NotebookLM2PPT

Appearance

工作原理 ​

本文档详细说明 NotebookLM2PPT 的技术实现细节和工作原理，适合技术人员参考。

🛠️ 核心工作流程 ​

NotebookLM2PPT 通过模拟人工操作，实现了一套高效的 PDF 到 PPT 转换流程：

mermaid
graph TD
    A[PDF 文件] --> B[PDF 转 PNG 图片]
    B --> C{是否启用去水印?}
    C -- 是 --> D[智能去除 NotebookLM 水印]
    C -- 否 --> E[保留原始图像]
    D --> F[全屏显示图片]
    E --> F
    F --> G[调用微软电脑管家智能圈选]
    G --> H[自动点击'转换为PPT']
    H --> I[从下载目录提取生成的 PPT]
    I --> J{是否提供 MinerU JSON?}
    J -- 是 --> K[MinerU 深度优化]
    J -- 否 --> L[合并所有单页 PPT]
    K --> L
    L --> M[生成最终 PowerPoint 文件]
    
    style K fill:#90EE90

📁 项目结构 ​

text
NotebookLM2PPT/
├── main.py                          # 程序主入口
├── requirements.txt                 # 依赖清单
├── notebooklm2ppt/                  # 核心包
│   ├── __init__.py                  # 包初始化文件
│   ├── pdf2png.py                   # PDF 转 PNG 模块
│   ├── ppt_combiner.py              # PPT 合并模块
│   └── utils/                       # 工具模块
│       ├── __init__.py              # 包初始化文件
│       ├── screenshot_automation.py # 截图自动化模块
│       ├── image_viewer.py          # 图像查看器模块
│       ├── image_inpainter.py       # 图像修复模块
│       └── ppt_refiner.py           # MinerU 优化模块
├── examples/                        # 示例 PDF 存放处
└── workspace/                       # 运行时的临时文件与输出结果

🔧 核心模块详解 ​

PDF 转 PNG 模块 ​

文件: notebooklm2ppt/pdf2png.py

  • 功能: 将 PDF 文件转换为高分辨率 PNG 图片
  • 实现: 使用 pdf2image 库
  • 关键特性:
    • 支持自定义 DPI 参数（默认 200）
    • 批量处理多页 PDF
    • 自动创建输出目录
  • 技术细节:
    • 利用 PDF 渲染引擎确保文本和图像的准确还原
    • 支持设置不同的 DPI 值以平衡质量和速度
    • 自动处理页面大小和方向

图像修复模块 ​

文件: notebooklm2ppt/utils/image_inpainter.py

  • 功能: 自动识别并去除 NotebookLM 水印
  • 实现: 多种图像修复算法
  • 关键特性:
    • 自动检测水印位置
    • 支持 6 种不同的修复算法
    • 保持图像质量的同时去除水印
  • 技术细节:
    • 识别水印区域的边界像素
    • 从边界向内逐步填充
    • 使用适当的算法计算填充值

截图自动化模块 ​

文件: notebooklm2ppt/utils/screenshot_automation.py

  • 功能: 模拟用户操作，实现自动化转换流程
  • 实现: 使用鼠标和键盘模拟库
  • 关键特性:
    • 模拟键盘快捷键（Ctrl + Shift + A）
    • 自动定位并点击"转换为PPT"按钮
    • 支持按钮位置校准
  • 技术细节:
    • 智能识别按钮位置
    • 记录按钮相对于屏幕底部的垂直偏移量
    • 内置错误处理机制

图像查看器模块 ​

文件: notebooklm2ppt/utils/image_viewer.py

  • 功能: 全屏显示转换后的图片
  • 实现: 使用 Tkinter
  • 关键特性:
    • 全屏显示图片
    • 支持自定义显示比例
    • ESC 键全局支持
  • 技术细节:
    • 自动适应屏幕尺寸
    • 支持不同屏幕分辨率

PPT 合并模块 ​

文件: notebooklm2ppt/ppt_combiner.py

  • 功能: 将单页 PPT 合并为完整的演示文稿
  • 实现: 使用 PowerPoint 自动化 API
  • 关键特性:
    • 自动检测下载目录中的临时 PPT 文件
    • 按顺序合并幻灯片
    • 保持原始格式和布局
  • 技术细节:
    • 监控下载目录，实时检测新生成的 PPT 文件
    • 使用 PowerPoint 自动化 API 实现幻灯片合并

