案详细说明

需要配图

方案	来源	适用风格	特点
P1 Unsplash	真实摄影	A1/A2/B1/B2/B3/C2	高质量免费、需署名
P2 AI 生成	ZMark AI	D1/D3/E1/C1/C4	风格匹配度高、生成时间较长
P3 混合方案	两者结合	全部	灵活性最高
P4 Excalidraw	自动生成 SVG	D1/D2/D3/A5/E2	技术图表、架构图、流程图

Excalidraw 技术图表方案 (P4)

适用场景：技术演示、架构汇报、系统设计、开发文档

工作流程：

技术内容页面
    ↓
LLM 识别图表类型（架构图/流程图/时序图/ER图等）
    ↓
调用 excalidraw skill 生成 .excalidraw JSON
    ↓
使用 excalidraw_to_svg.py 转换为 SVG
    ↓
SVG 直接嵌入 HTML（<svg> 标签）或 base64 data URI

支持的图表类型：

图表类型	触发关键词	元素组合
系统架构图	架构、系统、微服务	矩形+箭头+数据库图标
数据流程图	流程、数据流、管道	矩形+箭头+处理节点
时序图	时序、交互、调用	矩形+虚线箭头
ER 图	实体、关系、数据库	矩形+菱形+连接线
网络拓扑	网络、拓扑、节点	椭圆+矩形+连线
组件图	组件、模块、依赖	矩形+依赖箭头

脚本用法：

# 基本转换
python3 scripts/excalidraw_to_svg.py input.excalidraw -o output.svg

# 输出为 base64 data URI（适合直接嵌入 HTML）
python3 scripts/excalidraw_to_svg.py input.excalidraw --base64

# 输出为 HTML img 标签
python3 scripts/excalidraw_to_svg.py input.excalidraw --embed

# 暗色主题
python3 scripts/excalidraw_to_svg.py input.excalidraw --theme dark -o output.svg

HTML 嵌入方式：

<!-- 方式1：直接嵌入 SVG（推荐，可缩放） -->
<div class="diagram-container">
  <svg viewBox="0 0 800 600">
    <!-- SVG 内容 -->
  </svg>
</div>

<!-- 方式2：base64 data URI -->
<img src="data:image/svg+xml;base64,..." alt="系统架构图">

<!-- 方式3：外部文件引用 -->
<img src="diagrams/architecture.svg" alt="系统架构图">

自动识别规则：

LLM 会根据页面内容自动判断是否需要生成技术图表：

内容特征	图表类型
包含"架构"、"组件"、"服务"	系统架构图
包含"流程"、"步骤"、"→"	流程图
包含"数据库"、"表"、"字段"	ER 图
包含"API"、"请求"、"响应"	时序图
包含"模块"、"依赖"、"import"	组件依赖图

不需要配图

方案	实现方式	适用风格	特点
N1 图标方案	Iconify 图标库	全部	生成快速、视觉丰富
N2 信息图表	自动生成流程图/时间线	A3/A5/E2	适合数据和流程
N3 几何装饰	CSS 色块/线条	C1/C3/C4	现代感强
N4 纯文字+图标	排版+字体+轻量图标	A2/C3/Muji	极简但不单调

重要（v5.1）：即使选择 N4 纯文字方案，也应默认添加轻量级 Iconify 图标装饰，避免页面过于单调。图标应：

放置在标题旁作为视觉锚点
用于列表项前的装饰
选择与内容主题相关的图标
保持克制，每页 1-3 个图标即可

Iconify 图标自动匹配规则

页面类型	搜索关键词示例
封面页	rocket, star, lightbulb
概念介绍	brain, idea, puzzle
数据展示	chart, graph, analytics
流程步骤	arrow-right, flow, process
问题/挑战	warning, alert, question
解决方案	check, shield, tool
金句页	quote, message, speech
结尾页	heart, thumbs-up, celebrate

🎨 风格系统（16+ 种）

风格快速选择表

编号	风格名称	配色特征	适用场景
Classic/Professional
A1	TED 演讲	大图+精简文字、深色 overlay	叙事、演讲
A2	Apple Keynote	极简白底、大标题、留白>60%	产品发布
A3	Typical PPT	深蓝+浅灰、标准模板	商务汇报
A4	Gamma	现代卡片、圆角、柔和阴影	创业路演
A5	Consulting	深蓝+金、等距投影、数据驱动	战略咨询
Editorial/Publishing
B1	Editorial	杂志排版、衬线字体、分栏	品牌故事
B2	Swiss Style	网格系统、无衬线、不对称	设计作品
B3	Newspaper	报纸版式、黑白灰+单点缀	新闻资讯
Design/Art
C1	Bauhaus	几何色块、红黄蓝三原色	艺术教育
C2	Kinfolk	温暖米色/棕/橄榄、胶片质感	生活方式
C3	Muji	白灰为主、超细线条、日式简约	极简品牌
C4	Brutalist	原始粗犷、大字体、高对比	先锋设计
Tech/Future
D1	Neo-Tokyo	霓虹紫/粉、暗黑底、故障艺术	科技产品
D2	Dark Mode	深灰底、冷蓝强调色、简洁边框	开发者工具
D3	红黑白科技	#E63946红+纯黑+纯白	国产科技
Education/Creative
E1	卡通 2.5D	扁平+阴影、多彩、圆润图标	儿童教育
E2	Education	色彩编码、互动元素暗示	在线课程

🎨 风格 CSS 变量完整定义

A1 - TED 演讲风格

:root {
  --primary: #E62B1E;
  --primary-light: #FF4136;
  --secondary: #2C2C2C;
  --accent: #FFFFFF;
  --bg-page: #1A1A1A;
  --bg-card: #2C2C2C;
  --bg-section: #333333;
  --text-heading: #FFFFFF;
  --text-body: #E0E0E0;
  --text-muted: #999999;
  --border: #444444;
}

