把一份 PPT / PDF / HTML 幻灯片，一键变成带 AI 配音 + 多语种字幕的专业讲解视频。逐页讲稿可由 Agent 自动生成，确认后再渲染。

一个适配 Claude Code / Codex / CodeBuddy 等 Agent 环境的开源 Skill。它编排 PPTalker 的 MCP 工具，走一条「上传 → 解析 → 逐页讲稿（抽取或本地生成）→ 用户确认 → 渲染 → 轮询出片」的稳健流程，把静态幻灯片变成可直接分享的讲解视频。

English · 贡献指南 · LICENSE

幻灯片做完了，真正费时的是讲出来——录屏要反复重录，配音要对口型，字幕要逐句敲，换一种语言又得从头来。

这个 skill 把「幻灯片 → 讲解视频」这条最枯燥的链路自动化：

• 不用录屏、不用对口型：逐页讲稿交给 AI 配音，自动生成与朗读同步的字幕。
• 多语种一键切换：中 / 英 / 日 / 西等，50+ 真人级音色任选，换语言只需改一个参数。
• 讲稿可控、先审后渲：原生备注自动抽取，没有备注则按专业口吻本地生成，你确认后才会消耗额度渲染。

一句话：让「做完的 PPT」自己开口讲，变成能存档、能分享、能投放的讲解视频。

content-to-slides 负责从 0 生产幻灯片：把一篇文章 / 一个视频链接 / 一个 GitHub 仓库，做成横屏 4:3 的 5–10 页讲解 slides + PDF + 逐页口播讲稿。

PPTalker 负责把这些幻灯片讲出来：接住 content-to-slides 产出的 presentation.html / output.pdf，配上 AI 语音和字幕，渲染成成片视频。

两者天然衔接，组成一条完整流水线：

   一个链接 / 一篇文章 / 一个仓库
              │
   content-to-slides   ──►  HTML / PDF 幻灯片  +  逐页讲稿 (script.md)
              │
   PPTalker (本 skill)  ──►  带 AI 配音 + 多语种字幕的讲解视频
              │
        发抖音 / B 站 / YouTube / 小红书 / 知识库存档

content-to-slides 生成的 script.md 讲稿可直接作为本 skill 的「逐页讲稿」输入——无需重写，端到端从「一个链接」到「一条成片」。

装好 skill 并配置 MCP 后，直接对 Agent 说：

把这个 PPT 做成配音讲解视频：/abs/path/to/deck.pptx
把这份 PDF 幻灯片转成中文讲解视频：/abs/path/to/slides.pdf
讲解一下这个 HTML slides，输出英文配音：/abs/path/to/presentation.html

Agent 会自动：上传 → 解析逐页内容 → 抽取或生成逐页讲稿 → 给你确认/修改 → 选音色 → 渲染 → 轮询出片，最后只给你一个永久 share_url。

配合 content-to-slides：它产出的 HTML/PDF 直接作为这里的输入，讲稿也可沿用它生成的 script.md。

适合：

• 把已经做好的 PPT / PDF / HTML 幻灯片快速转成配音讲解视频
• 同一套幻灯片要做多语种版本（中 / 英 / 日 / 西）
• 内容创作者把 content-to-slides 生成的 deck 一键成片，投放短视频平台

不适合：

• 需要复杂转场动效、镜头运镜的影视级视频
• 没有幻灯片、纯口播的播客式音频（本 skill 以幻灯片逐页为骨架）

1  核额度    pptalker_get_account        确认剩余分钟数
2  上传      pptalker_upload_ppt         本地文件 → request_id
3  解析      pptalker_parse_ppt          → 逐页图、原生备注、页数
4  定讲稿     抽取 / 用户提供 / 本地生成    →  final_notes
5  本地生成   （可选）按语言/字数/语气生成    专业 TTS 讲稿
6  选音色     pptalker_list_voices        50+ 音色（可选）
7  渲染      pptalker_create_video       ⚠️ 必须先经用户确认讲稿
8  轮询      pptalker_get_video_status   出片 → share_url

核心安全约束：未经用户明确确认 final_notes，绝不调用 pptalker_create_video。完整流程见 SKILL.md。

本 skill 是纯文件结构（SKILL.md + references/），把整个目录放进 Agent 的 skills 搜索路径即可。

# Claude Code
git clone https://github.com/YoungXu06/pptalker-skill.git \
  ~/.claude/skills/pptalker

# CodeBuddy
git clone https://github.com/YoungXu06/pptalker-skill.git \
  ~/.codebuddy/skills/pptalker

PPTalker 是一款「演示文稿一键转配音视频」的在线产品：上传 PPT / PDF / HTML，自动配 AI 真人级语音 + 多语种字幕，几分钟出片。支持 20+ 语言、50+ 音色与声音克隆，无需录屏、无需对口型、无需剪辑——特别适合课程讲解、产品介绍、知识科普与短视频创作者。本 skill 正是把 PPTalker 的能力接入 Agent，让你一句话完成「幻灯片 → 成片」。

