AI-PPT-Extractor 🎨

🚀 Turn Static Slide Images into Fully Editable Presentations with AI

English | 中文

---

English

🌟 What is AI-PPT-Extractor?

AI-PPT-Extractor is an intelligent PowerPoint reverse engineering tool that leverages cutting-edge AI vision models (Google Gemini / OpenAI GPT-5) to deconstruct static slide images into fully editable .pptx files.

Unlike traditional PPT generators that produce static images, this tool extracts individual layers (background, text, visual elements) and reconstructs them as native PowerPoint objects - making every element editable, movable, and customizable.

💡 Why This Tool?

Recent AI-powered PPT generation tools (like banana-slides) create stunning presentations, but they output static images - making post-editing nearly impossible.

AI-PPT-Extractor solves this problem by:

• 🔍 Extracting text, images, and shapes from slide screenshots
• 🎨 Removing text overlays and reconstructing clean backgrounds
• 🔧 Converting visual elements into editable PPT objects
• 📥 Exporting everything as a native .pptx file

✨ Key Features

• 📂 Multi-Format Support: Upload PDF, PNG, JPG slides (batch processing supported)
• 🧠 AI Layout Analysis:
  • Precise detection of text blocks, visual elements, and background colors
  • Automatic separation of text and visual layers
• 🎨 Intelligent Background Restoration:
  • Auto Text Removal: AI erases text and reconstructs background textures
  • Manual Eraser: Select regions to remove unwanted elements
• ✏️ Vector Conversion (Beta): Convert simple shapes (rectangles, circles, arrows) into native PPT shapes
• 🛠️ Manual Correction Workflow:
  • Interactive canvas for adjusting detection boxes
  • Modify element types (text/image) or delete false positives
• 📥 One-Click Export: Export individual slides or entire presentations as .pptx
• ⚙️ Multi-Model Support: Switch between Google Gemini and OpenAI (GPT-5/o1/o3) backends

🛠️ Tech Stack

• Frontend: React 19, TypeScript
• Build Tool: Vite
• Styling: Tailwind CSS
• AI Integration: Google GenAI SDK (@google/genai), OpenAI API Compatible
• File Handling: pptxgenjs (PPT generation), pdfjs-dist (PDF parsing)

🚀 Quick Start

1. Prerequisites

• Node.js v18+ installed
• Clone or download this repository

2. Install Dependencies

npm install

3. Configure API Keys

Option A (Environment Variables): Create .env.local in the root directory:

GEMINI_API_KEY=your_google_gemini_key

Option B (UI Settings): After launching, click the settings icon in the top-right corner to manually input API keys and Base URLs.

4. Launch

npm run dev

Visit http://localhost:3000 to start using the tool.

📖 Workflow

4-Step Process:

1. Upload

   • Drag & drop PDF/image files
   • Select a slide from the sidebar

2. Analyze

   • Click "Analyze Layout"
   • AI detects page structure (takes a few seconds)

3. Correct

   • Blue boxes = Text, Orange boxes = Images
   • Drag to resize, right-click to modify/delete
   • Click "Confirm & Process"

4. Edit & Export

   • AI generates text-removed background
   • Image Mode: View final result, erase regions, or regenerate elements
   • Vector Mode: Convert icons to shapes
   • Click "Export Current Slide" or "Export All Slides"

⚙️ Model Configuration

Google Gemini

• Recognition Model: gemini-3-pro-preview (better vision understanding)
• Drawing Model: gemini-2.5-flash-image (supports image-to-image)

OpenAI Compatible (Supports 3rd-party models)

• Recognition Model: gpt-4o, gpt-4o-mini, o1, o3-mini or other Vision models (e.g., Qwen/Qwen2-VL-72B-Instruct, Claude-3.5-Sonnet)
• Drawing Model: dall-e-3 or image generation models
• JSON Mode Support:
  • ✅ GPT-4/GPT-5 series, o1/o3 series: Enable checkbox
  • ❌ Qwen/Claude/Open-source models: Disable checkbox
  • If you see Json mode is not supported for this model error, uncheck this option in settings

🔧 Troubleshooting

Q: "Json mode is not supported for this model" error?

A: Your model (e.g., Qwen) doesn't support OpenAI's JSON response format. Solution:

1. Open settings panel (top-right)
2. Switch to "OpenAI Settings" tab
3. Uncheck "Supports JSON Mode (response_format)"
4. Save and retry

Q: Which models support JSON mode?

A:

• ✅ Supported: GPT-4, GPT-4o, GPT-4o-mini, GPT-5, o1, o3-mini (OpenAI official models)
• ❌ Not Supported: Qwen, Claude, Llama, most open-source models (via 3rd-party APIs)

⚠️ Known Limitations

• Text Editing: OCR detects text content, but in-app editing is not supported (edit in exported PPT)
• Formulas: LaTeX is recognized but exported as plain text (use MathType plugin)
• Batch Processing: Manual review required for each slide to ensure accuracy
• Save State: No auto-save - complete the workflow before closing

📄 License & Credits

Author: 謝懿Shine (@FuTseYi)

This project was developed with AI assistance (Google Gemini). Core logic and architecture designed by the author.

License: MIT License - Copyright © 2025 謝懿Shine. All Rights Reserved.

---

Disclaimer: This tool is for educational purposes only. Do not use it to extract copyrighted commercial PPT templates for profit. AI service costs are borne by the user.

