今天给大家介绍下我最近刚发布的一个直接将PPT转换为一个讲解视频的技能。简单来说就是你只需要丢给AI一个PPT，包括这个PPT配套的口播文稿或文章，AI自动将其转换为视频。当然你也可以只提供PPT文件，那么AI先阅读和理解你的PPT文件，自己整理口播文稿，然后再搭配PPT进行口播讲解。

该技能我已经发布到Skills-hub技能市场。当然你在WorkBuddy里面直接搜索

这个名称也可以下载和安装这个技能。

这套技能解决一件事：给一份 PPT，还你两支能直接发的讲解视频，一支原速，一支 1.2 倍速。原速版给人细看，倍速版用来发平台、通勤时听，两者共用一套稿子和画面，不重复制作。

我刚开始做这个技能的时候，做第一版时全靠手工，稿子手写、字幕时长平均分配、翻页靠数段落，结果交付前一天发现右栏永远慢一页，只能重渲后半段。后来把这条链路固化成固定流程，机器能查的交给机器查，人只判断内容对不对。现在跑一章十三分钟的视频，从写稿到出片大约一天。如果你手上也有一批 PPT 想变成课，这套流程可以直接照搬。下面先说整体怎么跑，再说七处必须做对的地方。

这件事不是拿到文件就动手写稿。先把整份 PPT 从头读完：每页标题说什么、图上分了几层、箭头指向哪里、备注小字写了什么，把每一页想说的那句话记下来。读的时候顺手记三样东西：这页的核心主张、图上容易被误读的地方、哪几页其实可以一句话带过。同时确认三件事：有没有配套文章或讲稿、成片要多长、片头怎么署名。有文章就一起读，文章的顺序不作为讲解顺序，只用来补例子和判断；没有文章就完全按页面讲，不自己编案例。这一步做完，手上应该有一份按页排列的内容清单，每页一句就够，写多了反而看不清哪几页需要展开。

按时长倒推结构，再按结构写稿

时长不平均分到每一页，而是先按重要性分配：封面、目录各留一两句；架构图、机制图这种信息密度高的页多给时间；案例页讲清前因后果；最后留两句话收束。分的时候给每页写一个上限，比如十分钟的片子里架构图页最多两分钟，到点就砍内容，而不是把图上每一行字都念一遍。每页分到多少时间，就等于这一段要写多少字，写的时候按额度写，超了当场删，不要等配完音才发现超时。删的时候先砍重复的例子，再砍修饰性的形容，别动主干。稿子按页写，一段一个意思，段落之间空一行，这个空行到配音时会变成真实停顿。

配音定下时间轴，之后才开始做画面

稿子定了再配音。配音除了给出一整条音频，还给出每个词的时间点，后面字幕就按这些真实时间走，不再按字数估算。语速和停顿要统一，同一段里不要忽然加快，否则字幕会挤成一串。音频出来，整片的时间轴就固定了：总长多少、每段从第几秒开始，后面所有画面元素都挂到这条轴上。这时候才开始做视觉：哪一页配哪些卡片、配几张、要不要让元素依次出现。定完生成渲染配置，一屏一屏渲出来，合成、做响度、出原速和倍速两版。这一步的顺序不能反，画面跟着声音走，不能反过来让声音去凑画面。

整条链路里最花时间的是规划，不是写字。规划分两层：一层是内容大纲，哪几页归成一个部分、每部分讲几分钟、听众听完该记住什么；另一层是页与图的关系，这一页要配一张什么结构的图，是并列、流程、对照还是分层，配一张够不够，要不要两张递进着讲。规划的结果最好落成一页纸：几个部分、每部分几分钟、每页落到哪几句话、这页配什么图。这张纸定了，写稿和配图都只是执行。跳过规划直接从第一页写，最常见的症状是每页都讲到了，但听众听完说不出这一章讲了什么。规划做得越细，写稿越快，两件事不冲突。

用户手里往往还有一篇同主题文章，或者一份更长的讲稿。它的价值是提供 PPT 上没有的东西：一个具体例子、一组数字、一句能被记住的判断。但它的段落顺序不能当讲解顺序用，顺序一乱，听众就跟不上页面翻到哪了。常见的情况是文章里写“第一、第二、第三”，而 PPT 把它们放在两页上，那就必须分两页讲，不能为了忠于文章把两页压成一页。文章里特别好的句子可以放在开头或结尾，但别整段照搬，照搬念起来不像人说话。补例子最好是自己的经历或者做过的项目，转述别人的案例，语气一听就能听出来。

