工作清單

Codex 入门 06: Codex 秒变 PPT 神器？实战打造质感拉满的演示文稿 | Turn PPTs into Masterpieces | Human Beta Lab

逐字稿文字預覽

今天還有人不會用AI來做PPT,那簡直就太落伍了。
你現在所看到的,都是用Codex自帶的Presentation技能直接生成的PPT。
結構清晰,排版規整,作為常規的工作匯報,它的水準已經相當不錯。
但是比起現在所看到的,那就差點意思了。
如果我們要把PPT做成一件藝術品,那麼常規的,好,就顯得單薄了。
當我們拋棄傳統的生成路徑,給模型外掛了三個開源神技後,它就不再是一份PPT,而是一件能直擊靈魂的數字藝術品。
歡迎回到Human Beta Lab頻道。
這期視頻,我會手把手教大家用Codex做出藝術品級別的PPT,讓每一個普通人都成為PPT大師。
為了做這次的對比,我特意選了一個難度極高的文本。
梵蒂岡幾天前剛剛發布的一份重磅文獻《壯麗的人信》。
這是一份通諭，也就是教宗寫給全球信徒的最高級別公開信。
就在2026年5月15日，首位美國籍教宗，利奧14世發布了這份長達42000字的文獻。
教宗利奧14世特意選擇在《新事通諭》發布135周年之際簽署了它。
135年前,教宗利奧13世面對的是工業革命的狂飙。
而今天,利奧14世面對的是AI算力對人類尊嚴和人性的重塑。
非常有意思的是，在發布會上，站在教宗身邊的竟然是AI巨頭Anthropic的聯合創始人Christopher Olah。
古老的信仰與硅谷的最強大腦同處一世,文獻探討的核心非常深邃。
在算力時代,人會不會被數據和權力重新定義?
面對如此宏大、晦澀的思想,傳統的AI總結必然會水土不服。
所以我讓Codex做了兩套方案,看看誰更勝一籌。
我們先來看第一套方案,也就是今天的對照組。
在這一步,我們先不引入任何外部的第三方工具。
就單純考量Codex的原生底座能力。
我們直接在介面上點擊這個加號,在插件庫裡選中它內建的Presentations技能。
掛載好之後,把我們預先準備好的這段基礎提示詞,直接複製粘貼進來。
好,在純淨的環境下,我們現在把控制權交給Codex,
看看它僅憑自己的原生能力,會跑出一個什麼樣的結果。
好,生成速度非常快,底層的PPT文件已經打包完成了。
我們現在點擊下載,並選擇用微軟的PowerPoint直接打開它。
大家看屏幕,這裡彈出了一個報錯提示,說文件存在錯誤或者已損壞。
我們再嘗試點擊一次,依然報錯打開失敗。
遇到這種情況大家不要慌,這也恰好是我今天想給大家展示的真實狀況。
在我個人的大量實測中,如果僅靠Codex內建的Presentations,原生插件去直接生成PPT文件,
大概有20%到30%的概率,會出現這種底層文件結構損壞的報錯。
我不確定這是不是大面積的普遍bug，但這卻確實是原生工具鏈在穩定性上的一個短板。
目前最直接的解決方案也很簡單。
我們只需要回到剛才的對話框,讓Codex重新執行一次生成指令就可以了。
現在我們讓它修復文件,重新生成文件。
經過兩輪的重新生成,這個PPT文件終於修復成功了。
我們現在打開看一下,它一共生成了15頁。
內容上，它完整覆蓋了通諭中的交會社訊，尊嚴，真理，勞動，自由，以及戰爭與愛的文明。
可以說,它把這份42000字的通譽整理成了一個非常標準的可供講授的內容索引。
從整體結構上看,它對4萬多字的原文進行了非常嚴謹且邏輯通順的梳理。
它最大的優勢在於保真把原文本裡的核心信息點全都精準地抓取了出來,
並且用清晰的邏輯框架進行了重組。
單從信息提取的完整度和邏輯梳理的角度來說,
這套方案的水準其實已經比絕大多數普通人做的PPT要好很多了。
