小红书 3:4、抖音 9:16:用 PPT Master 批量产出竖版知识卡片,内容号的免费生产力
小红书 3:4、抖音 9:16:用 PPT Master 批量产出竖版知识卡片,内容号的免费生产力
竖屏内容运营有一个绕不开的怪圈:小红书、抖音、视频号对"图文"与"短视频"的需求量是无限的,但内容号的产能是有限的——尤其是当每张卡片都要现找模板、手工抠图、再拖进美图工具里拼版时,所谓"批量产出"就成了一个伪命题。更常见的做法是把一张 16:9 的 PPT 截图硬塞进 3:4 的画框,四周留白、字号缩水、标题被裁切,成品一眼就是"贴图式"的廉价感。
PPT Master(开源仓库 hugohe3/ppt-master)给出的解法恰好切在这个痛点上:它把"PPT"重新定义为一套以画布比例为核心的原生矢量排版流水线,同一套 SVG → DrawingML 编译管线,既能产出标准 16:9 演示文稿,也能直接编译出小红书 3:4 图文、抖音 9:16 竖版、1:1 方形海报乃至 A4 印刷页——而且输出的不是一张张导出截图,而是真正可编辑的原生 PowerPoint 对象。配上演讲者备注转旁白、MP4 导出的能力,一个内容号可以用一份素材,同时跑出图文卡片和口播短视频两条内容线。
这篇文章基于仓库源码与官方文档,拆解竖版卡片从画布、模板到成片的完整链路,并给出可直接上手的操作路径。
贴图式卡片的病根:横屏截图塞进竖屏画框
先看问题的根源。市面上大量"AI 做小红书卡片"的方案,本质是让模型生成一张 3:4 或 9:16 的整图,或把 16:9 页面截图后裁切补白。这两种产物的共同毛病是:
- 字号和密度不对:16:9 页面的正文字号按"投影距离阅读"设计,缩进竖屏后要么过小、要么被裁;而竖屏卡片是"手机贴脸读",字号体系完全不同。
- 文本不可编辑:贴图式卡片一旦生成,改一个字就要重新出图,谈何批量维护、批量改版。
- 比例适配靠运气:截图裁切会丢掉信息,整图生成则可能在某页溢出文字,靠肉眼校对。
PPT Master 的做法是从源头规避:画布格式是流水线的第一等公民,而不是演示文稿的一个"歪门斜出"的附庸。仓库的配置中心(skills/ppt-master/scripts/config.py)里注册了 8 种标准画布,其中竖屏相关的两个键:
| 格式键 | 画布 | viewBox | 用途 |
|---|---|---|---|
xiaohongshu |
1242×1660 | 0 0 1242 1660 |
3:4 小红书图文、知识帖 |
story |
1080×1920 | 0 0 1080 1920 |
9:16 Story / 抖音竖版 |
加上 moments(1080×1080,1:1 朋友圈)、a4(1240×1754 打印)、wechat(公众号头图)等,注册即用。关键设计在 technical-design.md 里写得很明白:viewBox 用像素而非绝对单位,x="100" 就是"左边距 100px",AI 排版和人工调试都不会被 EMU 单位干扰,换算只在导出时做一次(1 SVG px = 9525 EMU,见 skills/ppt-master/scripts/svg_to_pptx/pptx_package/dimensions.py)。
这意味着竖版卡片的排版逻辑(字号、栏宽、安全区)是按竖屏画布专门推导的,而不是横屏的缩放版——这正是区分"设计过的卡片"和"截图的卡片"的技术分水岭。
竖屏不是缩小横屏:画布级排版规则
竖版内容最容易被横屏思维带偏:想当然地把 16:9 的版式按比例压扁。PPT Master 在 canvas-formats.md 里为每种画布定义了独立的排版锚点,其中两条规则值得内容运营者细品:
1. 字号锚点按"有效跨度"推导,与横屏完全不同。
非 PPT 注册画布的初始字号由 W × H 推导:
short = min(W, H); long = max(W, H); span = min(long, 3 * short)
low = round(span * 0.025); start = round(span * 0.029); high = round(span * 0.033)
| 画布 | 有效跨度 | 建议正文字号带 | 初始字号 |
|---|---|---|---|
xiaohongshu |
1660 | 42–55 | 48 |
story |
1920 | 48–63 | 56 |
同一套推导下,story 和横屏 banner 共享跨度却不同栏宽:正文字号相同,但 banner 一行有 1920px、story 一行只有 1080px,竖屏页面必须"靠下限取值、上下堆叠",绝不能把横屏一行放得下的内容照搬。
2. 排版单元按堆叠而非分栏。
文档明确给出了硬性规则:xiaohongshu 的 1082px 内容区从不分左右栏——"两个 521px 半栏会让正文每行只剩约 34 个字符",因此多部件页面一律纵向堆叠:numbered_list 的行、two_card_stack 的卡片、image_top_text 的图文带。这是把"手机单列滚动阅读"写进了排版规范,而不是凭感觉。
现成的竖版版式:两份开箱即用的结构模板
仓库里已经内置了两套面向社交媒体的结构模板(注意:是"结构模板"——只定义版式骨架与占位符,不锁定品牌色与字体,颜色、字体、logo 都是后续决策,见各自 design_spec):
小红书图文(3:4):xiaohongshu_post,10 页 PowerPoint Layout,见 skills/ppt-master/templates/layouts/xiaohongshu_post/templates/design_spec.md。页面类型覆盖封面、观点金句(statement)、编号列表、双卡堆叠、上图下文、满版图加图注、金句引用、纵向步骤流(step_flow 的轴线沿左栏 x=176 纵向排布,配合滚动方向)和结尾引导页。正文 34px、注释 26px,标题从 86 逐级递减——这是一套为"一屏一读"调校过的字号阶梯。
