本次更新专注于核心架构的深度优化，在保持 MinerU 后处理功能完整性的同时，大幅提升了程序性能。
核心优化：
- ⚡ 依赖瘦身：完全移除 OpenCV 和 Scikit-learn，程序体积大幅减小，启动速度显著提升
- 🔧 算法升级：图像修复和边缘多样性检测改用 Numpy 原生实现，处理效率更高
- 🖼️ 显示引擎迁移：全屏图像显示迁移至 Tkinter，降低内存占用
功能增强：
- ⌨️ ESC 键全局支持：在截图、处理或转换流程中，均可通过 ESC 键即时中断任务
- 🎯 PPT 精炼优化：改进文本块与图片块识别逻辑，修复"双层图片"问题
我们很高兴宣布 NotebookLM2PPT v0.5.0 的发布！本次更新集成了 MinerU 文档解析能力，为用户提供更强大的 PDF 转 PPT 转换体验。
重要说明：MinerU 是一个后处理功能
- 程序首先使用微软电脑管家的"智能圈选"功能将 PDF 转换为可编辑的 PPT（基础转换）
- 如果提供了 MinerU JSON 文件，程序会在基础转换完成后，自动对生成的 PPT 进行深度优化（后处理）
- MinerU 优化是可选的，不影响基础转换功能的使用
后处理优化内容：
- ✨ 智能文本框筛选：基于 IOU 算法自动识别并保留相关文本框，删除冗余文本框
- 🎨 字体统一处理：自动将所有文本框字体统一为"微软雅黑"
- 🖼️ 高质量图片替换：从 MinerU JSON 提取原始高清图片，替换截图图片
- 🎭 智能背景处理：根据内容特征智能处理背景，实现最佳视觉效果
使用方式：
- 在 MinerU 官网 上传 PDF 并解析
- 下载生成的 JSON 文件
- 在程序 GUI 中选择 PDF 和对应的 JSON 文件
- 开始转换，程序会先执行基础转换，完成后自动执行 MinerU 后处理优化
详细使用说明请查看下方 🆕 MinerU 后处理优化功能 章节。
NotebookLM2PPT 是一款强大的自动化工具，旨在将不可编辑的 PDF 文档（特别是 NotebookLM 生成的演示文稿）转换为完全可编辑的 PowerPoint 演示文稿。
- 打破限制：将 NotebookLM 生成的精美但不可编辑的 PDF 转化为可二次创作的 PPT。
- 智能去水印：内置针对 NotebookLM 的智能水印去除算法。
- 全自动化：利用微软电脑管家的"智能圈选"功能，自动完成截图、识别、转换和合并的全流程。
- 通用性：不仅限于 NotebookLM，适用于任何需要将 PDF 转换为可编辑 PPT 的场景。
- 🆕 MinerU 后处理优化：在基础转换完成后，可选地使用 MinerU 文档解析能力对生成的 PPT 进行深度优化，大幅提升排版质量、图片清晰度和文本准确性。
- 📄 高质量转换：确保 PDF 到图片的无损转换，支持自定义 DPI 参数。
- 🖼️ 智能修复：自动识别并抹除 NotebookLM 的特定水印，保持图像质量。
- 🤖 自动化流程：模拟快捷键和鼠标点击，实现无人值守操作。
- 🔄 无缝合并：将零散的幻灯片完美整合为一个完整的演示文稿。
- ⚙️ 高度可定制：支持 DPI、延迟、显示比例等多种参数微调。
- 🆕 MinerU 后处理优化（可选）：
- 在基础转换完成后，使用 MinerU JSON 对生成的 PPT 进行优化
- 智能文本框筛选：基于 IOU 算法，自动识别并保留与 PDF 内容相关的文本框，删除冗余文本框
- 字体统一：将所有文本框字体统一为"微软雅黑"，提升演示文稿的专业性
- 高质量图片替换：从 MinerU JSON 中提取原始高清图片，替换基础转换中的截图图片，确保图像清晰度
- 智能背景处理：根据内容特征智能处理背景，实现最佳视觉效果
💡 想了解更多技术实现细节？ 请查看 实现细节文档
- 操作系统: Windows 10/11 (必须，因为依赖微软电脑管家)
- Python: 3.8 或更高版本
-
软件依赖:
- Microsoft PowerPoint: 用于生成和合并幻灯片。
-
微软电脑管家: 必须安装并确保版本
$\ge$ 3.17.50.0。
- 打开微软电脑管家 -> 工具箱。
- 找到 智能圈选，确保其已开启。
- 默认快捷键应为
Ctrl + Shift + A。如果修改了，请同步修改代码中的配置。 - 测试：手动按下快捷键，确保能看到圈选界面并出现“转换为PPT”选项。
直接前往 Releases 页面下载最新的 .exe 执行文件。无需安装 Python 环境，开箱即用。
如果你已经安装了 Python，可以直接通过 pip 安装：
pip install notebooklm2ppt -Upip install git+https://github.com/elliottzheng/NotebookLM2PPT.gitnotebooklm2ppt或者