接下來,才是今天真正的重頭戲。
我將帶大家實操,如何做出具備藝術質感的高品質演示文稿。
我們把這段全新的提示詞粘貼進來,依然讓它去讀取壯麗的人性。
這42000字的原文,但這一次的不同點在於,
我們的整個工作流將調用三個強大的外部開源技能。
第一個技能負責結構提純，也就是Github上的Guizhang PPT Skill。
第二個技能負責文本的擬人化降維，也就是HumanizeRZH。
它的核心作用是為文本脫水,杜絕那種一眼就能看出來的生硬的AI機器味。
第三個技能負責前端的視覺渲染。
這次我們不再依賴傳統的PPT軟件,
而是通過FrontEnd Slides這個框架,
直接在瀏覽器中用前端代碼完成極其高級的視覺呈現。
除了這三大開源技能,還有極其關鍵的一環。
Codex本身擁有非常強大的底層圖像生成模型。
我們不再到處尋找素材,而是讓Codex直接去自動生成配圖。
並且我們會明確要求,所有的配圖都必須呈現出古典宗教化的神聖感。
這一切的視覺創意和渲染生成,全部交給Codex一步到未來完成。
這三個技能也是第一次在我的Codex中使用,
所以他還去Github上學習了這三個新技能。
2000 years later,
整個文檔生成過程連續跑了40幾分鐘,
中間只有一次讓我確認他的方案,
其餘就沒再干預過或者停頓過,
一口氣就跑完出篇。
好,代碼生成完畢,
我們直接在瀏覽器中打開這份HTML文件來看一下最終效果。
我把瀏覽器窗口拖進來,稍微調整一下尺寸,
讓頁面在屏幕中央完整顯示。
大家可以直觀地感受一下,
這套前端框架所帶來的視覺衝擊力,
它比剛才的第一套原生方案到底好在哪裡?
主要體現在三個維度的降維打擊。
第一,是空間的重塑。
我們徹底拋棄了傳統PPT裡擁擠的流程框和矩陣層級圖。
大家看現在的頁面,
大面積極簡的現代流白,
配合極具分量感的字體排版,
拉開了高對比度的視覺層級。
觀眾的視線不需要在子彈頭裡費力尋找,
而是瞬間就能被聚焦。
第二,適配圖的質感。
在第一套方案裡,
圖表僅僅是填補空白的信息容器。
但在這裡,
Codex生成的這些深邃的古典教堂壁畫光環與鎖鏈,
讓圖像真正變成了參與論證的神學媒介。
文字與畫面形成了深度的護文,
讓抽象命題獲得了神聖的象征。
第三,
也是最核心的內容層面。
這套方案完成了一次從信息堆砌到靈魂啟迪的跨越。
第一套方案只是在做機械的轉述,
它讓人知道原文說了什麼。
但這套方案是讓人從心底感到
為什麼人性和愛的文明在今天必須被聽見。
大家看它的整個敘事結構,
它不再是像A方案那種,
引言,
原則,
風險,
總結的橫向鋪陳。
雖然那種結構邏輯完整,
但極其枯燥,
這套方案重塑了一條極具張力的思想路径。
它先從面臨的抉擇,
它先從面臨的抉擇，以及AI革命帶來的心權切入，
帶出巴別塔綜合症，
隨後走向尼希米之路，
再一步步深入到尊嚴,
真理,
工作與自由。
最終自然而然地
闡明了建立愛的文明的必要性,
它不再是提煉自具，
而是真正站在理解的視角,
帶領觀眾一層層包開表象,
去觸碰這背後深刻的哲理與原因。
好,今天手把手帶大家在Codex裡完整跑通了這兩套截然不同的工作流。
我相信看完這期視頻,
大家帶走的不僅是一套極致的演示文稿方案,
更是對代碼及演示這種新思維的理解。
我們不需要去苦練排版,
成為傳統的PPT大師,
而是要把這些繁瑣的皮囊交給AI,
讓自己的大腦回歸到最核心的認知與表達上。
今天用到的這三個開源工具鏈和演示用的提示詞,
我已經全部整理在視頻下方的簡介和評論里了。
如果還有什麼疑問,可以在評論區留言,
歡迎點贊關注。
本期視頻就到這裡,
感謝大家點贊支持,
我們下期再見。