特征：深色背景、大尺寸全屏图片、overlay 半透明黑色叠加文字、字号巨大（Hero 80px+）、单页信息密度极低（1 个核心观点）

A2 - Apple Keynote 风格

:root {
  --primary: #1D1D1F;
  --primary-light: #424245;
  --secondary: #6E6E73;
  --accent: #0071E3;
  --bg-page: #FFFFFF;
  --bg-card: #FFFFFF;
  --bg-section: #F5F5F7;
  --text-heading: #1D1D1F;
  --text-body: #424245;
  --text-muted: #86868B;
  --border: #D2D2D7;
}

特征：极简白底、San Francisco 字体气质、留白 >60%、产品图居中、超大标题（56px+）、几乎无边框

A3 - Typical PPT 风格

:root {
  --primary: #2B579A;
  --primary-light: #4472C4;
  --secondary: #5B9BD5;
  --accent: #FFC000;
  --bg-page: #F0F4FA;
  --bg-card: #FFFFFF;
  --bg-section: #E8EEF7;
  --text-heading: #1F3864;
  --text-body: #404040;
  --text-muted: #808080;
  --border: #D6DCE4;
}

特征：深蓝(#2B579A)+浅灰背景、标准标题+副标题+正文层次、项目符号列表、页眉页脚、标准布局

A4 - Gamma 风格

:root {
  --primary: #0EA5E9;
  --primary-light: #38BDF8;
  --secondary: #00CEC9;
  --accent: #F59E0B;
  --bg-page: #FAFEFF;
  --bg-card: #FFFFFF;
  --bg-section: #F0F9FF;
  --text-heading: #2D3436;
  --text-body: #545454;
  --text-muted: #A0A0A0;
  --border: #ECECEC;
  --card-radius: 16px;
  --card-shadow: 0 2px 12px rgba(14,165,233,0.08);
}

特征：现代卡片式布局、圆角 16px、柔和投影、天蓝色(#0EA5E9)强调、适度留白、创业路演感

A5 - Consulting 风格

:root {
  --primary: #1E3A5F;
  --primary-light: #2D5F8A;
  --secondary: #4A90A4;
  --accent: #D4A843;
  --accent-warm: #C17F24;
  --bg-page: #FAFBFC;
  --bg-card: #FFFFFF;
  --bg-section: #F0F4F8;
  --text-heading: #0F2137;
  --text-body: #3A4F66;
  --text-muted: #7A8FA3;
  --border: #E2E8F0;
}

特征：深蓝+金、数据卡片密集、等距投影图表、框架模型图、多列并排、KPI 大数字

B1 - Editorial 杂志风格

:root {
  --primary: #1A1A1A;
  --primary-light: #333333;
  --secondary: #666666;
  --accent: #C0392B;
  --bg-page: #FEFEFE;
  --bg-card: #FFFFFF;
  --bg-section: #F5F5F0;
  --text-heading: #1A1A1A;
  --text-body: #333333;
  --text-muted: #888888;
  --border: #E0E0E0;
  --font-heading: 'Playfair Display', 'Noto Serif SC', Georgia, serif;
  --font-body: 'Source Sans Pro', 'Noto Sans SC', sans-serif;
}

特征：衬线标题+无衬线正文、分栏排版、大面积留白、pull-quote 大引用、黑白摄影配图、首字下沉

B2 - Swiss Style 风格

:root {
  --primary: #D0021B;
  --primary-light: #E63946;
  --secondary: #2C2C2C;
  --accent: #D0021B;
  --bg-page: #FFFFFF;
  --bg-card: #FFFFFF;
  --bg-section: #F2F2F2;
  --text-heading: #2C2C2C;
  --text-body: #404040;
  --text-muted: #808080;
  --border: #CCCCCC;
  --font-heading: 'Helvetica Neue', 'Arial', sans-serif;
}

特征：严格网格系统、Helvetica 无衬线、红色色带分割、不对称布局、信息层次分明

B3 - Newspaper 风格

:root {
  --primary: #1A1A1A;
  --primary-light: #333333;
  --secondary: #555555;
  --accent: #B22222;
  --bg-page: #F5F1EB;
  --bg-card: #FFFDF7;
  --bg-section: #F0ECE3;
  --text-heading: #1A1A1A;
  --text-body: #333333;
  --text-muted: #777777;
  --border: #D4CFC5;
  --font-heading: 'Playfair Display', 'Times New Roman', serif;
}

特征：报纸版式、多栏文字、报头大标题、分割线、黑白灰+单色点缀、引用框

C1 - Bauhaus 风格

:root {
  --primary: #E63B2E;
  --primary-light: #FF5A4F;
  --secondary: #2B4FA2;
  --accent: #F5C300;
  --bg-page: #FFFFFF;
  --bg-card: #FFFFFF;
  --bg-section: #F7F7F7;
  --text-heading: #1A1A1A;
  --text-body: #333333;
  --text-muted: #888888;
  --border: #E0E0E0;
}

特征：几何色块（红黄蓝三原色）、粗线条网格、不规则色块拼接、理性构成

C2 - Kinfolk 风格

:root {
  --primary: #9B7B5E;
  --primary-light: #B8A08A;
  --secondary: #8FA387;
  --accent: #D4AAA0;
  --bg-page: #FAF7F2;
  --bg-card: #FFFCF7;
  --bg-section: #F3EDE5;
  --text-heading: #5A4A3A;
  --text-body: #6B5E52;
  --text-muted: #A09585;
  --border: #E5DDD3;
}