python main.py这将启动一个简单的图形界面，你可以通过它选择文件、设置参数并查看转换进度。
你可以在任何目录下运行该命令，程序会在当前目录下创建一个 workspace 文件夹存放中间文件和最终输出的 PPT。
MinerU 是一个强大的在线文档解析工具，能够智能识别 PDF 文档的结构、文本、图片和排版信息，并生成包含详细元数据的 JSON 文件。
重要理解：MinerU 是一个后处理优化功能，不是转换的核心功能
本工具的转换流程分为两个阶段：
-
基础转换阶段（必须）
- 使用微软电脑管家的"智能圈选"功能
- 将 PDF 页面转换为图片
- 通过 OCR 识别生成可编辑的 PPT
- 这个阶段不依赖 MinerU，可以独立完成
-
MinerU 后处理优化阶段（可选）
- 在基础转换完成后，如果提供了 MinerU JSON 文件
- 程序会读取 JSON 中的结构化信息
- 对基础转换生成的 PPT 进行深度优化
- 这个阶段依赖 MinerU JSON 文件，是可选的增强功能
虽然本工具的基础转换功能已经能够将 PDF 转换为可编辑的 PPT，但在以下场景中，使用 MinerU 后处理优化可以显著提升转换质量：
- 复杂排版文档：包含多栏、表格、图文混排的复杂文档，基础转换可能产生大量冗余文本框
- 高质量图片需求：基础转换使用截图，图片清晰度受限于 DPI，后处理可替换为原始高清图片
- 专业演示文稿：对字体、排版、背景有较高要求的商业演示，需要统一的字体和优化的背景
- 批量转换：需要保证多份文档风格统一的情况，后处理可确保一致性
效果如下图所示，左边为无后处理，右边为有后处理，有很显著的改善。
- 访问 MinerU 官网
- 上传你的 PDF 文件
- 等待解析完成（通常需要几分钟，取决于文档大小）
- 下载生成的 JSON 文件
在 GUI 界面的"文件设置"区域：
- 选择要转换的 PDF 文件
- 在"输入PDF对应的MinerU JSON (可选)"字段中选择刚才下载的 JSON 文件
- 点击"开始转换"按钮
转换流程说明：
- 程序首先执行基础转换：使用微软电脑管家的"智能圈选"功能将 PDF 转换为可编辑的 PPT
- 如果提供了 MinerU JSON 文件，程序会在基础转换完成后自动执行后处理优化
- 后处理优化包括：智能文本框筛选、字体统一、高质量图片替换、智能背景处理
- 最终输出经过优化的高质量 PPT 文件
注意： 如果不提供 JSON 文件，程序只会执行基础转换，跳过后处理优化阶段。
| 特性 | 基础转换 | MinerU 优化 |
|---|---|---|
| 文本框准确性 | ⭐⭐⭐ | ⭐⭐⭐⭐⭐ |
| 图片清晰度 | ⭐⭐⭐ | ⭐⭐⭐⭐⭐ |
| 字体统一性 | ⭐⭐ | ⭐⭐⭐⭐⭐ |
| 背景处理 | ⭐⭐⭐ | ⭐⭐⭐⭐ |
| 整体排版质量 | ⭐⭐⭐ | ⭐⭐⭐⭐⭐ |
Q: MinerU JSON 文件是必需的吗？ A: 不是必需的。如果不提供 JSON 文件，程序会使用基础转换功能，仍然能够生成可编辑的 PPT。
Q: MinerU 是免费服务吗？ A: MinerU 目前看来是免费服务，只需要注册即可免费试用。
Q: 如果 JSON 文件与 PDF 不匹配会怎样？ A: 程序会尝试使用 JSON 信息，但可能导致优化效果不正确。请确保 JSON 文件与要转换的 PDF 完全对应。
Q: 想了解更多技术实现细节？ A: 请查看 实现细节文档 和 MinerU 技术实现细节文档。
本工具通过模拟鼠标点击微软电脑管家的"转换为PPT"按钮来实现自动转换，按钮偏移参数决定了程序能否准确定位并点击该按钮。
首次使用建议：
- 勾选"校准按钮位置"选项
- 程序会引导你手动点击按钮位置，自动保存偏移值
- 校准后的偏移值会自动保存，下次使用时无需重复校准
如果校准失败：
- 确保微软电脑管家已更新到最新版本
- 检查智能圈选功能是否正常工作
- 尝试手动校准按钮位置
- 清除保存的偏移值，重新进行校准
💡 想了解按钮偏移参数的技术原理？ 请查看 实现细节文档
- 窗口焦点：运行期间请勿操作鼠标键盘，以免干扰自动化流程。
- 显示比例：如果图片超出屏幕导致无法圈选，请尝试减小显示比例参数。
- 网络/性能：如果 PPT 生成较慢，请增加超时时间。
- 本工具默认从系统的 下载 (Downloads) 文件夹抓取微软电脑管家生成的临时文件。请确保下载路径未被重定向。
- 请确保微软电脑管家已更新到最新版本。
- 该功能可能在某些地区或版本中处于灰度测试，请检查设置中的"预览体验计划"。
本项目基于 MIT License 开源。
- 提交 Issues 反馈 Bug 或建议。
- 欢迎提交 Pull Request 改进代码。
Made with ❤️ for better productivity