AI提效指南:生成精美PPT与漫画

AI提效指南:生成精美PPT与漫画

🎬 博主名称:超级苦力怕

🔥 个人专栏:《Java 成长录》《AI 工具使用目录》

🚀 每一次思考都是突破的前奏,每一次复盘都是精进的开始!


前言

使用前提:拥有科学上网的能力,建议拥有 Gemini Pro 版,否则只能使用免费版。

快速制造PPT目录

    • 前言
    • 1. 快速生成精美 PPT
      • 1.1 进入官网
      • 1.2 特殊风格生成
      • 1.3 规范生成
      • 1.4 网络查找
      • 1.5 转换为 PPT
    • 2. 快速生成动漫风格漫画
      • 2.1 进入官网
      • 2.2 输入文本(可用提示词模板)
    • 结语

1. 快速生成精美 PPT

如果拥有 Gemini Pro 版(可以通过学生认证),通常会解锁更多能力,用于生成更高质量的 PPT。

1.1 进入官网

快速传送门:NotebookLM 官网
进入 NotebookLM 官网,新建一个 Notebook。

在这里插入图片描述

可以上传文件作为初始数据,也可以通过网络查找资料作为初始数据。在 Studio 功能中找到 Slide Deck,即可生成 PPT。

在这里插入图片描述

1.2 特殊风格生成

在支持“风格复刻”的图像模型 Nano Banana 中,你可以定义风格,比如吉伊卡哇、哆啦A梦、火影忍者等;生成的角色气质也能更贴近原作设定。

唯一注意:专有名词建议用英文输入,生成效果通常更好;生成后再在 PPT 里替换为中文。
此处示例文件为上一次的文章:快速生成中文海报

左侧是详细 PPT (包含全文和详情),右侧是演示 PPT (只有重点)

在这里插入图片描述

生成效果(部分)

在这里插入图片描述
注:尽量不用一些小众风格,可能会导致 AI 无法识别。失败示例:元气骑士 (Soul Knight)
在这里插入图片描述

1.3 规范生成

在其他的 AI 中,可以使用提示词去规范 AI 生成。当然,在 Nano Banana 里也有着许多的提示词。

  1. 可以通过 JSON 提示词,生成对应的参考图像。
  2. 可以通过基本的图像生成提示,创建简单、高对比度的图像(示例)。
  3. 也可以通过更详细的提示词,生成简洁、高质量的示例图像;并结合个人资料信息,让内容更贴合你的职业/场景。

示例图像:

在这里插入图片描述

更多提示词示例可以通过该网站进行查询:nano-banana-pro-prompts

在这里插入图片描述

1.4 网络查找

我们可以通过在网络中查找数据来源,来作为生成 PPT 的材料。

在这里插入图片描述


搜索到对应数据后,进入查看是否需要;不需要的可以手动取消,最后选择导入。

在这里插入图片描述


示例:选择第一个数据

在这里插入图片描述

1.5 转换为 PPT

由于默认导出的文件格式是 PDF,我们可以通过 PDF 工具将 PDF 转为 PPT。

在这里插入图片描述


展示效果

Z

2. 快速生成动漫风格漫画

在视频网站上常见“多格漫画讲解”,例如用哆啦A梦讲解计算机知识;这类内容也可以用 AI 快速生成。

2.1 进入官网

快速传送门:NotebookLM 官网
这里以 4 格漫画为例:进入 NotebookLM,新建一个 Notebook。

2.2 输入文本(可用提示词模板)