特征：莫兰迪色调、自然光影质感、胶片颗粒感、温暖米色/棕色/橄榄、大量呼吸留白

C3 - Muji 风格

:root {
  --primary: #5C5C5C;
  --primary-light: #7A7A7A;
  --secondary: #8B7355;
  --accent: #B8A08A;
  --bg-page: #F7F5F0;
  --bg-card: #FFFFFF;
  --bg-section: #F0EDE8;
  --text-heading: #3A3A3A;
  --text-body: #5C5C5C;
  --text-muted: #999999;
  --border: #E5E0D8;
}

特征：白灰为主、超细线条（0.5px）、日式简约、自然材质纹理暗示、极致留白

C4 - Brutalist 风格

:root {
  --primary: #000000;
  --primary-light: #333333;
  --secondary: #555555;
  --accent: #FF3D00;
  --bg-page: #FFFFFF;
  --bg-card: #FFFFFF;
  --bg-section: #F0F0F0;
  --text-heading: #000000;
  --text-body: #333333;
  --text-muted: #777777;
  --border: #000000;
}

特征：大字铺满、粗边框（3px+）、高对比黑白、原始粗犷、有意的"不完美"感

D1 - Neo-Tokyo 风格

:root {
  --primary: #FF2D6B;
  --primary-light: #FF5A8A;
  --secondary: #00B4D8;
  --accent: #39FF14;
  --bg-page: #0A0A0F;
  --bg-card: #141420;
  --bg-section: #1A1A2E;
  --text-heading: #FFFFFF;
  --text-body: #C0C0D0;
  --text-muted: #6A6A80;
  --border: rgba(255,255,255,0.08);
}

特征：深黑底(#0A0A0F)+霓虹粉(#FF2D6B)/青(#00B4D8)/绿(#39FF14)、故障艺术纹理、日式排版

D2 - Dark Mode 风格

:root {
  --primary: #3B82F6;
  --primary-light: #60A5FA;
  --secondary: #64748B;
  --accent: #06B6D4;
  --bg-page: #0F172A;
  --bg-card: #1E293B;
  --bg-section: #1E293B;
  --text-heading: #F1F5F9;
  --text-body: #94A3B8;
  --text-muted: #475569;
  --border: rgba(148,163,184,0.15);
}

特征：深灰底(#0F172A)、冷蓝(#3B82F6)强调色、简洁边框、代码风排版、终端感

D3 - 红黑白科技风格

:root {
  --primary: #E63946;
  --primary-light: #FF5A65;
  --secondary: #1A1A1A;
  --accent: #E63946;
  --bg-page: #FFFFFF;
  --bg-card: #FFFFFF;
  --bg-section: #F5F5F5;
  --text-heading: #000000;
  --text-body: #1A1A1A;
  --text-muted: #808080;
  --border: #E0E0E0;
}

特征：严格红黑白三色、几何连接线（电路风）、等距视角图形、高对比

E1 - 卡通 2.5D 风格

:root {
  --primary: #4A90E2;
  --primary-light: #6BB5FF;
  --secondary: #10B981;
  --accent: #F39C12;
  --accent-warm: #FFD93D;
  --bg-page: #F0F7FF;
  --bg-card: #FFFFFF;
  --bg-section: #E8F4FD;
  --text-heading: #2C3E50;
  --text-body: #4A5568;
  --text-muted: #A0AEC0;
  --border: #D6E8F7;
}

特征：扁平+柔和阴影、蓝+绿+橙多彩和谐、圆润图标、Q 版角色、等距 2.5D 视角

E2 - Education 风格

:root {
  --primary: #2563EB;
  --primary-light: #3B82F6;
  --secondary: #10B981;
  --accent: #F59E0B;
  --highlight: #EF4444;
  --bg-page: #FFF7ED;
  --bg-card: #FFFFFF;
  --bg-section: #FEF3C7;
  --text-heading: #1E293B;
  --text-body: #4B5563;
  --text-muted: #9CA3AF;
  --border: #FDE68A;
}

特征：色彩编码知识点（蓝=概念、绿=案例、橙=重点、红=注意）、互动元素暗示、清晰层次

🖼 配图系统

⭐ v5.2 原文配图提取（零成本方案）

核心理念：优先使用原文自带图片，降低成本，提高内容相关性。

工作流程：

网页 URL 输入
      ↓
fetch_webpage.py --download-images
      ↓
├── 智能提取页面图片
│   ├── 过滤：图标、广告、头像、logo
│   ├── 过滤：尺寸过小（<200x150px）
│   ├── 过滤：文件过小（<10KB）
│   └── 优先：article 区域内、有 alt 属性、大尺寸
      ↓
├── 下载到本地
│   └── ~/Desktop/ppt_images/image_xxx.jpg
      ↓
└── 生成映射关系
    └── {local_path, url, alt, context, priority}

脚本使用：

# 抓取网页并下载图片
python3 scripts/fetch_webpage.py "https://example.com/article" \
  --download-images \
  --image-dir ~/Desktop/ppt_images/ \
  -o content.json --pretty

# 输出示例
{
  "title": "文章标题",
  "slides": [...],
  "images": {
    "images": [
      {
        "local_path": "/Users/xxx/Desktop/ppt_images/image_abc123.jpg",
        "filename": "image_abc123.jpg",
        "url": "https://example.com/photo.jpg",
        "alt": "文章配图描述",
        "context": "图片周围的文字上下文",
        "priority": 15
      }
    ],
    "total_found": 8,
    "total_downloaded": 5,
    "output_dir": "/Users/xxx/Desktop/ppt_images/"
  }
}