MinerU 优化模块 ​

文件: notebooklm2ppt/utils/ppt_refiner.py

  • 功能: 利用 MinerU 解析结果对 PPT 进行深度优化
  • 实现: 解析 MinerU JSON 并应用优化算法
  • 关键特性:
    • 智能文本框筛选
    • 字体统一处理
    • 高质量图片替换
    • 智能背景处理
  • 技术细节:
    • 基于 IOU 算法筛选相关文本框
    • 统一字体为"微软雅黑"
    • 从 JSON 中提取高清图片并替换
    • 基于边缘多样性和颜色差异的智能背景处理

🔍 核心算法 ​

IOU（交并比）算法 ​

应用场景: MinerU 优化中的文本框筛选

原理:

python
def compute_iou(boxA, boxB):
    # 计算两个矩形的交集面积
    xA = max(boxA[0], boxB[0])
    yA = max(boxA[1], boxB[1])
    xB = min(boxA[2], boxB[2])
    yB = min(boxA[3], boxB[3])

    interWidth = max(0, xB - xA)
    interHeight = max(0, yB - yA)
    interArea = interWidth * interHeight

    boxAArea = (boxA[2] - boxA[0]) * (boxA[3] - boxA[1])
    boxBArea = (boxB[2] - boxB[0]) * (boxB[3] - boxB[1])

    iou = interArea / float(boxAArea + boxBArea - interArea)

    return iou

使用方式:

  • 计算 MinerU 识别的文本框与 PDF 内容块的 IOU
  • 保留 IOU 值较高的文本框（相关性强）
  • 删除 IOU 值较低的文本框（可能是无关元素）

图像修复算法 ​

应用场景: 去除 NotebookLM 水印

算法列表:

  1. 智能平滑：综合效果最佳，适合大多数场景
  2. 边缘均值填充：取周围像素平均色填充
  3. 极速纯色填充：直接填充单一背景色
  4. 逐层内缩修补：由外向内逐层修补
  5. 渐变过渡插值：计算平滑的曲面过渡
  6. 双调和光影修补：保持光影连续性

边缘多样性检测算法 ​

应用场景: MinerU 优化中的智能背景处理

原理:

  • 计算文本块边缘的颜色多样性
  • 计算文本块四个角的颜色差异
  • 根据计算结果判断是纯色区域还是复杂背景
  • 纯色区域填充平均颜色，复杂背景保留原背景

🚀 性能优化 ​

并行处理 ​

程序支持并行处理多个 PDF 页面，显著提升转换速度：

python
from concurrent.futures import ThreadPoolExecutor

def process_pages(pages):
    with ThreadPoolExecutor(max_workers=4) as executor:
        results = list(executor.map(process_single_page, pages))
    return results

缓存机制 ​

为了避免重复计算，程序实现了缓存机制：

  • PDF 转 PNG 结果缓存
  • 水印检测结果缓存
  • MinerU JSON 解析结果缓存
  • 图片下载缓存

内存管理 ​

对于大型 PDF 文件，程序采用分块处理策略：

  • 每次只处理一定数量的页面
  • 及时释放不再使用的资源
  • 避免内存溢出

依赖优化 ​

在 v0.6.0 版本中，程序进行了深度依赖优化：

  • 移除 Scikit-learn：将原有的 DBSCAN 边缘多样性检测替换为高性能的 Numpy 原生实现
  • 移除 OpenCV：全屏图像显示引擎全面迁移至 Tkinter
  • 体积效益：编译后的 .exe 或二进制文件大小大大减小，冷启动速度与内存占用大幅优化

⚙️ 关键技术参数 ​

参数默认值作用影响
button_offset0智能圈选按钮偏移量决定程序能否准确定位按钮
dpi200PDF 转 PNG 分辨率影响图片质量和转换速度
display_scale0.8图片显示比例影响圈选效果和转换成功率
delay2 秒操作延迟影响操作稳定性和转换速度
timeout60 秒超时时间影响转换稳定性和效率

📊 性能基准 ​

转换速度 ​

PDF 页数基础转换MinerU 优化
10 页~2 分钟~3 分钟
20 页~4 分钟~6 分钟
50 页~10 分钟~15 分钟

资源占用 ​

资源类型基础转换MinerU 优化
CPU30-50%40-60%
内存500MB1GB
磁盘100MB500MB

🔗 相关文档 ​

基于 MIT 许可证开源

Copyright © 2026-Present NotebookLM2PPT