pptx-wzq · PPT 多模态教学知识库自动化构建
作者：吴振谦 · wuzhenqian@nbu.edu.cn · QQ：38328063 本项目帮助高校教师把教学 PPT 自动转化为图文并茂的多模态教学知识库。
把一份教学 PPT 自动转化为可检索、可复用、可再加工的多模态教学知识库： 图片集 + 图片 AI 理解 + 公式 LaTeX + 教材文案 + 图文绑定 JSON，并可一键导出 教材 HTML 与教学 Deck。
PPT(.pptx)
→ 文本提取（文本ID+坐标） pptx-text
→ 公式提取 pptx-formula
→ 图片提取/过滤 + 原子对象（shape/connector/table） pptx-img
→ 可视逻辑块解析 + Semantic Captioning（合并图片AI解读） pptx-blocks
→ 可视逻辑块相关性过滤（剔除 logo/作者/单位等无关块） pptx-related
→ 教材文案（原文超 300 字直出不扩写） pptx-author
→ 可视逻辑块 JSON 组装（pptx_multimodal_slide_v2.0 全栈解析） pptx-blocks
→ 一条命令编排（日志 + 断点续传） pptx-paser
→ 教材 HTML/Deck pptx-html / pptx-deck
安装
pip install pptx-wzq # 核心
pip install "pptx-wzq[ocr]" # 含本地公式 OCR（pix2tex，可选）
Windows 下会自动安装 pywin32（用于 PowerPoint 渲染矢量图）。
首次运行 pptx-paser 会自动补齐缺失组件、检查 API Key
（DeepSeek / 阿里云百炼）并引导注册。
权重来源与许可：图片过滤内置的 YOLO 模型权重
yolov5su.pt来自 ultralytics（YOLO 官方）， 采用 AGPL-3.0 许可证随包分发；商用或闭源使用请自行评估其开源条款。
快速开始
# 一条命令跑完整流水线（自动装依赖 / 引导 Key / 预估 Token / 确认执行）
pptx-paser 第九章功率放大电路.pptx -o output
# 结果目录：
# output/images/ + output/<名>_captions.md + <名>_textbook.md + <名>_binding.json
# 导出教材 HTML（MathJax 公式渲染）
pptx-html output -o output/第九章.html
# 分步执行 / 断点续跑
pptx-img 课件.pptx -o out
pptx-caption out/images -o cap.md --texts out/texts.md --formulas out/formulas.md
pptx-related out -o out/课件_captions.md --texts out/texts.md
pptx-paser 课件.pptx -o out --skip img,formula,text
pptx-paser 课件.pptx -o out --dry-run # 预览续跑/执行计划（不执行）
pptx-paser 课件.pptx -o out --reset # 强制从头重跑
断点续传：
pptx-paser在结果目录写state.json（步骤状态机）与pipeline.log（运行日志）。中途中断后重跑同一条命令，会自动跳过已完成 步骤、从断点续跑（图片解读按图、教材文案按页、图文绑定按页）， 无需手动--skip；--dry-run可先预览计划。
指令一览
| 命令 | 功能 | 模型 | Token |
|---|---|---|---|
pptx-text |
逐页文本/表格提取（排除页眉页脚），每条文本带 text_id 与幻灯片坐标 x/y/w/h | — | 0 |
pptx-formula |
公式三路径提取（OMML / EQ3-MTEF / OCR）→ LaTeX | — | 0 |
pptx-img |
图片提取 + 三路过滤 + WMF 识别/渲染 + 公式图片补提；Visio OLE 按容器存 .vsdx/.vsd；emf/wmf/svg 规范化 svg（失败回退 wmf）；记录幻灯片坐标；收集原子对象（shape/connector/table → atomic_objects.json） |
— | 0 |
pptx-blocks |
可视逻辑块全栈解析：四向种子扩展区域生长把每页拆成 1~6 块 → 块渲染 PNG → 图/树拓扑 → 跨模态关系 → visual_blocks.json（pptx_multimodal_slide_v2.0 schema）+ 块级 captions.md；--semantic-model deepseek-v4-flash 用 DeepSeek 生成每块 semantic_description（表达目标/作用/抽象特征/图文描述/教学用途）；--no-vlm 纯规则聚类 |
deepseek-v4-flash / qwen3.7-plus | 有 |
pptx-caption |
（旧）图片 AI 解读——已并入 pptx-blocks，保留兼容 |
qwen3.7-plus | 有 |
pptx-related |
可视逻辑块相关性过滤：DeepSeek 判定块与正文是否相关，无关块（logo/作者/单位/项目类别/重复装饰等）连同解读一并删除，写审计 json | deepseek-v4-flash | 有 |
pptx-author |
教材文案（学科推断 + 整文生成 + 自适应分批）；某页原文超 300 字直接提取不扩写（--no-expand-threshold） |
deepseek-v4-flash | 有 |
pptx-bind |
（旧）图文绑定 JSON——保留兼容，新流程由 pptx-blocks 的 visual_blocks.json 替代 |
deepseek-v4-flash | 有 |
pptx-paser |
整体编排（text → formula → img → blocks → related → author → blocks_json）：环境自检 / Key 引导 / Token 预估 / 日志+断点续传（state.json / pipeline.log）/ --dry-run / --reset |