图片优先级评分：

条件	加分
在 article 区域内	+10
有 alt 属性	+5
宽度 ≥600px 或高度 ≥400px	+3
有上下文描述	+2

配图选择策略（v5.2 优化）：

1. 原文配图（零成本）
   └── 如果原文有合适图片 → 直接使用
   └── 优点：内容相关性强、无 API 成本

2. Unsplash（低成本）
   └── 原文无图或图片不足 → 搜索 Unsplash
   └── 优点：高质量、免费（50次/小时）

3. AI 生成（有成本）
   └── 需要特定风格图片 → AI 生成
   └── 缺点：需要 API Key、有费用

4. 图标补充（零成本）
   └── 始终使用 Iconify 图标丰富视觉
   └── 优点：快速、免费、视觉丰富

配图来源选项

编号	风格	来源	特征
I1	无配图	-	纯文字排版
I2	Editorial Photo	Unsplash	编辑风格照片、高品质摄影
I3	Kinfolk 暖调	Unsplash	温暖胶片质感、生活方式
I4	红黑白科技	ZMark AI	高对比科技风插图
I5	卡通 2.5D	ZMark AI	扁平卡通、等距视角
I6	3D 渲染	ZMark AI	立体渲染插图
I7	抽象艺术	ZMark AI	艺术插画

Unsplash API 集成

环境变量: UNSPLASH_ACCESS_KEY（必需）

脚本: scripts/fetch_unsplash.py

# 搜索照片
python3 scripts/fetch_unsplash.py search "business technology" --orientation landscape --count 5

# 批量为幻灯片获取配图
python3 scripts/fetch_unsplash.py batch slides.json --style editorial -o images.json

Unsplash 使用规则：

必须在图片附近显示摄影师署名
署名格式：Photo by [Name] on Unsplash（含链接）
添加 UTM 参数：?utm_source=ppt_designer&utm_medium=referral

风格-搜索关键词映射：

配图风格	Unsplash 搜索修饰词
I2 Editorial Photo	editorial magazine artistic
I3 Kinfolk	lifestyle warm film grain cozy
TED 演讲配图	dramatic dark cinematic
Apple Keynote 配图	minimal clean white product
Consulting 配图	corporate business professional
Newspaper 配图	documentary journalism photojournalism

页面类型配图规则

页面类型	是否配图	策略
封面页	必须	全屏/半屏大图
金句页	必须	氛围背景图
结尾页	必须	前瞻性氛围图
内容页（长）	推荐	图文混排
内容页（短）	可选	小图点缀
数据页	不配图	图表即视觉

AI 配图提示词系统（ZMark）

保留 v2.4 的 9 种 AI 风格提示词模板（详见 scripts/generate_images.py）。

🎬 翻页动画系统（6 种真正不同的动画）

动画效果定义

每种动画有完全不同的 CSS transition/animation，视觉效果截然不同。

1. Fade（淡入淡出）

.transition-fade .slide-leaving {
  animation: fadeOut 0.6s ease forwards;
}
.transition-fade .slide-entering {
  animation: fadeIn 0.6s ease forwards;
}
@keyframes fadeOut { from { opacity: 1; } to { opacity: 0; } }
@keyframes fadeIn { from { opacity: 0; } to { opacity: 1; } }

2. Slide（水平滑动）

.transition-slide .slide-leaving {
  animation: slideOutLeft 0.5s ease forwards;
}
.transition-slide .slide-entering {
  animation: slideInRight 0.5s ease forwards;
}
@keyframes slideOutLeft {
  from { transform: translateX(0); opacity: 1; }
  to { transform: translateX(-100%); opacity: 0; }
}
@keyframes slideInRight {
  from { transform: translateX(100%); opacity: 0; }
  to { transform: translateX(0); opacity: 1; }
}

3. Cinematic（电影感：缩放+模糊+透明度）

.transition-cinematic .slide-leaving {
  animation: cinematicOut 0.8s ease forwards;
}
.transition-cinematic .slide-entering {
  animation: cinematicIn 0.8s ease forwards;
}
@keyframes cinematicOut {
  from { transform: scale(1); opacity: 1; filter: blur(0); }
  to { transform: scale(1.15); opacity: 0; filter: blur(8px); }
}
@keyframes cinematicIn {
  from { transform: scale(0.8); opacity: 0; filter: blur(8px); }
  to { transform: scale(1); opacity: 1; filter: blur(0); }
}

4. Cut（瞬间切换）

.transition-cut .slide-leaving {
  display: none;
}
.transition-cut .slide-entering {
  opacity: 1;
}

5. Flip（3D 翻转）

.transition-flip .slides-viewport {
  perspective: 1200px;
}
.transition-flip .slide-leaving {
  animation: flipOut 0.6s ease forwards;
  transform-style: preserve-3d;
  backface-visibility: hidden;
}
.transition-flip .slide-entering {
  animation: flipIn 0.6s ease forwards;
  transform-style: preserve-3d;
  backface-visibility: hidden;
}
@keyframes flipOut {
  from { transform: rotateY(0deg); opacity: 1; }
  to { transform: rotateY(-90deg); opacity: 0; }
}
@keyframes flipIn {
  from { transform: rotateY(90deg); opacity: 0; }
  to { transform: rotateY(0deg); opacity: 1; }
}

6. Zoom（中心缩放聚焦）

.transition-zoom .slide-leaving {
  animation: zoomOut 0.5s ease forwards;
}
.transition-zoom .slide-entering {
  animation: zoomIn 0.5s ease forwards;
}
@keyframes zoomOut {
  from { transform: scale(1); opacity: 1; }
  to { transform: scale(0.3); opacity: 0; }
}
@keyframes zoomIn {
  from { transform: scale(2); opacity: 0; }
  to { transform: scale(1); opacity: 1; }
}