我们可以选择不上传文件,通过右下角的“粘贴文本 / Paste text”(或类似入口),直接输入文本作为资料源填充到左侧。

在这里插入图片描述

示例提示词模板
在使用前,可以先用其他 AI(如 DeepSeek 等)对提示词进行补全与润色。

## 4格教育漫画通用提示词模板 **核心指令** 请严格按照以下设定生成一张 4 格漫画:画风为经典《哆啦A梦》动画风格(圆润可爱、色彩明快)。四个画格必须呈严格的二乘二(2x2)正方形网格排列。所有角色形象、画风均需与《哆啦A梦》原作保持一致。使用简体中文,确保画面清晰、构图工整、对话易读。 --- ### 【角色设定】 * **主角**:[在此填写主角姓名,如:野比大雄] * **知识讲解者**:[在此填写讲解者姓名,如:哆啦A梦] * **辅助角色(可选)**:[在此填写其他出场角色,如:静香] --- ### 【故事剧本】 **本漫画主题**:[在此用一句话概括要讲解的知识点] * **第1格(遭遇困境)** * **场景**:[在此填写场景地点] * **画面描述**:[主角] 正在 [描述具体动作],表情显得 [描述情绪]。其面前是/有 [描述引发问题的核心物品或状况]。 * **对话**:[“在此填写主角的疑问或吐槽”] * **第2格(方案提出)** * **场景**:同上一场景。 * **画面描述**:[知识讲解者] 出现,并从口袋中掏出 [描述用于比喻的神奇道具] 进行解释。 * **对话**:[“在此填写讲解者介绍道具和原理的台词”] * **第3格(原理演示)** * **场景**:对操作过程或原理流转的特写。 * **画面描述**:清晰展示 [描述道具如何工作或知识如何应用的具体过程]。为增强理解,请使用箭头、发光效果等视觉元素引导视线。 * **关键标注**:[在此添加必要的文字标签,用于说明核心步骤或转换关系] * **第4格(解决与总结)** * **场景**:回到主场景。 * **画面描述**:问题已解决。[主角] 表情变为 [描述情绪,如:开心、恍然大悟],[知识讲解者] 在旁 [描述姿态,如:自豪地微笑]。 * **总结对话**:[“在此填写主角总结收获的台词”] * **知识点卡片**:在画面角落添加一个醒目的方框,内写:[在此用一句话精炼总结核心知识点或定义] --- ### 【生成要求(重要)】1. **角色一致性**:必须保证同一角色在所有画格中的五官、发型、服装等特征完全统一。 2. **视觉隐喻**:将抽象知识点转化为具象、易懂的道具操作或视觉流程。 3. **信息清晰**:第3格的关键流程和第4格的知识点卡片必须清晰、醒目。 

这时可以通过右侧的「信息图(Infographic)」进行创作。

在这里插入图片描述


信息图填写示例:

在这里插入图片描述

原始示例提示词:

请生成一张 4 格漫画,画风模仿经典《哆啦A梦》动画风格(圆润可爱、色彩明快)。四个画格呈严格二乘二(2x2)正方形网格排列。 【角色设定】 主角:野比大雄(标志性黄衣、短裤、圆脸) 道具提供者/讲解者:哆啦A梦(蓝胖子机器人形象) 【故事情节与分镜】 1. 场景:大雄的房间。 - 动作与表情:大雄坐在地上,面前放着两个储蓄罐。一个小罐子(标签写着“int 零花钱 500”)已经满了,硬币溢出。一个大罐子(标签写着“double 大储蓄罐”)空空如也。大雄对着小罐子挠头,表情苦恼。 - 对话气泡(大雄):“零花钱(int)太小装不下了,怎么存进大储蓄罐(double)啊…” 2. 场景:大雄的房间(哆啦A梦出现)。 - 动作与表情:哆啦A梦从口袋掏出“放大灯”,一脸得意地向大雄解释。大雄好奇地看着。 - 对话气泡(哆啦A梦):“用这个‘放大灯’(宽化转换)照一下就行!从小类型变到大类型,数据一点都不会丢哦!” 3. 场景:特写“放大灯”照射储蓄罐。 - 动作与表情:一道神奇的光束从放大灯射出,笼罩住小储蓄罐。罐子里的硬币(代表数据)在光芒中平稳地“流”向旁边的大储蓄罐,过程清晰无阻。 - 视觉标注:在光路上可添加箭头和文字注释“int → double”。 4. 场景:大雄的房间(结果展示)。 - 动作与表情:小罐子空了,大储蓄罐里装满了硬币。大雄欢呼雀跃,哆啦A梦双手叉腰,一脸自豪。 - 对话气泡(大雄):“太神奇了!钱(数值)全都安全转移过去了!” - 画面角落备注(仿课堂笔记):【宽化转换(Widening Conversion):将小范围数据类型(如int)安全转换为大范围类型(如double),无需强制转换,无信息丢失。】 【画面与格式要求】 - 4个画格呈严格二乘二(2x2)正方形网格排列。 - 角色形象、画风必须与《哆啦A梦》经典动画保持一致。 - 使用简体中文对话和注释。 - 画面清晰,道具和标注一目了然。 

示例效果

在这里插入图片描述

结语

  • PPT 部分: NotebookLM 导入资料后,在 Studio 里生成 Slide Deck 并导出 PDF,再通过工具转成 PPT 即可快速完成初版;
  • 漫画部分:“输入文本 + 提示词模板”在信息图(Infographic)里生成多格漫画,用于知识点讲解更直观。
  • 如果本文对你有帮助:欢迎点赞、收藏,让更多的人看到。

