image-to-ppt

Image to PPT

把输入图片重建为分层 PPTX。保持严格语义拆分；质量校验失败时停止，不要将整页 flatten 为单张图片。

环境

• 使用 Python 3.10–3.12；该范围与当前项目测试和分发契约一致。

• 安装 torch>=2.5.1、torchvision>=0.20.1、Transformers 和 SAM 2.1。运行 pip install -r references/requirements.txt。

• LaMa 由内置的本地 TorchScript adapter 调用，依赖随 references/requirements.txt 中的 torch>=2.5.1,<3 安装。产品安装默认从已验证的 runtime receipt 解析模型；独立 skill 必须通过绝对路径设置 LAMA_MODEL，且文件须匹配固定 Big-LaMa 身份。

• 若 OCR 不可用，先让用户选择：PaddleOCR（中文、英文和复杂版面识别通常更好，执行 python -m pip install "paddleocr==3.7.0" "paddlepaddle==3.3.1" "PaddleX==3.7.2" "PyYAML==6.0.2"）或 Tesseract（较轻量，但还要安装系统 Tesseract，执行 python -m pip install pytesseract）。未经用户确认，不要安装任何 OCR。

• 完整仓库或已安装 image2editable 产品包时，OCR 就绪后先让用户确认，再依次运行 image2editable models install runtime 和 image2editable doctor。前者下载并校验固定的 SAM、LaMa、DINO runtime receipt；取消时不得下载。

• 如果用户明确选择 local，再依次运行 python -m pip install ".[agent-local]"、image2editable models install agent 和 image2editable doctor --agent-local；模型下载仍须先获得用户确认，仓库不包含模型权重。

• 纯 standalone 环境中，独立 skill 不假设该包存在，也不运行 image2editable doctor。开始转换前，必须把 SAM2_MODEL、LAMA_MODEL 和 GROUNDING_DINO_MODEL 设置为绝对本地路径；SAM2_MODEL、LAMA_MODEL 必须指向文件，GROUNDING_DINO_MODEL 必须指向目录，并运行最小只读预检：

  python -c "import os; from pathlib import Path; names=('SAM2_MODEL','LAMA_MODEL','GROUNDING_DINO_MODEL'); raw={name: os.environ.get(name, '') for name in names}; paths={name: Path(value) for name, value in raw.items()}; assert all(raw.values()) and all(path.is_absolute() for path in paths.values()) and paths['SAM2_MODEL'].is_file() and paths['LAMA_MODEL'].is_file() and paths['GROUNDING_DINO_MODEL'].is_dir(); print('runtime model paths: ok')"
  

• 优先使用当前平台已正确安装的硬件加速环境；产品环境须通过 doctor，所有环境须通过下列设备预检。不要仅为 WSL 建议离开已经可用的环境：

  python -c "import sys, torch; print({'platform': sys.platform, 'cuda': torch.cuda.is_available(), 'rocm': torch.version.hip})"
  

• Windows/Linux 沿用 PyTorch 的设备接口：PyTorch 报告 CUDA 可用时使用 CUDA，ROCm 环境使用 PyTorch 提供的兼容设备接口。

• macOS 保持当前受支持的设备选择；在完成真实 Apple Silicon 回归前，不把 MPS 自动设为新默认。

• CPU 仍运行完整模型和相同质量门禁，包括 SAM 2.1 large，不替换为轻量分割模型，但推理会显著较慢。