翻页引擎 JavaScript

class SlideEngine {
  constructor() {
    this.slides = document.querySelectorAll('.slide');
    this.current = 0;
    this.total = this.slides.length;
    this.transitioning = false;
    this.transitionStyle = localStorage.getItem('ppt-transition') || 'fade';
    this.init();
  }

  init() {
    this.slides.forEach((s, i) => {
      s.style.display = i === 0 ? '' : 'none';
      s.classList.toggle('slide-active', i === 0);
    });
    this.updateNav();
    this.bindKeys();
    this.bindTouch();
  }

  async goTo(index) {
    if (index < 0 || index >= this.total || index === this.current || this.transitioning) return;
    this.transitioning = true;

    const leaving = this.slides[this.current];
    const entering = this.slides[index];
    const viewport = document.querySelector('.slides-viewport');

    // Apply transition class
    viewport.className = `slides-viewport transition-${this.transitionStyle}`;

    entering.style.display = '';
    leaving.classList.add('slide-leaving');
    entering.classList.add('slide-entering');

    // Wait for animation
    const duration = this.getDuration();
    await new Promise(r => setTimeout(r, duration));

    leaving.style.display = 'none';
    leaving.classList.remove('slide-active', 'slide-leaving');
    entering.classList.remove('slide-entering');
    entering.classList.add('slide-active');

    this.current = index;
    this.transitioning = false;
    this.updateNav();
  }

  getDuration() {
    const durations = { fade: 600, slide: 500, cinematic: 800, cut: 50, flip: 600, zoom: 500 };
    return durations[this.transitionStyle] || 600;
  }

  next() { this.goTo(this.current + 1); }
  prev() { this.goTo(this.current - 1); }

  setTransition(style) {
    this.transitionStyle = style;
    localStorage.setItem('ppt-transition', style);
    document.querySelectorAll('.style-btn').forEach(btn => {
      btn.classList.toggle('active', btn.dataset.style === style);
    });
  }

  bindKeys() {
    document.addEventListener('keydown', e => {
      if (e.key === 'ArrowRight' || e.key === 'ArrowDown' || e.key === ' ') { e.preventDefault(); this.next(); }
      if (e.key === 'ArrowLeft' || e.key === 'ArrowUp') { e.preventDefault(); this.prev(); }
    });
  }

  bindTouch() {
    let startX = 0;
    document.addEventListener('touchstart', e => { startX = e.touches[0].clientX; });
    document.addEventListener('touchend', e => {
      const diff = e.changedTouches[0].clientX - startX;
      if (Math.abs(diff) > 50) { diff > 0 ? this.prev() : this.next(); }
    });
  }

  updateNav() {
    document.querySelectorAll('.nav-dot').forEach((dot, i) => {
      dot.classList.toggle('active', i === this.current);
    });
    const counter = document.querySelector('.slide-counter');
    if (counter) counter.textContent = `${this.current + 1} / ${this.total}`;
  }
}

// Auto-play controller
class AutoPlayController {
  constructor(engine, interval = 5000) {
    this.engine = engine;
    this.interval = interval;
    this.timer = null;
    this.isPlaying = false;
  }

  toggle() { this.isPlaying ? this.stop() : this.start(); }

  start() {
    if (this.isPlaying) return;
    this.isPlaying = true;
    this.updateBtn();
    this.timer = setInterval(() => {
      if (this.engine.current < this.engine.total - 1) this.engine.next();
      else this.stop();
    }, this.interval);
  }

  stop() {
    this.isPlaying = false;
    if (this.timer) { clearInterval(this.timer); this.timer = null; }
    this.updateBtn();
  }

  setSpeed(ms) {
    this.interval = ms;
    if (this.isPlaying) { this.stop(); this.start(); }
  }

  updateBtn() {
    const btn = document.querySelector('.autoplay-toggle');
    if (btn) {
      btn.innerHTML = this.isPlaying
        ? '<span class="iconify" data-icon="ph:pause-circle-bold"></span>'
        : '<span class="iconify" data-icon="ph:play-circle-bold"></span>';
    }
  }
}

控制面板 HTML（v5.1 增强版）

功能特性：

自动播放按钮（播放/暂停切换）
速度控制（慢/中/快）
6 种动画切换按钮
页码显示
自动隐藏：播放后 3 秒自动隐藏，鼠标移动/悬停时显示
键盘提示：首次显示快捷键提示

<div class="control-panel" id="controlPanel">
  <!-- 自动播放 -->
  <button class="autoplay-toggle" onclick="autoPlay.toggle()" aria-label="自动播放" title="空格键切换">
    <span class="iconify" data-icon="ph:play-circle-bold"></span>
  </button>

  <!-- 速度控制 -->
  <div class="speed-control">
    <button onclick="autoPlay.setSpeed(8000)" title="8秒/页">慢</button>
    <button onclick="autoPlay.setSpeed(5000)" class="active" title="5秒/页">中</button>
    <button onclick="autoPlay.setSpeed(3000)" title="3秒/页">快</button>
  </div>

  <!-- 分隔线 -->
  <span class="divider"></span>

  <!-- 6 种动画切换 -->
  <div class="style-control">
    <button class="style-btn active" data-style="fade" onclick="engine.setTransition('fade')" title="淡入淡出">Fade</button>
    <button class="style-btn" data-style="slide" onclick="engine.setTransition('slide')" title="水平滑动">Slide</button>
    <button class="style-btn" data-style="cinematic" onclick="engine.setTransition('cinematic')" title="电影感缩放">Cinema</button>
    <button class="style-btn" data-style="zoom" onclick="engine.setTransition('zoom')" title="中心缩放">Zoom</button>
    <button class="style-btn" data-style="flip" onclick="engine.setTransition('flip')" title="3D翻转">Flip</button>
    <button class="style-btn" data-style="cut" onclick="engine.setTransition('cut')" title="瞬间切换">Cut</button>
  </div>