三、卡片先有计划表，才有画面

左栏那些结构化图不是一张一张现画的，是先有一张计划表。表里写清：第几段用哪种卡、标题写什么、里面放几条、从第几秒到第几秒、要不要让条目依次出现。写完表再回头看：这一页总共配了几张卡、够不够讲完这一页、两张卡之间的时间有没有重叠。这张表在生成渲染配置时会被逐项检查，项数不够、字段缺了、两张卡时间重叠，都会被拒绝，全部通过才会变成可渲染的配置。计划表还能反查节奏：连续几行都是同一种卡，画面会显得单调，中间要插一张金句或者一个数字。它同时也是交接文档，换个人接手，看一眼就知道每页怎么讲。

四、图上的数字要和嘴上的一致

结构化图最容易出的错不是画得不好看，是画得和说的不一样。嘴里说“三个机制”，图上画了四条，这是观众当场就能抓到的错。所以选图形不看哪个漂亮，而是回头找旁白里的数量词和关系词：说“分三类”就画三块并列，说“先做 A 再做 B”就画流程，说“以前怎样、现在怎样”就画左右对照，这三类关系覆盖了大部分页面，剩下的再单独想。卡片上只写关键词，不写整句，一张卡扫三秒要能看懂；字数超了就会折行出框，这一条也交给脚本去卡，不靠眼睛估。这一条没法事后补救，渲完才发现数目不对，只能改卡、重新生成、把那段重渲一次。

五、三样东西绑在同一根时间轴上

画面里同时有三样东西在动：底部字幕、右栏的 PPT 页、左栏的卡片。它们必须绑在同一根时间轴上，横轴是秒，不是页号，也不是字数。翻页只能落在段落边界，不能在一段话中间切；一张卡只解释一段话，一段话也不该没有卡；字幕跟着配音的词级时间点走，不能靠估算。片头要留一点静音，标题卡先出来，第一句话不要抢在标题前面。三者错一处，观众说不出哪里不对，但会觉得别扭。这块做对了，片子才像“在讲”，而不是像“在念”。时间轴一固定，它就成了渲染配置的底稿，后面所有画面都从它长出来，错一处就要整段重来。

三个地方最容易出错，也最值得加检查：页数、语义、响度。页数这一关可以在导出之后就查，页图张数、页的起点数、配置里的页数三者必须相等，不等就停下，因为错一位会从那一页往后全片错位。语义错是卡片和旁白对不上，要在渲染之前把每页的旁白和卡片原话打出来人对一遍，这时候改一行只要几十秒，渲完再改就得重渲一段。响度要在成片编码完成之后测，工作文件达标不等于交付文件达标。三关都过了再开渲，最后的结果是渲完基本不用回头改。这三处都不难查，难的是事先想到要查。

七、长片子分段跑，出片固定两版

最后一公里是交付。长片子几万帧，一次跑一两个小时，中途断了就得从头来，所以按段渲染、每段存一个文件，断了从断点接着跑，最后拼起来再把整条音轨挂回去，音画不会越走越偏。出片固定两个版本：原速版直接从渲染结果封装，不二次压缩；1.2 倍速版重编一遍，字幕时间点同步除以 1.2。两版都要过响度，交付时连同一份字幕文件一起给。文件名带倍速标记和版本号，同一章改到第三版时，靠文件名才分得清哪个是最终稿。交之前每页抽一帧看：右栏是不是当页的图，左栏的卡和字幕说的是不是同一件事。

基于一个原始ppt直接发布讲解视频Skills技能-已经发布到WorkBuddy技能市场

人工智能

音视频

开发工具

给一份PPT，AI自动生成两支讲解视频：一支原速、一支1.2倍速，共用同一套稿子和画面。从写稿到出片约一天，适合批量将PPT转化为课程。技能已上架Skills-hub，可在WorkBuddy中搜索“ppt-walkthrough-video”下载安装。

WorkBuddy 

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

基于一个原始ppt直接发布讲解视频Skills技能-已经发布到WorkBuddy技能市场

基于一个原始ppt直接发布讲解视频Skills技能-已经发布到WorkBuddy技能市场

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