抖音 Story(9:16):story_vertical,9 页 Layout,见 skills/ppt-master/templates/layouts/story_vertical/templates/design_spec.md。它的核心规则是安全区管文字、不管图片:所有文本槽位都限制在 y=120..1740(上下各留出手机界面按钮的遮挡区),而 image_full 的满版图则从 0 0 一直铺到 y=1440,故意让图片穿进安全区——因为竖屏界面按钮本来就叠在图上,图片不该被"可见的信箱"式留白圈住。这正是抖音视频封面最常见的翻车点:文字被底部点赞栏挡住。
两份模板都被 layouts_index.json 注册,以 --format xhs 或 --format story 初始化即可命中(xhs 是 xiaohongshu 的注册别名,见 skills/ppt-master/scripts/project_utils.py)。
模板的占位符机制也值得注意:比如小红书封面的 {{TITLE}}、{{SUBTITLE}}、{{BRAND_LINE}}(见 01_cover.svg),AI 会填充占位符、把版式编译成 PowerPoint 的 Master/Layout 结构,产出的是带真实版式继承关系的原生 PPTX——改一个词、换一个色,都是在 PowerPoint 里直接编辑,而不是重新出图。
从"生成 PPT"到"批量出片":一条龙的操作路径
竖版知识卡片的日常是"同一份知识,反复拆成不同格式、不同平台的内容"。PPT Master 把这条链路由三步组成,全程本地、无需额外订阅(社区已有大量中文评测将这一点总结为"免费生产力"的由来,仓库文档 why-ppt-master.md 也明确:工具本身免费开源,唯一成本是你已有的 AI 模型用量):
第 1 步:按画布初始化并喂源料。 标准 Generate 流程在确认设计参数时锁定画布,竖版场景直接带格式键初始化:
python3 skills/ppt-master/scripts/project_manager.py init red_card --format xhs
PDF、DOCX、Markdown、公众号文章 URL 甚至直接粘贴的文本都能作为源料(docs/faq.md),AI 会先把源料转成 Markdown,再走"逻辑层 → 视觉层"的完整流水线。
第 2 步:SVG 编译为原生 PPTX。 生成的每一页 SVG 经质量校验后,由 svg_to_pptx.py 编译为 DrawingML 原生对象。这才是"批量"的关键:一页就是一张卡片,10 页就是一组图文;一页也是一帧视频画面,9 页就是一支短视频的分镜。同一份源料,想多产一个 1:1 版本,就换 --format moments 再跑一遍——流水线不变,画布变了,排版规则就自动换成方形画布那一套。
第 3 步:备注转旁白、旁白转视频。 竖版卡片的产能放大还差最后一步——把图文内容"讲出来"。PPT Master 的演讲者备注是专为 TTS 撰写的口播稿规范(无舞台标记、无 meta 行),见 docs/audio-narration.md。默认用 edge-tts(微软 Edge 在线神经网络语音,约 90 个 locale、含全部中文变体)即可零成本合成:
python3 skills/ppt-master/scripts/notes_to_audio.py <project_path> \
--voice zh-CN-YunjianNeural --rate +0%
Edge / ElevenLabs / MiniMax / CosyVoice 的音色会随同一次合成返回逐页 SRT 字幕;音频可重新嵌入 PPTX,并按音频时长自动设定页面停留时间;在 Windows 上再经 powerpoint_video.py 委托 PowerPoint 2016+ 原生编码导出 MP4(workflows/stages/generate-audio.md)。注意字幕后处理是外部 SRT 交付,不烧录进视频。
于是同一条产线上出现两条内容线:
- 图文线:3:4 小红书卡片集(
.pptx直接编辑、导出图片); - 视频线:同一批竖版页 + 口播备注 → 9:16 带字幕 MP4,投抖音 / 视频号 / 小红书视频。
不是没有代价:竖版流水线的诚实边界
把这条链路说得这么顺,也该把代价讲清楚,仓库文档自己对此毫不讳言(docs/why-ppt-master.md):
- 上手有门槛:需要装 Python、clone 仓库、配置 AI 编辑器,不是"打开浏览器就能用"的 SaaS 体验;追求零配置、秒出图,托管式工具仍然更合适。
- 生成慢:为保证跨页一致性按页串行生成,10 页 deck 约需 10–20 分钟——但这也正是"批量"的前提:慢在首次,之后改版、换格式都快。
- 视频导出依赖 Windows PowerPoint:自动 MP4 不是独立渲染器,需要本机 PowerPoint 2016+;字幕作为外部 SRT 交付,不嵌入也不烧录。
小结
竖版知识卡片的"廉价感",本质是拿横屏的产物硬套竖屏的消费场景。PPT Master 用一套以画布为第一等公民的原生排版流水线,让 3:4、9:16、1:1 各自拥有独立的字号体系、栏宽规则和安全区约定,并提供了小红书图文与抖音 Story 两套开箱版式;再把演讲者备注转成旁白、把旁白变成 MP4,一条产线同时喂饱图文号和短视频号。对于已经在为 AI 编辑器付费的内容团队,多产出一套竖版卡片和多一条视频线的边际成本趋近于零——这才是"免费生产力"真正的含义。