网友作品 #000067 · 提交于 2026/08/07
早会录屏转PPT工具：抽帧去重与文案提取
★★★★★业余水平办公智能体国内顶级模型python
作品简介
早会录屏 PPT 自动还原工具面向「录屏翻页快、想留下课件」的场景：导入 MP4/AVI/MOV 等录屏视频后，工具边抽帧边比对，自动识别真实翻页并去重，把有效页面一键生成图片版 PPT；再通过 OCR 或视觉大模型把每页的文字、表格提取出来，整理成符合公文格式规范的 docx 文档。全流程在图形界面完成，首页实时展示环境状态与处理日志。
核心亮点
- 流式抽帧去重：正文区域 pHash 汉明距离、标题区域像素差异、全图门控加像素二次验证三层检测识别真实翻页，杜绝转场帧造成的重复页
- 后处理近重复合并：相邻页 pHash 距离达标自动合并，并有漏页校验——场景切换计数与保留页数偏差超 10% 自动告警
- 一键生成图片版 PPT：按图片实际尺寸自动选择 16:9 等幻灯片比例，图片等比居中铺满页面
- 双通道文案提取：rapidocr 本地离线零成本，或调用 Kimi、Qwen-VL、GLM-4V 等视觉大模型，表格、图表、截图理解更准确
- 生成公文格式 docx：方正小标宋标题、黑体页标题、仿宋正文（首行缩进 2 字符）、楷体图注，A4 页面按 GB/T 9704 页边距排版
- 大模型 API 管理：内置常用视觉模型预设，OpenAI 兼容协议可自定义增删接口，API Key 仅保存在本机配置文件
- 内置 FFmpeg，无需单独安装
技术与工具
- 界面：Python tkinter / ttkbootstrap
- 视频处理：FFmpeg（内置）+ OpenCV；图像去重用 imagehash（16×16 pHash）与场景切换检测
- OCR：rapidocr / rapid-table / rapid-layout，纯 CPU 离线运行
- AI 识别：OpenAI 兼容视觉大模型 API（可选，按量计费）
- 文档生成：python-pptx、python-docx（公文排版）
- 开发方式：办公智能体工具辅助，业余编程水平完成
适用场景
- 会议、培训录屏还原成可翻阅的 PPT 存档
- 图片型 PPT、扫描版幻灯片批量提取文字与表格，形成文字纪要
- 教育机构、企业培训部门把存量视频课件批量转换成 PPT 和文档，便于二次编辑、分发与归档
原始提交内容（点开查看，可复制全文去问 AI）
功能流程
1. 视频导入与抽帧去重
- 导入 MP4/AVI/MOV 等录屏视频，自动显示时长、分辨率、帧率， 并生成封面（首帧）/ 封底（末帧）预览
- 流式抽帧去重：边抽边比对，三层检测识别真实翻页——
- 正文区域 16×16 pHash 汉明距离（阈值可调）
- 标题区域像素差异（捕捉 pHash 无法区分的文字变化）
- 全图门控 + 像素二次验证（排除哈希噪声与转场闪烁）
- 后处理近重复合并：相邻页 pHash 距离 12 自动合并， 杜绝转场帧造成的重复页
- 漏页校验：场景切换计数 vs 保留页数，偏差超 10% 自动告警
- 内置 FFmpeg（
tools/ffmpeg），无需单独安装
2. 图片生成PPT
- 抽帧结果以页面列表展示，支持上下双图对比预览（当前页 / 下一页）
- 支持插入分隔符将页面分组、删除选中页、重新加载
- 一键生成图片版PPT：根据图片实际尺寸自动选择幻灯片比例（16:9 等）， 图片等比居中铺满页面
3. PPT文案提取（双通道）
| 通道 | 原理 | 特点 |
|---|---|---|
| ** OCR提取** | rapidocr + 版面特征切割 + rapid-table 表格识别 | 本地离线、零成本 |
| ** AI提取** | 云端视觉大模型（Kimi / Qwen-VL / GLM-4V）语义识别 | 表格、图表、截图理解更准确 |
- 每页按「原始完整图片 提取的图片 表格 文本」顺序组织
- 生成公文格式 docx：方正小标宋标题、黑体页标题、仿宋正文 （首行缩进2字符、28磅行距）、楷体图注，A4 + GB/T 9704 页边距
- 文案列表记录「转换方式」（OCR-方案 / AI-接口名），双击直接打开文件
4. 大模型API管理（参数设置）
- 内置 Kimi、通义千问、智谱GLM 等常用视觉模型预设
- OpenAI 兼容协议，支持自定义添加 / 更新 / 删除接口，一键设为当前
- API Key 本地持久化，仅保存在本机配置文件
技术栈
- 界面：Python + tkinter / ttkbootstrap
- 视频处理：FFmpeg（内置）+ OpenCV
- 图像去重：imagehash（16×16 pHash）+ 场景切换检测
- OCR：rapidocr / rapid-table / rapid-layout（纯 CPU，离线）
- AI 识别：OpenAI 兼容视觉大模型 API（可选，按量计费）
- 文档生成：python-pptx / python-docx（公文排版）
适用场景
- 会议录屏需要还原成可翻阅的 PPT
- 图片型 PPT / 扫描版幻灯片需要提取文字、表格形成纪要
- 培训视频课件批量转文档存档