🌐 官网 https://www.pptalker.com ｜ 🤖 Agent 入口 https://www.pptalker.com/agents

本 skill 编排 PPTalker 的 MCP 工具，需先在你的 MCP 客户端（Claude Code / Codex / CodeBuddy / Cursor 等）中注册。最简配置只需一个 API Key：

{
  "mcpServers": {
    "pptalker": {
      "command": "npx",
      "args": ["-y", "@pptalker/mcp-server"],
      "env": { "PPTALKER_API_KEY": "pptk_live_..." }
    }
  }
}

除 PPTALKER_API_KEY 外其余均为可选的默认值——渲染时若未在对话里单独指定，就套用这里的配置。下面是一份带全部参数的完整示例：

{
  "mcpServers": {
    "pptalker": {
      "command": "npx",
      "args": ["-y", "@pptalker/mcp-server"],
      "env": {
        "PPTALKER_API_KEY": "pptk_live_xxxx",
        "PPTALKER_LANGUAGE": "Chinese",
        "PPTALKER_VOICE": "智斌",
        "PPTALKER_SPEED": "100",
        "PPTALKER_SUBTITLES": "true",
        "PPTALKER_SUBTITLE_SIZE": "medium",
        "PPTALKER_SUBTITLE_COLOR": "white",
        "PPTALKER_SUBTITLE_BG": "semi-transparent"
      }
    }
  }
}

这些只是默认值：同一套配置下，仍可在对话里临时改语言 / 音色 / 语速等，渲染时传入的参数会覆盖默认。语言与音色的完整对照见 SKILL.md。

• API Key 申请：https://www.pptalker.com/profile
• 额度与定价：https://www.pptalker.com/pricing （1 额度 = 1 分钟成片；上传、解析、本地生成讲稿均免费）

pptalker-skill/
├── SKILL.md                          # Skill 主文件：触发词、工具图、8 步工作流、硬规则
├── README.md                         # 中文说明（本文件）
├── README.en.md                      # 英文说明
├── CONTRIBUTING.md                   # 贡献指南
├── LICENSE                           # AGPL-3.0
├── .gitignore
└── references/                       # 分层知识库（Agent 按需读取）
    ├── note-generation-prompt.md     # 讲稿生成 prompt 模板 + TTS 安全规则 + 语气块
    ├── error-handling.md             # 硬规则、错误码、超时策略、套餐限制
    └── examples.md                   # 两个完整范例 + 各格式取文recipe

1. 先审后渲 —— 讲稿未经用户确认，绝不渲染（避免浪费额度、避免错误成片）。
2. 渲染超时不是失败 —— create_video 超时说明任务已提交，绝不重试，改去轮询，避免重复扣费。
3. 重试至多 3 次 —— 任一 MCP 工具失败最多重试 3 次，仍失败就停下报错、问用户怎么办。
4. 讲稿 TTS 友好 —— 纯口语文本，禁 Markdown / 列表符号，型号版本号去连字符（"GPT-5" → "GPT 5"），中日文 CJK 与 ASCII 间不留空格。
5. PDF/HTML 必问讲稿来源 —— 不静默使用嵌入备注，始终让用户选「自己提供 / 自动生成」。
6. 只暴露 share_url —— 永久公开链接给用户；内部临时直链仅供调试，绝不外露。

Q：渲染卡很久 / MCP 调用超时了？ A：create_video 超时是正常的（长任务已在服务端提交），不要重试，去轮询 pptalker_get_video_status（复用同一个 request_id），重复调用可能重复扣费。

Q：额度怎么算？ A：1 额度 = 1 分钟成片。10 页幻灯片大约 3–5 分钟 → 3–5 额度。上传、解析、本地生成讲稿都免费。

Q：能换语言 / 换音色吗？ A：可以。pptalker_list_voices 浏览 50+ 音色，渲染时传 language + voice 即可；讲稿语言要和音色语言一致。

更多错误码与超时处理见 references/error-handling.md。

欢迎改进讲稿 prompt、补充取文策略、完善错误处理。请先读 CONTRIBUTING.md。

核心约定：改流程同步更新 SKILL.md 对应步骤；讲稿规则改动同步 note-generation-prompt.md；不削弱「先审后渲、超时不重试、至多重试 3 次」三条硬规则。

• content-to-slides —— 把文章 / 视频 / GitHub 仓库做成 5–10 页讲解 slides + PDF + 逐页讲稿。它产出的幻灯片正是本 skill 的理想输入，两者组成「内容 → 幻灯片 → 讲解视频」完整流水线。

AGPL-3.0 © PPTalker Skill contributors