⚠️ 触发即响应，不要去找文件
以下任一触发词，skill 激活后 第一句话就是问材料，禁止先去桌面搜索、禁止自行推断路径：
| 触发词 |
|---|
| 整理会议录音 / 会议录音整理 |
| 录音转文字 / 录音转演讲稿 / 语音转文字 / 音频转文字 |
| 语音识别 / 转写录音 / 转写音频 |
| PPT演讲稿 / 演讲复原稿 / 汇报稿 / PPT配音 |
| 会议纪要 / 逐字稿 / 文字稿 / 对话转写 |
| 录音转PPT / 音频PPT融合 / 图片转讲稿 |
| 帮我整理录音 / Whisper转写 |
材料类型判断
收到材料文件后，按扩展名自动识别类型：
| 类型 | 扩展名 | 页面提取方式 |
|---|---|---|
| PPT | .pptx | python-pptx 提取文字 + LibreOffice/PyMuPDF 截图 |
| PyMuPDF 逐页截图 + 文字提取 | ||
| 图片 | .png/.jpg/.jpeg/.gif/.bmp/.webp/.tiff | Pillow 直接读取，每张图 = 一页 |
多图片按文件名自然排序（01/02/03…）作为页码顺序。
流程总览（图）
flowchart TD
S["触发：整理会议录音 / 录音转文字 / PPT演讲稿 …"] --> Q{"有配套材料？<br/>PPT / 图片 / PDF"}
Q -- "无材料" --> T1["Whisper 中文转写<br/>梳理脉络·提炼要点"]
Q -- "有材料" --> T2["转写 + 提取材料页面<br/>自动识别 PPT / 图片 / PDF"]
T1 --> F1{"选格式"}
T2 --> F2{"选格式"}
F1 -- "A. Word 纪要" --> O1["结构化会议纪要 Word<br/>议题 / 结论 / 待办"]
F1 -- "B. txt 文本" --> O2["纯转写文本 txt"]
F2 -- "A. 复原稿 PDF" --> O3["演讲复原稿 PDF<br/>上半页叙述·下半页材料页面"]
F2 -- "B. Word 纪要" --> O1
F2 -- "C. txt 文本" --> O2
O1 --> C["自动自检：页数对齐 / 页面清晰 / 主题匹配"]
O2 --> C
O3 --> C
C --> D["输出文件 + 路径"]
工作流（极简三步）
第一步：先问材料
触发后立即询问，不干别的：
> 有没有配套材料（PPT / 图片 / PDF）？没有的话我直接转写整理，有的话请上传到对话框。
第二步：收文件，开干
无材料：直接对录音做完整中文转写（Whisper medium），梳理对话脉络、提炼要点。
有材料：用户上传后，自动识别类型（PPT/图片/PDF），转写录音 + 提取材料页面文字和截图。
第三步：选格式，输出
转写完成后：
无材料：
> 转写完成。要输出什么格式？
> A. 结构化会议纪要 Word（议题/结论/待办）
> B. 纯转写文本 txt
> 默认选 A。
有材料：
> 转写完成。要输出什么格式？
> A. 演讲复原稿 PDF（上半页叙述，下半页材料页面）
> B. 纯文字会议纪要 Word
> C. 纯转写文本 txt
> 默认选 A。
进度反馈
| 阶段 | 提示语 |
|---|---|
| 触发后 | 「有没有配套材料（PPT/图片/PDF）？没有我直接转写，有的话传上来。」 |
| 转写中 | 「正在转写，预计 X 分钟...」 |
| 转写完 | 「转写完成，选格式：A/B/C」 |
| 生成完 | 自检结果 + 文件路径 |
模式详细说明
模式 A：演讲复原稿 PDF（需材料）
- 每页上半部分演讲叙述，下半部分材料页面（PPT 幻灯片 / PDF 页面 / 图片）
- 页数严格对齐材料页数（多图按自然排序）
- 自动自检
模式 B：会议纪要 Word
- 会议主题、参会人
- 按议题分段，含讨论要点 + 结论
- 末尾待办清单
模式 C：纯转写文本 txt
- 完整转写，带说话人标记
自检
- 转写文本非空、通顺
- 模式 A 额外：PDF 页数 = 材料页数、页面清晰、主题匹配
- 有问题直接修复
异常处理
| 情况 | 处理 |
|---|---|
| 音频格式不支持 | 提示转为 m4a/mp3/wav |
| 转写质量差 | 告知用户，建议更清晰录音 |
| 材料超 50 页 | 提醒耗时，确认后继续 |
| 只有材料没录音 | 提示需要录音 |
| 不支持的图片格式 | 提示转为 png/jpg |
技术执行
环境检查（每次执行前先跑，禁止跳过）
第一步：检查依赖，缺啥装啥。
# 逐个检查，只装缺失的
for pkg in openai-whisper python-pptx Pillow reportlab PyMuPDF python-docx; do
pip show "$pkg" > /dev/null 2>&1 || pip install "$pkg" 2>&1
done
第二步：检查 ffmpeg（音频预处理用，非必需但有最好）。
which ffmpeg > /dev/null 2>&1 && echo "ffmpeg: OK" || echo "ffmpeg: 未安装，大文件转写可能较慢"
第三步：检查 LibreOffice（PPT 截图优先方案，非必需）。
which soffice > /dev/null 2>&1 && echo "LibreOffice: OK（优先截图方案）" || echo "LibreOffice: 未安装，将使用 python-pptx 降级方案"
> 检查完成后汇报结果再进入工作流。不重复安装已有的包。
音频转写
import whisper
model = whisper.load_model("medium")
result = model.transcribe("录音文件", language="zh")
大文件预处理：ffmpeg -i 录音.m4a -ac 1 -ar 16000 录音_16k.wav
材料页面提取（仅模式 A）
按文件类型自动选择方案：
PPT (.pptx)：优先 LibreOffice — soffice --headless --convert-to pdf 文件.pptx → PyMuPDF 逐页截图；备选 python-pptx + Pillow 手工渲染。
PDF (.pdf)：PyMuPDF 逐页截图 + 文字提取。
图片 (.png/.jpg/...)：Pillow 直接读取，按文件名自然排序作为页码顺序。多张图片直接作为多页材料使用。
PDF 生成（仅模式 A）
ReportLab / fpdf2，A4，叙述在上，材料页面在下
Word 生成（模式 B）
python-docx，标题分级 + 表格待办
各平台获取方式
WorkBuddy
对话中说「整理会议录音」「录音转文字」「AI演讲稿融合」即可自动触发。
首次安装：在 WorkBuddy 技能管理 → 通过 URL 导入，填入 https://github.com/fulei223344-lang/ppt-speech-fusion；或直接搜「AI演讲稿融合」「会议录音转写」即可找到并一键安装。
Codex / Cursor / Claude Code / Copilot / Cline / Windsurf
复制本 SKILL.md 全文到项目根目录对应配置文件（.codex.md / .cursor/rules/ / CLAUDE.md / .github/copilot-instructions.md / .clinerules / .windsurfrules）。
GitHub: github.com/fulei223344-lang/ppt-speech-fusion
SkillHub: skillId=137251