  <!-- 分隔线 -->
  <span class="divider"></span>

  <!-- 页码 -->
  <span class="slide-counter">1 / N</span>

  <!-- 全屏按钮 -->
  <button class="fullscreen-btn" onclick="toggleFullscreen()" aria-label="全屏">
    <span class="iconify" data-icon="ph:corners-out"></span>
  </button>
</div>

<!-- 控制面板自动隐藏 CSS -->
<style>
.control-panel {
  position: fixed;
  bottom: 24px;
  left: 50%;
  transform: translateX(-50%);
  display: flex;
  align-items: center;
  gap: 16px;
  padding: 12px 20px;
  background: rgba(255, 255, 255, 0.95);
  backdrop-filter: blur(8px);
  border: 1px solid var(--border);
  border-radius: 8px;
  z-index: 1000;
  transition: opacity 0.3s, transform 0.3s;
}

.control-panel.hidden {
  opacity: 0;
  transform: translateX(-50%) translateY(20px);
  pointer-events: none;
}

.control-panel:hover {
  opacity: 1 !important;
  transform: translateX(-50%) translateY(0) !important;
}

.divider {
  width: 1px;
  height: 20px;
  background: var(--border);
}

.speed-control button,
.style-btn,
.autoplay-toggle,
.fullscreen-btn {
  background: none;
  border: 1px solid var(--border);
  padding: 6px 12px;
  cursor: pointer;
  font-size: 13px;
  color: var(--text-muted);
  border-radius: 4px;
  transition: all 0.2s;
}

.speed-control button.active,
.style-btn.active {
  background: var(--primary);
  color: white;
  border-color: var(--primary);
}

.speed-control button:hover,
.style-btn:hover {
  border-color: var(--primary);
  color: var(--primary);
}
</style>

<script>
// 控制面板自动隐藏
let hideTimer;
const controlPanel = document.getElementById('controlPanel');

function showControlPanel() {
  controlPanel.classList.remove('hidden');
  clearTimeout(hideTimer);
  if (autoPlay.isPlaying) {
    hideTimer = setTimeout(() => {
      controlPanel.classList.add('hidden');
    }, 3000);
  }
}

// 鼠标移动时显示控制面板
document.addEventListener('mousemove', showControlPanel);

// 播放状态变化时处理隐藏
const originalToggle = autoPlay.toggle.bind(autoPlay);
autoPlay.toggle = function() {
  originalToggle();
  if (this.isPlaying) {
    hideTimer = setTimeout(() => {
      controlPanel.classList.add('hidden');
    }, 3000);
  } else {
    controlPanel.classList.remove('hidden');
  }
};

// 全屏功能
function toggleFullscreen() {
  if (!document.fullscreenElement) {
    document.documentElement.requestFullscreen();
  } else {
    document.exitFullscreen();
  }
}
</script>

📏 页数密度选项

编号	页数	密度	适用
S1	5-8 页	精简版	快速概览、电梯演讲
S2	10-12 页	标准版	常规演示、汇报
S3	15-20 页	详细版	完整叙事、深度分享

核心设计宣言

你不是一个"能写 HTML 的程序员"。你是一位在国际顶级设计奖项（D&AD、红点、IF）评审团工作过的视觉叙事总监。你的每一张 Slide 都是一件独立的平面作品。

反 AI 审美铁律：

禁止千篇一律的圆角卡片堆叠——那是 Bootstrap 模板，不是演示
禁止毫无根据的 glow/blur 装饰——没有意义的光效是噪音
禁止图标当视觉主角——图标是导航辅助，不是设计语言
禁止使用渐变色——渐变蓝、渐变紫、任何颜色渐变都是廉价设计；使用纯色+层次代替
禁止发光效果(glow)——边框用实线，不用 box-shadow 发光
禁止蓝+紫色彩组合——蓝色和紫色绝不能同时出现在同一配色方案中；科技感用蓝+青/绿，创意感用橙/粉/黄

v5.1 新增设计规则： 7. 默认添加图标装饰——即使用户未明确要求配图，也应使用 Iconify 图标丰富视觉层次 8. 内容完整展示——默认展示完整内容，不精简；除非用户主动要求精简版 9. 视频模式字号放大——视频导出时字号 1.5x，减少留白，确保可读性

设计自觉：

每一次配色必须有出处（杂志、展览、品牌案例），不是凭感觉
每一处留白都是有意图的"静默表达"，不是偷懒
每一个动效必须服务于叙事节奏，不是炫技
版式的张力来自"不对称的平衡"，不是居中对齐一切

🎙 音频/视频转录系统

支持的输入源

来源	URL 模式	下载方式
YouTube	`youtube.com/`, `youtu.be/`	yt-dlp
小宇宙播客	`xiaoyuzhoufm.com/episode/*`	yt-dlp / HTML 解析 fallback
直接音频链接	`.mp3`, `.m4a`, `*.wav` 等	curl/requests
本地文件	`/path/to/audio.mp3`	直接使用
其他视频站	任意 URL	yt-dlp 通用尝试

三种转录模式

模式	引擎	费用	速度（1h 音频）	适用场景
local（默认）	MLX-Whisper	$0	~25 min	日常使用，Apple Silicon Mac
api	OpenAI Whisper API	$0.36	~3 min	赶时间，长音频
gemini	Gemini Flash	~$0.06	~2 min	最快最便宜，可同时生成摘要

