nanobanana-ppt-skills

核心用法

PPT Generator Pro 采用六阶段智能工作流实现自动化演示文稿制作。首先通过交互式对话收集用户输入，支持文档路径读取、直接文本输入或主动询问三种方式获取内容，并引导选择渐变毛玻璃或矢量插画风格、页数范围（5-25页）及分辨率（2K/4K）。第二阶段利用 Claude 进行智能文档分析，根据页数自动规划内容结构，生成包含封面、目录、核心内容、数据可视化及总结的标准化 JSON 规划文件。

第三阶段调用 Nano Banana Pro API（Google Gemini）生成 16:9 高清 PPT 图片，支持批量并行处理。第四阶段是核心差异化功能：Claude 自动分析相邻页面的视觉差异，为每个转场生成精准的视频提示词，确保文字清晰度和风格一致性。第五阶段可选调用可灵 AI 生成 5 秒转场视频，最终通过 FFmpeg 合成包含所有转场的完整演示视频，输出交互式 HTML 播放器。

显著优点

双模态输出能力：不仅生成静态高清图片（2K/4K），还可产出带 AI 转场动画的专业视频，满足现代演示对动态效果的需求。智能视觉分析：相比简单的图片拼接，该 Skill 能深度分析页面间的视觉逻辑，生成符合玻璃拟态风格的流畅转场提示词。专业视觉风格：内置渐变毛玻璃（科技感）和矢量插画（教育/创意）两种高质量风格模板，基于 Apple Keynote 极简主义设计美学。交互式体验：提供完整的键盘导航播放器，支持视频+图片混合播放模式，可循环预览首页并手动控制转场节奏。灵活的内容适配：支持从简短 5 页快速演示到 25 页深度报告的智能内容规划，自动匹配演讲时长（5-60分钟）。

潜在缺点与局限性

外部依赖较重：核心功能依赖 Google Gemini API 和可灵 AI API，需稳定的网络连接和有效的 API 密钥，离线环境无法使用。成本考量：高清图片生成（特别是 4K）和 AI 视频转场消耗较多 Token 和 API 额度，长演示（20+页）成本较高。本地环境要求：视频功能需额外安装 FFmpeg，对非技术用户有一定门槛。生成耗时：每页图片约 30-60 秒，加上视频生成，完整流程可能需要数十分钟，不适合紧急场景。风格扩展性：目前仅内置两种风格，自定义新风格需要编写 Markdown 模板，有一定技术门槛。

适合的目标群体

商务人士与顾问：需要快速将会议纪要和商业计划转化为高质量提案，支持 2K/4K 分辨率满足投影和打印需求。产品经理与运营：制作产品发布会 PPT 和数据分析报告，AI 转场视频提升演示专业度。教育工作者：矢量插画风格适合课件制作，交互式播放器便于课堂控制节奏。市场营销人员：生成品牌故事和营销方案演示，支持视频导出便于社交媒体传播。技术开发者：需要为开源项目或技术分享生成文档化演示，支持代码友好的内容结构。

使用风险

API 密钥安全：需在本地配置 GEMINI_API_KEY 和可灵 AI 密钥，建议使用 .env 文件并加入 .gitignore，避免意外提交到版本控制。存储空间占用：4K 图片单张约 8MB，加上视频文件，一个 15 页演示可能占用 200MB+ 空间，需注意磁盘容量。网络超时风险：API 调用可能因网络波动失败，长演示建议分批次生成。FFmpeg 兼容性：视频合成功能依赖系统 FFmpeg 版本，不同操作系统（macOS/Ubuntu）安装方式不同，可能出现编码兼容性问题。