Read more

国产AI双雄对决:智谱GLM-5与MiniMax M2.5

国产AI双雄对决:智谱GLM-5与MiniMax M2.5

导读:2026年2月,中国AI领域迎来里程碑时刻——智谱GLM-5与MiniMax M2.5两大开源旗舰模型几乎同期发布。它们都瞄准了"Agentic Engineering"这一前沿方向,却在技术路线和能力侧重上形成了鲜明对比。本文将从技术架构、核心能力、实际案例等多个维度,为你深度解析这两款国产大模型的优劣与适用场景。 一、模型概览与核心定位 1.1 智谱GLM-5:开源Agent任务的王者 发布时间:2026年2月11日 开源协议:MIT License 总参数量:744B(激活参数40B) 训练数据:28.5万亿tokens 上下文窗口:200K GLM-5是智谱AI推出的最新一代大模型,定位是"当下顶尖的Coding模型"。在全球权威榜单Artificial Analysis上,GLM-5位列全球第四、开源第一。 核心突破: * Agentic Engineering能力:不仅能写代码,更能处理复杂系统工程与长程Agent任务

By Ne0inhk

Flutter 组件 pathfinding 的鸿蒙化适配实战 - 驾驭极致拓扑寻踪大坝、实现 OpenHarmony 分布式端高性能 AI 寻路、迷宫拓扑与工业级路径导航核方案

欢迎加入开源鸿蒙跨平台社区:https://openharmonycrossplatform.ZEEKLOG.net Flutter 组件 pathfinding 的鸿蒙化适配实战 - 驾驭极致拓扑寻踪大坝、实现 OpenHarmony 分布式端高性能 AI 寻路、迷宫拓扑与工业级路径导航核方案 前言 在鸿蒙(OpenHarmony)生态的分布式工业巡检、高性能游戏开发或者是对空间计算有极其严苛要求的 0308 批次智能仓储应用中。“复杂环境下的路径最优解计算与实时障碍避让维度”是衡量整个系统智慧化程度的最终质量门禁。面对包含数万个节点的网格地图、海量动态变化的货架坐标、甚至是由于跨设备同步产生的 0308 批次拓扑逻辑海洋。如果仅仅依靠简单的“直线欧式距离”或者是干瘪的广度优先搜索(BFS)。不仅会导致在处理大型复杂地图时让系统如同在逻辑废墟中盲人摸象。更会因为计算耗时指数级爆炸,让移动端在进行路径导航时瞬间陷入死机盲区。 我们需要一种“逻辑先行、代价建模”的空间演算艺术。 pathfinding 是一套专注于无缝整合全球公认顶级算法 A*、Dijkstra 以及二叉堆

By Ne0inhk
从MVP到千万级并发 AI在前后端开发中的差异化落地指南

从MVP到千万级并发 AI在前后端开发中的差异化落地指南

文章目录 * 前言 * 一、技术原理解析 * 1. 核心差异维度对比 * 2. AI 辅助开发的技术架构模型 * 二、按 DAU 规模分层的实战策略与代码实证 * 1. 低 DAU 项目(<1万):MVP 验证期 * 后端实战:从需求到接口的秒级响应 * 前端实战:快速但粗糙的 UI * 2. 中 DAU 项目(1万–100万):业务增长期 * 后端:复杂业务逻辑的精准生成 * 前端:C端体验的“陷阱” * 3. 高 DAU 项目(>100万):高并发架构期 * 后端进阶:AI 驱动的性能优化 * 高并发流程架构图 * 三、

By Ne0inhk
【AI论文】OmniInsert:借助扩散变换器模型实现任意参考对象的无掩码视频插入

【AI论文】OmniInsert:借助扩散变换器模型实现任意参考对象的无掩码视频插入

摘要:近期基于扩散模型在视频插入领域取得的进展令人瞩目。然而,现有方法依赖复杂的控制信号,却难以保证主体一致性,限制了其实际应用。本文聚焦于无掩码视频插入任务,旨在解决三大关键挑战:数据稀缺、主体与场景平衡以及插入内容的和谐融合。为应对数据稀缺问题,我们提出了一种新型数据流水线InsertPipe,可自动构建多样化的跨配对数据集。基于该数据流水线,我们开发了OmniInsert——一种新颖的统一框架,支持从单一或多个主体参考中实现无掩码视频插入。具体而言,为保持主体与场景的平衡,我们引入了一种简单而有效的条件特定特征注入机制,以明确注入多源条件,并提出了一种新型渐进式训练策略,使模型能够平衡来自主体和源视频的特征注入。同时,我们设计了主体聚焦损失函数,以提升主体的细节表现。为进一步增强插入内容的和谐融合,我们提出了插入偏好优化方法,通过模拟人类偏好来优化模型,并在参考过程中引入上下文感知重表述模块,使主体无缝融入原始场景。为解决该领域缺乏基准测试的问题,我们推出了InsertBench——一个包含多样化场景和精心挑选主体的综合基准测试集。在InsertBench上的评估表明,OmniI

By Ne0inhk