脚本用法

# 基本用法 - YouTube 视频，本地 Whisper 转录
python3 scripts/transcribe_audio.py "https://youtu.be/xxx"

# 小宇宙播客，使用 Gemini 快速转录并生成摘要
python3 scripts/transcribe_audio.py "https://www.xiaoyuzhoufm.com/episode/xxx" \
  --mode gemini --summary

# 本地音频文件，输出到文件
python3 scripts/transcribe_audio.py "/path/to/podcast.mp3" \
  --mode local --output transcript.md

# 英语内容，OpenAI API 转录
python3 scripts/transcribe_audio.py "https://youtu.be/xxx" \
  --mode api --language en

# 生成 SRT 字幕格式
python3 scripts/transcribe_audio.py "https://youtu.be/xxx" --format srt -o subtitles.srt

参数说明

参数	默认值	说明
`url`	（必填）	音视频 URL 或本地文件路径
`--mode`	`local`	转录模式: `local` / `api` / `gemini`
`--format`	`markdown`	输出格式: `markdown` / `srt` / `txt` / `json`
`--language`	`zh`	音频语言: `zh` / `en` / `auto`
`--model-size`	`turbo`	本地模型: `turbo`（推荐）/ `large`（最准）/ `small`（最快）
`--summary`	false	Gemini 模式下同时生成摘要
`--output` / `-o`	stdout	输出文件路径

依赖安装

# 必装
brew install ffmpeg       # 音频格式转换
brew install yt-dlp       # 下载 YouTube/播客

# 本地模式
pip install mlx-whisper   # Apple Silicon 本地 Whisper

# API 模式需设置环境变量
export OPENAI_API_KEY="sk-..."   # OpenAI Whisper API
export GEMINI_API_KEY="..."       # Gemini Flash API

本地模型选择

模型	ID	速度	质量	适用
turbo（默认）	`whisper-large-v3-turbo`	快	优	日常播客
large	`whisper-large-v3-mlx`	慢	最优	追求最高质量
small	`whisper-small-mlx`	最快	够用	快速预览/低内存

与 PPT 生成的集成

音频/视频转录后的文字会自动进入阶段一的内容解析流程：

transcribe_audio.py 输出 markdown 文本
      ↓
Claude 整理文字（修正错别字、分段、去口水词）
      ↓
提取标题和核心观点作为 PPT 大纲
      ↓
进入正常 PPT 生成流程（风格选择 → 配图 → HTML）

错误处理

场景	自动处理
yt-dlp 未安装	自动 `brew install yt-dlp`
mlx-whisper 未安装	自动 `pip install mlx-whisper`
本地转录内存不足	自动降级到 small 模型
API 文件超 25MB	自动 ffmpeg 分片后合并
API Key 未配置	提示用户设置，或切换到 local
小宇宙 yt-dlp 失败	Fallback 到 HTML 页面解析提取音频链接

附录：图标库系统（Icon Library）

Iconify 图标库（推荐）

<script src="https://code.iconify.design/3/3.1.1/iconify.min.js"></script>

<span class="iconify" data-icon="ph:star-bold" style="font-size: 24px; color: var(--accent);"></span>

附录：图表库系统（ECharts）

<script src="https://cdn.jsdelivr.net/npm/echarts@5.4.3/dist/echarts.min.js"></script>

📊 质量验收标准

设计质量

色彩不超过 3 种主色 + 2 种中性色
所有文本对比度 >= 4.5:1（正文）/ 3:1（大标题）
封面页必须有配图（除 I1 无配图模式）
金句页必须有氛围配图
配图与内容强相关
Unsplash 图片含摄影师署名
每张 Slide 内容不超过 6 个信息点（标准模式）

技术质量

HTML 语义化标签正确使用
响应式在 768px/1024px/1280px 断点表现正常
动画仅使用 transform/opacity/filter（GPU 友好）
6 种翻页动画视觉效果各不相同
自动播放功能正常
prefers-reduced-motion 支持

交互质量

Skill 状态: v5.2 已实现版本: 5.2 最后更新: 2026-02-13

📝 变更日志

v5.2 (2026-02-13) - 原文配图提取（零成本方案）

新增图片提取功能：fetch_webpage.py 自动下载网页中的配图
智能图片过滤：排除图标、广告、logo、小尺寸图片
优先级排序：article 区域图片 > 有 alt 属性 > 大尺寸
配图策略优化：原文配图 > Unsplash > AI 生成 > 图标
零成本优势：原文配图无需 API 调用，内容相关性最佳
命令行参数：--download-images、--image-dir

v5.1 (2026-02-13) - 控制面板增强与视觉优化

控制面板自动隐藏：播放后 3 秒自动隐藏，鼠标移动时显示
动画选择按钮：控制面板内置 6 种动画切换（Fade/Slide/Cinematic/Zoom/Flip/Cut）
全屏按钮：新增全屏切换功能
默认图标装饰：即使 N4 纯文字模式，也默认添加 Iconify 图标丰富视觉
内容完整展示：默认展示完整内容，不精简
视频模式字号规范：视频导出使用 1.5x 字号，减少留白，确保可读性
设计规则新增：第 7-9 条明确图标使用、内容完整性、视频字号要求

v5.0 (2026-02-13) - 禁止蓝紫组合

禁止蓝+紫色彩组合：蓝色和紫色绝不能同时出现在同一配色方案中
风格配色调整：
- A4 Gamma：紫色(#6C5CE7) → 天蓝色(#0EA5E9)
- E1 卡通 2.5D：蓝+紫 → 蓝+绿+橙(#4A90E2+#10B981+#F39C12)
设计宣言新增第6条：明确禁止蓝紫组合，科技感用蓝+青/绿，创意感用橙/粉/黄