來源：transcript.txt

本次執行流程與問題處理

  1. 下達指令

    指令：videonote https://www.youtube.com/watch?v=Fd5mvod7yxM --language zh

    來源：https://www.youtube.com/watch?v=Fd5mvod7yxM

    辨識語言：zh ｜ 參數：--language zh

  2. 預期流程

    依指令產生的處理順序：

    1. 下載與語音辨識
    2. 來源選擇與品質檢查
    3. 文字校正與句子單元
    4. 筆記與發布
    5. 公開網頁發布

  3. 1. 下載與語音辨識

    工具：videonote-transcribe-url（主辨識管線：下載、Whisper 辨識與選稿）

    處理：下載音訊、以 Whisper 辨識並選出最佳逐字稿

    產出：yt_dlp_meta.json（影片元資料）、audio_16k_mono.wav（16kHz 單聲道音訊）、transcript.whisper.json（Whisper 辨識結果）、transcript.json（正式逐字稿）、transcript_selection_report.json（來源選擇報告）

    耗時：54.4 秒

    關係：依序執行

    結果：完成

  4. 2. 全文快速校讀

    工具：videonote_rapid_transcript_review.py

    處理：先速讀完整逐字稿，再修正高可信突兀詞句並列出待確認項目

    產出：rapid_transcript_review_report.json（產出檔案）

    耗時：34.6 秒

    關係：依序執行

    結果：完成

  5. 3. 建立句子單元

    工具：videonote-build-sentence-units

    處理：將逐字稿切成帶時間軸的句子單元

    產出：sentence_units.json（句子單元）

    耗時：0.6 秒

    關係：依序執行

    結果：完成

  6. 4. 句子密度平衡

    工具：videonote_balance_sentence_units.py

    處理：平衡句子長度與密度

    產出：sentence_units.json（句子單元）

    耗時：0.6 秒

    關係：依序執行

    結果：完成

  7. 5. 時間軸稽核

    工具：videonote_timeline_audit.py

    處理：檢查時間軸與音訊對齊

    產出：timeline_audit_report.json（時間軸稽核）

    耗時：0.7 秒

    關係：依序執行

    結果：完成

  8. 6. 品質檢查

    工具：videonote_controlled_quality.py（檢查時間軸與品質）

    處理：檢查語言、時間軸與可讀性品質

    產出：controlled_quality_report.json（品質報告）、language_sanity_report.json（語言檢查）

    耗時：0.7 秒

    關係：依序執行

    結果：完成

  9. 7. 播放時間軸回填

    工具：videonote_rebase_display_timeline.py

    處理：將網頁播放時間軸回填為校正字幕時間

    產出：display_timeline_rebase_report.json（時間軸回填報告）

    耗時：0.7 秒

    關係：依序執行

    結果：完成

  10. 8. 逐字稿交叉檢查

    工具：videonote_cross_check_transcript.py

    處理：交叉檢查逐字稿與來源字幕

    產出：transcript_crosscheck_report.json（交叉檢查）

    耗時：0.8 秒

    關係：依序執行

    結果：完成

  11. 9. 來源句整理

    工具：videonote_prepare_source_entries.py

    處理：整理來源句子供時間軸與頁面使用

    產出：sentence_units.json（句子單元）

    耗時：0.8 秒

    關係：依序執行

    結果：完成

  12. 10. 生成筆記摘要

    工具：videonote-generate-note（生成筆記摘要）

    處理：生成筆記摘要與重點

    產出：note.md（筆記 Markdown）、note.html（筆記 HTML）

    耗時：106.5 秒

    關係：依序執行

    結果：完成

  13. 11. 建立筆記頁面

    工具：videonote-render-html（產生筆記 HTML）

    處理：產生可閱讀的筆記 HTML 頁面

    產出：note.html（筆記 HTML）

    耗時：0.6 秒

    關係：依序執行

    結果：完成

  14. 12. 發布公開頁面

    工具：videonote-publish（發布公開頁面）

    處理：發布到公開網站與每日列表

    產出：公開筆記網址、result.json（管線結果）

    耗時：0.7 秒

    關係：依序執行

    結果：完成

手動來源字幕

自動來源字幕

Whisper 字幕

Qwen 字幕

Parakeet 字幕

MOSS 字幕

聲學時間證據（PyAnnote / WhisperX）

校正前後逐字稿

目前待解決問題與初步改善方向

進一步精進字幕與筆記
使用 Workbench 上傳校正字幕、中文參考稿或回饋 SRT，重新產生雙語與學習單元。
開啟 Workbench