DeckSmith 是一個結合生成式 AI 技術的網頁應用程式,旨在將靜態的 PDF 文件或圖片轉換為真正可編輯的 PowerPoint (.pptx) 簡報。
不同於傳統轉檔工具僅是將 PDF 轉存為背景圖,DeckSmith 採用「解構與重建」的混合技術策略:
- AI OCR (識別):利用 Gemini 3 Flash 模型精準識別並提取文字內容、字體大小、顏色與位置 (2D Geometry)。
- Canvas Masking (演算法預處理):依據 OCR 識別出的 2Dxy 座標區塊,利用 Canvas 演算法移除文字,並計算周圍像素的顏色梯度進行初步補色與遮罩 (Gradient Filling),為 AI 提供精確的修復底圖。
- AI Inpainting (智慧修復):利用 Gemini 2.5 Flash Image 模型讀取預處理後的圖像,進行無縫背景修復 (Seamless Inpainting),消除遮罩邊緣並還原複雜背景的紋理與細節。
- Reconstruction (重建):將提取的文字以「可編輯文字方塊」的形式,精準地疊加回修復後的乾淨背景上。
- 多格式支援:支援上傳
.pdf文件及常見圖片格式 (.jpg,.png,.webp等)。 - 智慧去字 (Text Removal):自動遮蔽文字區域,並生成無文字的乾淨底圖,保留原始設計風格與圖表。
- 高精準 OCR:分析版面結構,區分標題、內文與嵌入式文字 (Embedded Art Text)。
- 互動式排版調整 (Layout Editor):提供視覺化介面,允許使用者在 AI 處理前/後手動微調文字遮罩範圍。
- 混合式儲存架構 (Hybrid Storage):
- 使用 IndexedDB 儲存高解析度圖片,突破瀏覽器儲存限制。
- 使用 LocalStorage 儲存專案進度,重新整理網頁資料不遺失。
- 原生 PPTX 匯出:一鍵生成 PowerPoint 檔案,文字皆可選取、編輯與搜尋。
- URL: https://decksmith.biobank.org.tw/
- Invitation Code:
ai4all
- Docker & Docker Compose
- SSL 憑證 (若未提供, setup.sh流程會自動生成):由於使用先進的 Web API,必須於 HTTPS 環境執行。
- 將
fullchain.pem與privkey.pem放入專案根目錄的ssl/資料夾中。
- 將
# 複製專案並進入目錄
git clone https://github.com/gemini960114/decksmith
cd decksmith
# 賦予權限並執行啟動腳本
chmod +x setup.sh
./setup.sh啟動後,請瀏覽 https://localhost。
- Invitation Code (邀請碼):請輸入
ai4all(系統預設)。 - Google API Key:輸入您的 Gemini API 金鑰。
- 勾選 "Keep me logged in" 可將金鑰加密儲存於本地,下次無需重複輸入。
圖一:登入與邀請碼驗證畫面 使用者於首次進入 DeckSmith 時,需輸入系統預設的邀請碼與有效的 Google Gemini API Key,以完成身分驗證與服務授權;可勾選「Keep me logged in」將金鑰安全儲存於本地。
- 上傳檔案:將 PDF 或圖片拖曳至首頁中央的虛線框內,或點擊上傳。
- 歷史紀錄:首頁下方會列出您最近編輯過的專案,點擊即可繼續編輯。
圖二:上傳檔案與歷史專案列表 使用者可將 PDF 或圖片檔案拖曳至首頁中央的上傳區域,或點擊進行選擇;下方同步顯示最近編輯的專案清單,方便快速繼續先前的工作。
進入專案後,您會看到所有頁面的預覽卡片。
-
狀態燈號說明:
- ⚪ IDLE:等待處理。
- 🟡 ANALYZING:AI 正在分析文字位置 (OCR)。
- 🟡 CLEANING:AI 正在修復背景 (Inpainting)。
- 🟢 DONE:處理完成,準備匯出。
- 🔴 ERROR:發生錯誤,可點擊 "Retry" 重試。
-
批次處理:
- 確認已勾選欲處理的頁面 (右上角勾選框)。
- 點擊頂部的 "PROCESS [N] SELECTED" 按鈕,系統將自動執行 OCR 與背景修復。
圖三:頁面預覽卡片與批次處理介面 進入專案後,系統以卡片形式呈現所有頁面,並顯示各頁處理狀態;使用者可勾選多個頁面,透過「PROCESS SELECTED」按鈕一次執行 OCR 與背景修復流程。
圖四:AI 處理完成後的頁面結果 完成處理後,頁面中的原始文字已被移除,背景經 AI 修復保持原始設計風格,為後續重建可編輯文字內容做好準備。
若自動處理的結果不完美 (例如:背景修復有殘影、文字框太小),請點擊頁面縮圖上的 "Adjust Layout" 按鈕。
- 左側視窗 (編輯遮罩):
- 顯示原始圖片與偵測到的文字框。
- 綠色框:代表「文字」,將被移除並轉為可編輯文字。
- 紅色框:代表「保留」,不進行移除 (例如 Logo 或圖表內的文字)。
- 操作:點擊方框可切換 綠/紅 狀態;拖曳方框邊緣可調整大小與位置。
- 右側視窗 (預覽結果):
- 顯示 AI 修復後的背景圖。
- 下方工具列:
- Regenerate Bg:當您修改了遮罩範圍後,點擊此按鈕請 AI 重新生成背景。
- Save Layout:儲存目前的設定。
圖五:排版微調(Adjust Layout)操作介面 進階編輯畫面分為左右兩區,左側顯示原始圖片與文字遮罩框,右側即時預覽 AI 修復後的背景結果,協助使用者精準調整文字移除範圍。
圖六:排版微調進行中(遮罩調整) 使用者可拖曳、縮放或切換遮罩框狀態(綠色為可轉換文字、紅色為保留內容),並即時修正 AI 偵測不準確的區域。
圖 5BFA 七:排版微調完成後的結果預覽 完成遮罩調整並重新生成背景後,頁面呈現乾淨且無殘影的底圖,為文字重建與 PPT 匯出提供最佳品質的視覺基礎。
當所有選定頁面的狀態皆為 🟢 DONE 時,點擊頂部導覽列的 "DOWNLOAD .PPTX" 按鈕,即可下載最終成品。
圖八:PPTX 匯出下載按鈕 當所有選定頁面狀態皆顯示為完成(DONE)後,使用者可點擊「DOWNLOAD .PPTX」按鈕,一鍵匯出真正可編輯的 PowerPoint 簡報檔案。
Q: 為什麼處理速度有時較慢? A: 背景修復 (Inpainting) 需要生成高解析度圖像,這是一個高算力需求的任務。依據 API 狀態,每頁約需 5~15 秒不等。
Q: 匯出的文字字型不同?
A: 瀏覽器無法直接提取 PDF 內的嵌入字型檔。DeckSmith 預設使用 Noto Sans TC 作為替代字型,您可以在 PowerPoint 中自行更換。
Q: 我的資料會上傳到哪裡? A: 圖片數據僅會傳送至 Google Gemini API 進行處理。您的專案檔案與圖片皆儲存於您瀏覽器的 IndexedDB 中,不會上傳至我們的主機。
Powered by NCHC LLM Team