v4.9 (2026-02-13) - 纯色设计原则

禁止渐变色：移除所有「渐变蓝」「渐变紫」设计，改用纯色方案
禁止发光效果：边框使用实线，不使用 box-shadow 发光
风格更新：
- A3 Typical PPT：蓝白渐变 → 深蓝+浅灰纯色
- A4 Gamma：渐变强调色 → 天蓝色(#0EA5E9)
- D1 Neo-Tokyo：霓虹粉+青+绿（无紫色）
- D2 Dark Mode：蓝紫渐变 → 冷蓝(#3B82F6)纯色
设计宣言新增：明确禁止渐变色和发光效果

v4.8 (2026-02-13) - API Key 安全修复

移除硬编码 API Key：删除 fetch_unsplash.py 和 generate_images.py 中的硬编码 API Key
新增环境变量配置指南：完整的 API Key 申请和配置说明
API Key 检查功能：未配置时显示友好的错误提示和申请步骤
必需配置：UNSPLASH_ACCESS_KEY（Unsplash 配图）、ZENMUX_API_KEY（AI 生成插图）
可选配置：OPENAI_API_KEY、VOLCENGINE_*、ZHIPUAI_API_KEY、GEMINI_API_KEY

v4.7 (2026-02-12) - 国产 TTS 服务

新增国产 TTS 服务：
- 火山引擎 TTS（字节跳动）：8 种中文语音
- 智谱 AI TTS：支持中文语音合成
- Fish Speech：开源本地部署方案
TTS 服务对比：免费/付费、音质、推荐场景
环境变量配置：VOLCENGINE_*, ZHIPUAI_API_KEY, FISH_SPEECH_URL
命令行更新：--list-services 列出所有 TTS 服务
依赖安装：zhipuai, volcengine-python-sdk（可选）

v4.6 (2026-02-12) - 内嵌字幕功能

内嵌字幕系统：视频导出时自动添加字幕
字幕样式：白字黑背景圆角，使用 PingFang SC 字体，底部居中
字幕同步：按句子分割讲解文字，逐句显示
时长分配：每句字幕时长 = (该句字数 / 总字数) × 页面音频时长
截图优化：每句字幕生成独立截图，确保字幕与音频 100% 同步
图片加载等待：自动等待外部图片加载完成后再截图
命令行参数：--no-subtitle 禁用字幕，--subtitle-fontsize、--subtitle-radius 自定义样式

v4.5 (2026-02-12) - 风格选择优化

直接展示风格列表：在文本中以表格形式展示全部 17 种风格，一目了然
简化选择流程：用户可直接输入编号(A1-E2)或名称选择，无需分两步
Other 选项支持：AskUserQuestion 提供 Other 选项，支持自由输入
智能推荐保留：仍根据内容类型推荐最佳风格，放在选项第一位

v4.4 (2026-02-11) - 风格选择优化

两阶段风格选择流程：
- 第一步：展示推荐风格 + 3 个大类（Classic/Professional、Editorial/Design、Tech/Education）
- 第二步：选择大类后展开该类别下的所有具体风格
完整风格速查表：在文本中以表格形式展示全部 17 种风格，方便用户浏览
优化 AskUserQuestion 使用：每个问题最多 4 个选项，符合工具限制
智能推荐优先：根据内容类型自动推荐最佳风格，同时保留探索其他风格的入口

v4.3 (2026-02-09) - 视频播客模式

新增输出模式选择：M1 仅 HTML PPT / M2 视频播客模式
视频播客模式内容增强：
- 每个主题拆分为 2-3 个子页面（避免单页停留过久）
- 增加数据卡片、关键数字、进度条等视觉元素
- 页数增加 50-100%，内容密度提升
内容拆分策略：概念页 + 数据页 + 案例页
推荐配图方案：Excalidraw 技术图表 + 信息图表
优化工作流：9 个阶段，步骤清晰

v4.2 (2026-02-09) - 视频导出 v3.0 音频驱动

音频驱动时长：每页展示时间 = 该页音频实际时长，视频/音频 100% 同步
流程重构：先生成音频 → 获取时长 → 按时长截图 → 合成视频
ffprobe 时长检测：使用 ffprobe 替代 mutagen，更可靠
移除 --duration 参数：时长完全由讲解文字决定
默认语音改为云健：zh-CN-YunjianNeural（新闻播报男声）

v4.1 (2026-02-09) - 视频导出功能

新增视频导出系统：将 HTML PPT 转换为带配音的 MP4 视频
Playwright 截图：高清捕获每页幻灯片（2x 分辨率）
双 TTS 服务：Edge TTS（免费，16种中文语音）/ OpenAI TTS（高质量）
智能时长对齐：根据配音长度自动调整每页展示时间
新增脚本：scripts/ppt_to_video.py
新增工作流阶段：阶段七 - 视频导出选项
支持自定义讲解：data-narration 和 data-duration HTML 属性

v4.0 (2026-02-08) - 架构升级

LLM 智能设计优先：Claude 直接生成 CSS 设计，不再依赖固定模板
本地模板作为 fallback：16 种预设模板降级为备选方案
新增 LLMDesignGenerator：Python 类处理 LLM 生成的设计规范
新增 LLMHTMLGenerator：使用 LLM 设计生成完整 HTML
设计 JSON 格式规范：标准化的设计描述格式
自动播放隐藏功能：点击播放后控制面板自动消失
动画切换按钮：所有模板支持 4 种动画切换

v3.2 (2026-02-08)

优化工作流程，确保完整配置询问
新增配图方案细分（图标/信息图表/几何装饰）
添加 AskUserQuestion 标准 JSON 模板
添加内容类型→风格推荐映射表

v3.1 (2026-02-08)

新增音频/视频转录功能
16 种风格模板完整实现
Unsplash API 集成
6 种翻页动画