视频转 PPT 导出了 300 张幻灯片？这样降到 40 张
你把一节 90 分钟的课程录像丢进去，提取跑完，编辑器里排着 312 张幻灯片。你往下翻，真正不一样的大概只有 40 张：其余要么是同一页上多显示了一条要点，要么是同一页，只有讲师的鼠标往左挪了两厘米。
这个失败和「漏掉幻灯片」正好相反，而且出现得多得多。软件并没有坏：检测器执行的就是你给它的规则——画面变化到一定程度，就留下一帧。真正的问题在于，一段录像会因为很多和翻页无关的原因发生变化。
这些原因归起来是五类。其中大部分由一个设置决定，剩下的重复，你只要按对顺序删，几分钟就能清完。
本页内容
为什么一页会变成十二帧
帧差检测把每个采样帧和上一张留下来的帧做对比：变化的像素超过一定比例，它就判定这是新的一页。下面这五件事都会让像素发生变化，可页面并没有翻。
逐条出现的动画要点
一页要点逐条飞入，在画面上就是五页不同的内容。检测器判断得没错，可你确实不需要同一页的五个版本。在授课录像和销售演示里，这是重复幻灯片的头号来源。
鼠标、激光笔和实时批注
指针绕着一张图打转，或者讲师边讲边在页面上画线，都会让一小块高对比区域反复变化。录像分辨率一低，这块区域在整帧里的占比就足以让每一次比对都越过阈值。
角落里的摄像头小窗
画中画里的人一刻也不停。如果这个小窗相对整帧偏大——Zoom、Teams、Loom 导出的录像里很常见——那么光是它，就能每隔几秒生成一张新的「幻灯片」，一直生成到视频结束。
转场、淡入淡出和滚动
两页之间一秒钟的溶解，是一串彼此都不相同的画面。检测器在这一秒里采样三次，你就会在两张真幻灯片中间多出三张糊掉的半成品。页面是往下滚而不是翻页时，情况一样。
内嵌视频、GIF 和现场演示
内嵌片段的每一帧都和上一帧不同。一页里放了 40 秒的演示，它产生的截图可能比整份讲义的其余部分加起来还多。现场敲代码是同一个问题的慢速版本：编辑器确实每写一行就变一次。
变化多大，以及稳定多久
决定你拿到多少张的是两个数字。第一个数字规定：画面要变化到多大比例，检测器才把这一帧记成候选。第二个数字大多数工具根本没有开放给用户，它规定的是：变化之后的新画面要稳定多久，才算真的翻了一页。
第二个数字才是区分真翻页和转场、晃动小窗的关键。一页幻灯片会稳稳停上几秒，而一次淡入连一帧都停不住。我们给自家的参考课件做提取管线时，用的默认阈值是大约 2% 的像素变化、并且不要求稳定时长，一节现场敲代码的课就产生了 1331 个候选帧。改成「变化超过 7%，并且随后稳定 3 秒」之后，同一节课只留下二十几张真幻灯片，没有丢掉任何重要内容。
在 Video2Any 里，这两个数字合成了编辑器中采样方式旁边的「密度」：稀疏、默认、稠密。稀疏要求更大、更稳定的变化，稠密连细小的变化也接受。你改完之后点「重新采样」：视频还在这个标签页里，重跑只要几秒，也不会再上传一次。
什么录像用什么设置
别一律从「默认」起步。下面这张表给的是各类素材事后手动删除最少的起手设置。
| 录像类型 | 起手设置 | 原因 |
|---|---|---|
| 纯幻灯片共享、没有动画 | 默认 | 静态页之间是干脆的切换，这是最省事的情况。 |
| 带逐条动画的授课录像 | 稀疏 | 检测器会跳过中途的半成品，只留下完整的那一页。 |
| 带摄像头小窗的 Zoom / Teams / Loom | 稀疏 | 小窗的移动不再被算成一次变化。 |
| 白板、现场敲代码、手写 | 固定间隔，每 20-30 秒 | 内容是一点点长出来的，按时间取样比按变化取样更合适。 |
| 用摄像机拍下来的会议演讲 | 稀疏 | 镜头轻微晃动和观众走动都会把变化比例抬高。 |
| 信息密集、几乎没有动画的技术讲义 | 稠密 | 两页真的不同，也可能只差公式里的一行。 |
剩下的重复，按这个顺序删
重新采样之后，总还会剩下一些重复。你按下面的顺序删，比从第一张翻到最后一张快得多。
