技能介绍

要解决的问题

把 PPT 变成培训视频，常见做法是录屏加后期配音：屏幕录制画质不稳定，人声录制环境要求高，后期对齐还要花时间。项目评审、对外汇报、课程讲义这类材料通常已经有完整幻灯片，缺的只是一段能独立播放、声音讲解清晰的成品视频。这个技能把这条链路自动化：解析 PPT 内容、起草解说稿、合成语音与画面、输出 1080p 的 MP4，中间留出人工审核的口子。

核心能力与工作步骤

内容解析：读取 PPT/PPTX 的每一页，生成对应解说文本，5～50 页的演示文稿对应 5～30 分钟视频。
脚本审核：AI 起草后输出 audit.json，逐句检查语速（估算 2.5～4.5 字/秒）、填充词（嗯/啊/这个/那么）、与相邻页或全文的重复、术语一致性、涉敏词，以及数字断言的来源声明。
语音合成：调用 edge-tts 生成浑厚中文男声，可选叠加轻量背景乐。
渲染输出：结合字幕样式生成 1080p MP4。

适用边界与注意点

平台限制：依赖 PowerPoint COM，只能在 Windows 上运行。
网络依赖：首次运行 edge-tts 需联网访问 Microsoft 在线语音服务，代理异常时会报 无法连接到 speech.platform.bing.com。
字体要求：系统缺 msyhbd.ttc 时字幕显示为方块，需安装该字体或调整 force_style。
路径处理：PPT 路径含中文不会出错，中间文件会自动落到 C:\Temp\ppt2video_{ts}\ 这样的 ASCII 目录。
时长约束：不适合超长视频，单次生成时长建议控制在 30 分钟以内。
编码排查：输出无声时检查 ffmpeg 是否支持 aac 编码。