---

中文

🌟 什么是 AI-PPT-Extractor？

AI-PPT-Extractor（AI PPT 提取器） 是一款智能 PowerPoint 反向工程工具，利用前沿 AI 视觉模型（Google Gemini / OpenAI GPT-5）将静态幻灯片图片拆解为完全可编辑的 .pptx 文件。

与传统 PPT 生成工具输出静态图片不同，本工具提取各个图层（背景、文字、视觉元素）并重构为 PPT 原生对象 - 让每个元素都可编辑、可移动、可自定义。

💡 为什么需要这个工具？

最近的 AI 驱动 PPT 生成工具（如 banana-slides）能创建精美演示文稿，但它们输出的是静态图片 - 几乎无法进行后期编辑。

AI-PPT-Extractor 解决了这个问题：

• 🔍 提取 幻灯片截图中的文字、图片和形状
• 🎨 移除 文字覆盖层并重建干净背景
• 🔧 转换 视觉元素为可编辑的 PPT 对象
• 📥 导出 所有内容为原生 .pptx 文件

✨ 核心功能

• 📂 多格式支持：上传 PDF、PNG、JPG 幻灯片（支持批量处理）
• 🧠 AI 布局分析：
  • 精确检测文本块、视觉元素和背景颜色
  • 自动分离文本层和视觉层
• 🎨 智能背景修复：
  • 自动去字：AI 擦除文字并重建背景纹理
  • 手动橡皮擦：选择区域移除不需要的元素
• ✏️ 矢量转换（Beta）：将简单形状（矩形、圆形、箭头）转换为 PPT 原生形状
• 🛠️ 人工校正工作流：
  • 交互式画布调整检测框
  • 修改元素类型（文本/图片）或删除误检
• 📥 一键导出：导出单页或整个演示文稿为 .pptx
• ⚙️ 多模型支持：在 Google Gemini 和 OpenAI (GPT-5/o1/o3) 后端之间切换

🛠️ 技术栈

• 前端: React 19, TypeScript
• 构建工具: Vite
• 样式: Tailwind CSS
• AI 集成: Google GenAI SDK (@google/genai), OpenAI API Compatible
• 文件处理: pptxgenjs (PPT生成), pdfjs-dist (PDF分析)

🚀 快速开始

1. 环境准备

• 已安装 Node.js v18+
• 克隆或下载本仓库

2. 安装依赖

npm install

3. 配置 API Key

方式 A（环境变量）：在根目录创建 .env.local 文件：

GEMINI_API_KEY=你的_Google_Gemini_Key

方式 B（UI 设置）：启动后，点击右上角设置图标手动输入 API Key 和 Base URL。

4. 启动项目

npm run dev

访问 http://localhost:3000 开始使用。

📖 操作流程

4 步工作流：

1. 上传

   • 拖拽 PDF/图片文件
   • 从侧边栏选择幻灯片

2. 分析

   • 点击 "开始分析布局"
   • AI 识别页面结构（需要几秒钟）

3. 校正

   • 蓝色框 = 文字，橙色框 = 图片
   • 拖拽调整大小，右键修改/删除
   • 点击 "确认并处理"

4. 编辑与导出

   • AI 生成去除文字的背景
   • 图片模式：查看最终效果，擦除区域或重新生成元素
   • 矢量模式：将图标转为形状
   • 点击 "导出当前页" 或 "导出全部幻灯片"

⚙️ 模型配置建议

Google Gemini

• 识别模型: gemini-3-pro-preview（更强的视觉理解能力）
• 绘图模型: gemini-2.5-flash-image（支持图生图）

OpenAI Compatible（支持第三方模型）

• 识别模型: gpt-4o, gpt-4o-mini, o1, o3-mini 或其他 Vision 模型（如 Qwen/Qwen2-VL-72B-Instruct, Claude-3.5-Sonnet）
• 绘图模型: dall-e-3 或图像生成模型
• JSON 模式支持:
  • ✅ GPT-4/GPT-5 系列、o1/o3 系列：勾选复选框
  • ❌ Qwen/Claude/开源模型：取消勾选
  • 如果遇到 Json mode is not supported for this model 错误，请在设置中取消勾选

🔧 常见问题

Q: 遇到 "Json mode is not supported for this model" 错误？

A: 您使用的模型（如 Qwen）不支持 OpenAI 的 JSON 响应格式。解决方法：

1. 打开设置面板（右上角）
2. 切换到 "OpenAI 设置" 标签
3. 取消勾选 "支持 JSON 模式 (response_format)"
4. 保存并重试

Q: 哪些模型支持 JSON 模式？

A:

• ✅ 支持: GPT（OpenAI 官方）
• ❌ 不支持: Qwen、Claude、大部分开源模型（通过第三方 API）

⚠️ 已知限制

• 文字编辑：OCR 识别文字内容，但不支持应用内编辑（在导出的 PPT 中编辑）
• 公式：识别 LaTeX 但导出为纯文本（使用 MathType 插件）
• 批量处理：每张幻灯片需要手动审核以确保准确性
• 保存状态：无自动保存 - 完成工作流后再关闭

📄 许可与致谢

作者: 謝懿Shine (@FuTseYi)

本项目在 AI 辅助下开发（Google Gemini）。核心逻辑和架构由作者设计。

许可: MIT License - Copyright © 2025 謝懿Shine. All Rights Reserved.

---

免责声明: 本工具仅供学习交流使用。请勿用于提取有版权保护的商业 PPT 模板进行盈利。AI 服务费用由用户承担。

---

⭐ If you find this project helpful, please give it a star! ⭐

如果这个项目对你有帮助，请给个 Star！

Made with ❤️ by 謝懿Shine