同一页的过程帧，只留最后一张
你看到同一页出现四个版本时，最后那张的要点最全。留下它，删掉前面三张。第一张永远不要留，那是这一页内容最少的版本。
糊的一律删掉
模糊的帧，或者两页半透明叠在一起的帧，一定是转场留下的，不可能是真幻灯片。在很长的时间轴上快速扫，「糊」是你最快的筛选依据。
成段地删，别一张张判断
重复总是连成一段出现，不会零散分布。你选中整段一次删掉，再跳到下一段，比逐张缩略图去纠结快得多。
个别漏掉的，手动补一帧就行
如果调成稀疏之后丢了某一张你想要的，你把进度条拖到那个位置，手动截一帧。为了一张幻灯片重跑整段提取不划算。
裁剪能改什么，不能改什么
你在编辑器里点「裁剪」再点「应用到全部」，可以把摄像头小窗、会议软件的界面和黑边从导出的图片里去掉。这一步让成品看起来像幻灯片，而不像一张张截图，任何在会议软件里录下来的素材都值得做一遍。
但裁剪改不了你已经拿到多少张：它作用在检测之后的帧上，小窗把张数撑起来是更早的事。要让小窗从一开始就不产生截图，你可以把密度调成稀疏，或者先在剪辑软件里把视频本身裁掉，再拿来转换。
什么时候 300 张就是对的
不是每一份长讲义都属于多检。板书一行行写满的数学课，确实有几百个互不相同的状态，软件演示也一样。如果你转换的目的是事后能找回并引用某个具体瞬间，那么密集的结果正是你要的。这时你导出 PDF，它装几百页比 PowerPoint 从容得多。
你拿成品本身当判断依据：这些页要是大同小异，那就是检测器多留了，重新采样一次；它们要是确实各不相同、只是数量多，那就是这段录像本身信息密集，你该换的是导出格式，不是设置。
我们自己的默认值站在哪一边
Video2Any 的默认值偏密，这是我们刻意做的取舍：多出来的一页，你一次点击就能删掉；而从来没被抓到的一页，意味着整段视频重跑一遍，甚至你根本不会发现它不见了。两边只能偏一边，我们宁愿多给你几张，也不愿意悄悄弄丢什么。
这个选择要付出代价。我们自己的使用数据显示，长录像上确实有人手动删掉了相当多的幻灯片，代价就体现在这里，这也是「密度」这个控件被放在时间轴旁边、而不是塞进高级设置里的原因。 视频转 PowerPoint 为什么会漏掉幻灯片？如何检验提取结果 这一篇讲的是反方向的失败，按阶段逐个拆开看。
常见问题
- 能不能自动把重复的幻灯片合并掉？
- 抑制近似重复本来就是检测的一部分，「密度」调的就是它。检测之后没有单独的合并环节，因为「同一页多了一条要点」和「确实换了一页」，机器分不到可以不问你就直接删的把握，而删错了你找不回来。
- 改密度要重新上传视频吗？
- 不用。本地文件是在浏览器标签页里读取的，从头到尾都不会上传，所以你改完密度点「重新采样」，重新分析的就是标签页里那份。重跑一段两小时的录像，你花掉的是分析时间，不是第二次传输。
- 为什么我用了稀疏，反而丢了想要的页？
- 稀疏把「算作一次变化」的门槛提高了，所以两页只差一点点的时候——表格里多一行、某个数字变了——它们可能被合并成一页。这是反方向的代价。这类讲义你用默认或稠密，再手动清理，或者把缺的那几帧手动补上。
- 带摄像头小窗的会议录像，最省事的设置是什么？
- 密度选稀疏，再用「裁剪」加「应用到全部」，把小窗和会议软件的界面从导出的画面里切掉。这两步能覆盖绝大多数 Zoom、Teams、Meet 和 Loom 录像。
- 300 页的 .pptx 还能用吗？
- PowerPoint 打得开，但文件很大，翻页也会卡。这些页要是确实各不相同，你改用 PDF 导出；要是不是，先把密度降下来重新采样。
一句话总结
幻灯片太多是阈值问题，而阈值就是编辑器里的一个控件。素材只要带动画或者带摄像头小窗，你就把密度设成稀疏，点「重新采样」，然后删掉糊掉的帧、每组动画只留最后一张。一节 90 分钟的课，最后应该落在 30 到 60 张之间。如果落在 300 张，你先去改设置，别急着怪录像。