AI 图片生成在 PPT 中的应用：从提示词到专业配图

核心结论

OmyPPT 的 AI 图片生成不是"给大模型一句提示词然后祈祷出好图"的随机过程。它是一个从需求规划、提示词工程、模型调度到质量控制的完整管线。Strategist 先规划图片需求（哪些页面需要配图、什么风格、什么内容方向），Image Generator 智能体把这些需求转化为精确的英文提示词，调用图像生成 API 产出配图，最终由 Executor 将图片嵌入对应页面的 SVG 中。整个过程是确定性的、可追溯的、质量可控的。

技术背景：PPT 配图的三个难题

在 PPT 中使用图片看似简单，实际上有三个技术难题需要解决。

第一个难题：图片需求不明确。 很多 AI PPT 工具的做法是在每页都放一张图片，或者随机从素材库中选取。结果是一份 PPT 看起来像图片展览，图片和内容毫无关系。好的 PPT 配图应该是"需要时出现，不需要时不画蛇添足"。

第二个难题：提示词质量决定图片质量。 AI 图像生成模型对提示词的依赖度极高。"一个商务场景"和"一间现代化的玻璃幕墙办公室，俯瞰城市天际线，温暖的午后阳光从落地窗照入，商务风格，高对比度，16:9 宽幅构图"——两者的生成效果天差地别。但大多数用户写不出精确的提示词，尤其是需要英文提示词时。

第三个难题：尺寸和比例适配。 PPT 中的图片位置和尺寸是预先确定的（16:9 或 4:3 的画布中的特定区域）。AI 图像生成的默认比例通常不适合直接使用。需要根据页面布局生成正确比例的图片，或者对生成的图片进行智能裁剪。

OmyPPT 的实现方式

需求规划阶段：从 Strategist 到 Manifest

图片生成的起点是 Strategist 的第 8 项确认——图片规划。确认完成后，Strategist 会输出一个图片需求清单，格式为 JSON manifest 文件（image_prompts.json）。

一个典型的 manifest 条目：

{
  "id": "img_slide_05",
  "slide": 5,
  "position": "right-half",
  "aspect_ratio": "16:9",
  "style": "modern-corporate",
  "content_description": "团队合作讨论项目方案",
  "mood": "professional, collaborative",
  "color_hint": "primary-blue, warm-lighting",
  "required": true,
  "prompt": "A diverse team of professionals brainstorming around a modern conference table with a large screen showing data charts, bright natural lighting, corporate environment, clean composition, professional photography style"
}

manifest 中包含的关键信息：

位置信息：图片在页面中的位置（左半、右半、全宽、嵌入式等）
比例要求：根据位置确定需要生成的图片比例
风格约束：与整体设计风格保持一致
内容描述：图片应该表达的内容主题
情绪调性：图片应该传达的情绪氛围
色彩提示：与页面配色协调的色彩方向
英文提示词：为图像生成模型优化的精确提示词

提示词工程：从概念到精确描述

提示词的质量是图片生成成功的关键。OmyPPT 的提示词工程遵循一套经过验证的结构：

主体描述（Subject）：图片的核心内容——"一组专业团队在会议室讨论"。"professional team brainstorming in a modern meeting room"。

场景细节（Setting）：环境描述——光线、材质、空间感。"bright natural lighting through floor-to-ceiling windows, glass and wood interior, open collaborative space"。

风格指定（Style）：视觉风格——是照片、插画、扁平设计还是 3D 渲染。"professional photography, shallow depth of field, clean composition"。

技术参数（Technical）：质量相关的技术描述。"high resolution, sharp focus, color accurate, 16:9 aspect ratio"。

否定提示（Negative Prompt）：排除不想要的元素——文字、水印、变形的人脸等。

提示词由 Strategist 自动生成，但用户可以在确认阶段修改内容描述，Strategist 会根据修改重新优化提示词。

模型调度与生成

OmyPPT 的 Image Generator（image_gen.py）支持多个图像生成 API，通过 manifest 模式批量执行：

命令行执行：

# manifest 模式：批量生成 manifest 中列出的所有图片
python3 scripts/image_gen.py --manifest project/images/image_prompts.json

# 预览模式：生成图片并渲染到 Markdown 中供审查
python3 scripts/image_gen.py --render-md project/images/image_prompts.json

生成策略：

每张图片生成多个候选（通常 2-4 个）
自动筛选质量最高的候选（基于清晰度、构图、风格匹配度等指标）
如果所有候选都不达标，使用备用的默认图片或留空
生成失败的图片不会阻塞整体流程——对应页面使用占位符

