PPT 演示稿 OCR 提取
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @org-eyw2ohcx/mzlzyca-ppt-ocr-040。
技能介绍
要解决什么问题
老版 .ppt 往往没有可复制的文本层:幻灯片以图片或嵌入对象为主,直接交给大模型做摘要、引用或改写时,拿不到可靠正文。手工逐页 OCR 或截图再识别,既慢又难保证页码与结构一致。这个技能把 MinerU 开放 API(mineru-open-api) 接到 Agent 工作流里,对本地路径或远程 URL 的演示稿做统一抽取,并把结果以文本(或按需落盘)交给你后续处理。
技能如何工作
- 输入范围:仅支持
.ppt;可走本地文件,也可传 URL。 - 鉴权:抽取与爬取都需要 Token,可在 mineru.net 控制台 创建,或通过
MINERU_TOKEN等环境变量 / mineru-open-api 认证交给技能使用。 - 抽取参数:
--language提供语言提示(默认ch,英文可设en);在适用场景下可用--pages限定页范围。以图为主的幻灯片应加--ocr,否则正文容易缺失。 - 输出行为:默认写到 stdout;需要文件时用
-o。部分二进制形态(如 docx)必须指定-o,不能流式打到 stdout。进度与状态信息走 stderr,便于和正文分离。
底层解析依赖 OpenDataLab(上海 AI Lab)开源项目 MinerU。
适用边界与注意点
- 没有有效 Token 时,
.ppt抽取无法完成;上线前先把鉴权链路跑通。 - 技能面向的是
.ppt,不要假设对.pptx或其它 Office 格式有同等支持(除非文档另行说明)。 - 图多、扫描页、复杂版式时,应主动启用
--ocr,并抽查几页核对 Markdown/文本是否可读。 - 需要长期留存或接下游流水线时,优先用
-o写文件,避免把 stderr 里的日志误当正文。
使用场景
- 法务收齐对方发来的老版 .ppt 附件,需先抽出全文再对照合同条款做差异检索
- 资料馆员把馆藏讲座课件的 URL 批量转成 Markdown,按章节喂给检索或问答索引
- 投研助理只处理路演材料第 5~20 页,用页码参数抽取后写入纪要模板
- 客服知识库运维遇到以图片为主的培训 .ppt,需开 OCR 再合并进现有词条
适合人员
- 负责历史资料数字化的馆员,要把 URL/本地的老 .ppt 变成可检索正文
- 每天处理邮件里 .ppt 附件的法务助理,需要先全文抽取再检索关键词
- 维护 MinerU Token 与批处理脚本的内部平台工程师,要把抽取接到 Agent 流水线
- 投研或咨询分析师,只想抽取部分页码的路演页再写内部备忘录