— | — |
pptx-html |
单文件教材 HTML（MathJax 公式 + PPT 原生标题） | — | 0 |
pptx-deck |
教育蓝图风格教学 Deck（示例脚本） | — | 0 |
API Key
| 用途 | 平台 | 模型 |
|---|---|---|
| 可视逻辑块 Semantic Captioning / 公式图片识别 | 阿里云百炼（bailian.console.aliyun.com） | qwen3.7-plus |
| 教材文案 / 学科判断 / 相关性判定 / 跨模态关系 | DeepSeek（platform.deepseek.com） | deepseek-v4-flash |
缺失时 pptx-paser 会打印注册引导并交互写入环境变量（DEEPSEEK_API_KEY /
DASHSCOPE_API_KEY）。
产物
结果目录/
├─ images/ 可视逻辑块渲染图（slide_NN_blk_NN.png）
├─ sources/ 矢量源文件归档（vsdx/svg/wmf/emf，可编辑资产）
├─ <名>_texts.md 文本清单（ID | 类型 | 文本 | 坐标；表格行类型）
├─ <名>_captions.md 可视逻辑块级 AI 解读（# images 图片 AI 解读，块为条目单位）
├─ <名>_textbook.md 教材文案（直出标注在节标题后；原文超 300 字直出）
├─ <名>_visual_blocks.json 可视逻辑块全栈解析（pptx_multimodal_slide_v2.0：
│ slide_info/textual_content/visual_blocks（几何/拓扑/
│ 资源/类型/semantic_description）/cross_modal_relations/
│ summary；替换原 binding.json）
├─ <名>_visualBlock_text_binding.json 可视逻辑区↔文本 图文关联（块↔文本）
├─ <名>_related_filter.json 可视逻辑块相关性过滤审计（被删块 + 原因）
├─ state.json 断点续传状态机（含 doc_md5/tool_version，换源提示）
├─ pipeline.log 运行日志（每步开始/完成/失败时间戳）
└─ 过程文件/ 中间产物（by_page / manifest / texts / formulas / …）
应用
- 课程知识内容体系自动构建（章 → 节 → 知识点 → 公式 + 配图）
- 基于学情测验的个性化学习内容生成
- 教材二次开发与多形态出版（HTML / Deck / Word / PDF）
- 智能问答与 RAG 检索（binding.json 作索引，答案图文并茂）
- 试题与测验生成（按 Bloom 认知层次，真实配图出题）
License
MIT
1 maintainer
Download files
Download the file for your platform. If you're not sure which to choose, learn more about installing packages.
Source Distribution
pptx_wzq-2.4.0.tar.gz
(17.7 MB
view details)
Built Distribution
Filter files by name, interpreter, ABI, and platform.
If you're not sure about the file name format, learn more about wheel file names.
Copy a direct link to the current filters
pptx_wzq-2.4.0-py3-none-any.whl
(17.7 MB
view details)
File details
Details for the file pptx_wzq-2.4.0.tar.gz.
File metadata
- Download URL: pptx_wzq-2.4.0.tar.gz
- Upload date:
- Size: 17.7 MB
- Tags: Source
- Uploaded using Trusted Publishing? No
- Uploaded via:
twine/7.0.0 CPython/3.13.14
File hashes
| Algorithm | Hash digest | |
|---|---|---|
| SHA256 |
e2b10de2ce6dbe16bffc0f1574a70aecd28f89be851cae43d80e25b4115846d6
|
|
| MD5 |
686e75a27be395b6e80fa6f1bb259e37
|
|
| BLAKE2b-256 |
d445f6e2356368d495adb968ea3718b71da4c81f18ba5b86b6cf8c0fcaf40483
|
File details
Details for the file pptx_wzq-2.4.0-py3-none-any.whl.
File metadata
- Download URL: pptx_wzq-2.4.0-py3-none-any.whl
- Upload date:
- Size: 17.7 MB
- Tags: Python 3
- Uploaded using Trusted Publishing? No
- Uploaded via:
twine/7.0.0 CPython/3.13.14
File hashes
| Algorithm | Hash digest | |
|---|---|---|
| SHA256 |
df47c8c6ee48ae6ac06cd5625620c303f27f2eb8f8bcae5347ba81345015f643
|
|
| MD5 |
8155dc8b7bdcac36b8ea4f4a1dcda9c4
|
|
| BLAKE2b-256 |
3790cbb3c7da196cebbdf1a3fa89099fcca9cef6ab54d9f58c4a12357626de5a
|