尺寸控制：

图片按 manifest 中指定的 aspect_ratio 生成。常见的比例包括：

16:9：全宽背景图
4:3：标准区域图片
1:1：正方形插图
3:2：横向配图

生成后的图片分辨率至少为 1024px 宽（1K 模式）或 2048px 宽（2K 模式），确保在 PPT 投影时不会模糊。

质量控制

图片生成后，需要经过两道质量控制。

自动化检查：

分辨率验证：确保不低于目标尺寸
宽高比验证：与 manifest 中的要求一致
文件完整性：图片文件可以正常打开和渲染

人工审查（可选）：

用户可以通过 --render-md 模式预览所有生成的图片及其对应的提示词。如果某张图片不满意，可以直接修改提示词重新生成，而不影响其他图片。

单图修复模式

除了 manifest 批量模式，OmyPPT 还支持单图模式，用于后期修复或替换单张图片：

# 单图生成：快速替换或新增一张图片
python3 scripts/image_gen.py "prompt" --aspect_ratio 16:9 --image_size 1K -o project/images

这个模式适用于：生成后发现某张图片需要替换、需要在已有 PPT 中新增配图、调试提示词效果等场景。

优势分析

vs 素材库随机选取

素材库模式的局限在于：图片是预设的，不一定与内容匹配。一份关于"2025 年新能源汽车市场分析"的 PPT，素材库中可能没有对应主题的图片。AI 生成则可以根据具体内容需求定制图片。

vs 用户自行配图

大多数用户不具备专业摄影和图像处理能力。AI 生成的图片在构图、色彩、风格上都经过优化，整体质量通常高于普通用户自行找的配图。更重要的是，AI 生成消除了版权风险——生成的图片不存在版权归属问题。

vs 不使用配图

纯文字 PPT 在视觉吸引力上天然劣势。适当的高质量配图可以：增加页面的视觉层次、帮助传达抽象概念、提高观众的信息记忆率。关键是"适当"——OmyPPT 的 manifest 机制确保只有需要配图的页面才会生成图片。

应用场景

科技产品发布：需要展示产品概念图、使用场景图、技术架构图。AI 可以根据产品描述生成概念渲染图，即使产品尚未量产。

教育培训课件：教学场景中，配图可以帮助学生理解抽象概念。例如，在讲解"供应链管理"时，AI 可以生成仓库、物流、配送等场景的配图。

市场分析报告：配图用于营造报告的专业氛围——城市天际线代表市场全景、上升箭头代表增长趋势、握手代表合作关系。

常见问题

AI 生成的图片有版权问题吗？

OmyPPT 调用的图像生成 API（如 DALL-E、Stable Diffusion 等）生成的图片，用户拥有使用权。具体版权条款取决于所使用的 API 服务商，但通常来说，AI 生成的图片不涉及传统意义上的版权侵权。

可以指定图片风格吗？

可以。在 Strategist 的第 8 项确认中，你可以指定配图风格——写实照片、扁平插画、3D 渲染、图标风格等。Strategist 会将风格要求融入提示词。

图片生成失败怎么办？

如果某张图片的生成失败（API 超时、内容被安全策略拦截等），OmyPPT 会使用占位符替代。占位符在预览中会明确标注"图片生成失败"，用户可以选择重新生成或替换为自有图片。

生成后的图片可以替换吗？

可以。在 SVG 预览阶段，你可以点击任何图片元素，上传自己的图片进行替换。替换后的图片会在最终 PPTX 导出时使用。你也可以通过单图模式用新的提示词重新生成。

想看看 AI 如何为你的内容匹配专业配图？上传文档试试 OmyPPT，从策略师的图片规划开始。