LayerSlide

一个把图片和 PDF 重建为可编辑 PPT，并生成独立视觉资产的 AI 视觉生产工作台。

快速开始 · 部署指南 · 本地开发 · 开源协议

LayerSlide 是什么

LayerSlide 面向设计、运营、产品和前端团队，将已经扁平化的图片、PDF 页面或界面截图，重新组织为 可编辑、可复用、可继续交付的结构化内容。

它把文件解析、文字识别、版面分析、视觉资产处理、在线编辑和结果导出放进同一条工作流。你可以将 JPG、PNG 或 PDF 重建为对象级可编辑的 PowerPoint，也可以从完整界面中提取独立的 UI 资产。

LayerSlide 不绑定单一模型服务。模型、数据、对象存储和部署环境都由使用者自行管理。

为什么用 LayerSlide

• 将不可编辑的视觉稿转换为文字、图片、形状等可继续修改的对象
• 把解析、重建、校对、编辑和导出串成一条连续工作流
• 支持 OpenAI 兼容接口、豆包和千问等模型服务
• 支持自托管，任务数据、模型密钥和生成资产保留在自己的环境中
• 提供预构建多架构镜像和 Docker Compose 安装包，自动完成数据库迁移

适合谁

• 需要将截图、扫描稿或 PDF 快速还原为可编辑 PPT 的设计和运营人员
• 需要从界面截图提取独立素材的产品和前端人员
• 需要批量处理视觉还原任务，并持续查看进度、日志和失败原因的团队
• 希望自行管理模型服务、数据和存储的自托管用户

核心能力

• 可编辑 PPT 重建：支持 JPG、PNG 和 PDF，识别版式、文字与视觉元素并导出 PPTX
• 在线幻灯片编辑：支持文字、图片、形状、图层、组合、缩放、撤销和预览
• UI 资产生成：从完整界面中识别并生成独立图片、图标和透明素材
• 生图工作台：使用配置的图片模型生成内容，并保留任务与结果记录
• 模型与 OCR 配置：管理视觉模型、生图模型和个人 OCR Token
• 后台任务处理：通过 Redis 与 RQ 执行异步任务，提供实时进度和执行日志
• 账号与安全：支持注册、登录、设备会话管理以及按用户隔离数据和模型配置
• 自托管部署：通过 PostgreSQL、Redis、S3 兼容对象存储和 Docker Compose 运行完整服务

产品预览

任务处理、页面重建与独立资产拆分

原始页面与可编辑重建结果对照

快速开始

服务器已安装 Docker Engine、Docker Compose v2、OpenSSL 和 curl 时，可以使用一条命令完成部署：

mkdir -p layerslide && curl -fsSL https://github.com/helloJincheng/layerslide/releases/latest/download/layerslide-deploy.tar.gz | tar -xz -C layerslide && cd layerslide && ./install.sh

命令会下载最新 Release 部署包并解压到当前目录的 layerslide/，随后生成随机密钥、拉取镜像并 启动全部服务。

安装脚本会自动生成 PostgreSQL、MinIO 和 LayerSlide 密钥，拉取公开 GHCR 镜像，执行 Alembic 数据库迁移，并启动 Web、API、Worker、Scheduler、PostgreSQL、Redis 和 MinIO。

默认访问地址：

LayerSlide: http://localhost:8080
MinIO Console: http://localhost:9001

首次打开 LayerSlide 后创建账户，再进入 模型设置 添加视觉模型并设为默认模型。启用 AI 增强生图时， 还需要配置支持图像编辑的默认生图模型。

完整的安装、升级、日志和卸载说明见 Docker Compose 部署指南。

发布镜像

GitHub Actions 会为 linux/amd64 和 linux/arm64 发布两个公开镜像：

ghcr.io/hellojincheng/layerslide-web:<version>
ghcr.io/hellojincheng/layerslide-api:<version>

Web 和 API 镜像均包含项目运行所需字体；API 镜像还包含 editppt、LibreOffice、Poppler 和服务端 渲染依赖，不需要在宿主机安装 Node.js、Python 或 Codex。

本地开发

环境要求：

• Docker Engine 24+
• Docker Compose v2
• Node.js 24.8（仅在宿主机运行前端时需要）
• pnpm 9.6

复制本地环境变量模板，并生成 32 字节 URL-safe Base64 主密钥：

cp .env.example .env
openssl rand -base64 32 | tr '+/' '-_'

将输出写入 .env 的 LAYERSLIDE_MASTER_KEY，然后启动完整开发环境：

docker compose -f infra/docker-compose.yml up --build

访问地址：

Web: http://localhost:5173
API: http://localhost:8000
MinIO Console: http://localhost:9001

前端也可以单独运行：

pnpm install
pnpm dev

Vite 会将同源 /api 请求代理到 http://localhost:8000。通过 API_PROXY_TARGET 可以指定其他 后端地址。

后端开发需要热更新时，先运行本机前端，再使用开发覆盖配置启动依赖和后端服务：

pnpm --filter @layerslide/web dev --host 0.0.0.0

docker compose \
  -f infra/docker-compose.yml \
  -f infra/docker-compose.dev.yml \
  up --build -d postgres redis minio migrate api worker

修改 Python 依赖或 Dockerfile 后需要重新构建镜像；修改数据库迁移后需要重新运行 migrate。

模型与 OCR 配置

LayerSlide 当前支持 OpenAI 兼容接口、豆包 Ark 和阿里云百炼千问。不同服务支持的视觉分析、同步生图、 异步生图和图像编辑能力不同，保存配置后应先执行模型发现和连通性测试，再设置默认视觉模型或默认生图 模型。

使用 Sub2API 代理非流式图片生成时，长时间请求可能被反向代理提前断开。可在 Sub2API 服务端启用：

GATEWAY_IMAGE_NONSTREAM_KEEPALIVE_INTERVAL=10

该变量属于 Sub2API，不应添加到 LayerSlide 的 .env。修改后需要重新创建或重启 Sub2API 服务。

系统 OCR Token 可通过 PADDLE_OCR_TOKEN 配置；用户也可以在设置页保存自己的 OCR Token。没有远程 OCR 配置时，系统使用内置的本地文字检测能力。

数据与安全

• Provider API Key 和用户 OCR Token 使用 AES-GCM 加密后存入 PostgreSQL
• 用户密码使用 Argon2id 哈希保存，登录状态通过 HttpOnly Cookie 管理
• 生产环境必须使用 HTTPS，并将 COOKIE_SECURE 设置为 true
• .env 包含数据库密码、对象存储密钥和 LAYERSLIDE_MASTER_KEY，不得提交到 Git
• 升级前应备份 PostgreSQL、对象存储、任务数据卷和 .env

字体说明

镜像会打包 infra/fonts/msyh.ttf，用于保持浏览器预览、服务端渲染和 PPT 导出的中文字体一致。 Microsoft YaHei 是第三方专有字体，不属于本项目 MIT 授权范围。公开分发仓库或镜像前，维护者必须 自行确认已取得相应的再分发许可。

鸣谢

感谢 Image to Editable PPT Skill 对图片、 PDF 转可编辑 PowerPoint 工作流的开源探索与实践分享，为 LayerSlide 的设计和实现提供了重要参考。

开源协议

LayerSlide 源代码采用 MIT License 开源。第三方依赖与字体仍分别受其各自许可证约束。