视频转 PPT 导出了 300 张幻灯片？教你降到 40 张
你丢进去一节 90 分钟的课程录像，提取跑完，结果得到 312 张幻灯片。往下翻，真正不同的可能只有 40 张，其余要么是同一页多显示了一条要点，要么就是同一页、只是讲师的鼠标往左挪了两厘米。
这和"漏掉幻灯片"正好相反，而且常见得多。其实什么都没坏：检测器完全按照要求在工作：画面变化到一定程度就留一帧。问题在于，一段录像会因为很多和"翻页"毫无关系的原因发生变化。
大部分问题都出在五件事上。其中多数由一个设置决定，剩下的重复只要按对顺序删，花不了多久。
为什么一页会变成十二帧
帧差检测会把每个采样帧和上一张"留下来"的帧做对比，变化的像素够多就判定为新的一页。下面这五件事都会改变像素，却并没有换页。
逐条出现的动画要点
一页要点逐条飞入，从画面上看就是五页不同的内容。检测器判断得没错，但你确实不需要五份副本。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
指针在图上绕圈，或者讲师边讲边画，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可能足够大，每一次比对都能越过阈值。
角落里的摄像头小窗
画中画里的讲话人一刻不停。如果这个小窗相对整帧偏大（Zoom、Teams、Loom 导出的录像很常见），光靠它就能每隔几秒生成一张"新幻灯片"，而且没完没了。
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连续画面。采样三次，你就会在两张真幻灯片之间多出三张糊掉的半成品。页面是"滚动"而不是"翻页"时，同理。
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。幻灯片里一段 40 秒的演示，产生的截图可能比整份演示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：编辑器确实每写一行就变一次。
变化多大，以及保持多久
决定你能得到多少张的是两个数字。第一个是：画面要变化到多大比例，才记为一个候选。第二个（大多数工具根本没有暴露出来）是：变化后的新画面要稳定多久，才算真的翻了一页。
"保持时长"正是区分真翻页和转场/晃动小窗的关键。一页幻灯片会稳定好几秒，而一次淡入连一帧都停不住。我们做自家参考课件的提取管线时，默认阈值大约 2% 的像素变化、且不要求保持时长，一节现场敲代码的课直接产生了 1331 个候选帧。改成"变化超过 7% 且随后稳定 3 秒"，同一节课就降到了二十几张真幻灯片，没有丢掉任何重要内容。
在 Video2Any 里，这一对参数就是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，稠密则接受更小的变化。改完点"重新采样"：视频还在标签页里，重跑只要几秒，也不会重新上传任何东西。
什么录像用什么设置
别一律从"默认"开始。下面是各类素材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、无动画 | 默认 | 静态页之间是干净的切换，最简单的情况。 |
| 带逐条动画的授课录像 | 稀疏 | 忽略中途的部分显示，只留下完整那一页。 |
| 带摄像头小窗的 Zoom / Teams / Loom | 稀疏 | 让移动的小窗不再被判定为变化。 |
| 白板、现场敲代码、手写 | 固定间隔，每 20-30 秒 | 内容是连续生长的，按时间采样比变化检测更合适。 |
| 用摄像机拍摄的会议演讲 | 稀疏 | 镜头抖动和观众走动会把变化比例抬高。 |
| 信息密集、几乎没有动画的技术演示 | 稠密 | 真正不同的两页，可能只差公式里的一行。 |
剩下的怎么删最快
重新采样之后总还会剩一些重复。按下面的顺序删，比从头翻到尾快得多。
同一页的过程帧只留最后一张
看到同一页出现四个版本时，最后那张要点最全。留最后一张，删掉前面三张。永远不要留第一张，那是这一页内容最少的版本。
糊的一律删
模糊或半透明叠着的帧一定是转场残留，不可能是真幻灯片。在长时间轴上快速扫读时，"糊"是最高效的筛选特征。
按连续段删，别一张张判断
重复是成段连续出现的，不是零散分布的。选中整段一次性删掉，然后跳到下一段，而不是逐张缩略图去纠结。
个别漏掉的用手动补帧，别重跑
如果调稀疏之后丢了某一张你想要的，直接把进度条拖过去手动截一帧。这比为了一张幻灯片重跑整段提取快得多。
裁剪能改什么，不能改什么
在编辑器里用"裁剪"再"应用到全部"，可以把摄像头小窗、会议软件的界面边框和黑边从导出的图片里去掉。这会让成品看起来像幻灯片而不是截图，任何在会议软件里录的素材都值得做一遍。
但它不会改变你已经得到多少张：裁剪作用在检测之后的帧上，小窗该造成的干扰早就造成了。想从源头上不让小窗产生截图，要么用稀疏密度，要么先在剪辑软件里把视频本身裁掉再来转换。
什么时候 300 张才是对的
不是所有长篇幅都属于过度检测。板书一行行写满的数学课，确实有几百个不同的状态，软件演示也一样。如果你转换的目的就是事后能定位和引用某个具体瞬间，那么密集输出正是你要的。这时导出 PDF，它处理几百页比 PowerPoint 从容得多。
用成品本身当判断依据：如果这些页大同小异，那就是过度检测，重新采样；如果它们确实各不相同、只是数量多，那就是录像本身信息密集，该换的是导出格式而不是设置。
我们自己的默认值站在哪一边
Video2Any 的默认值是偏密的，这是刻意的取舍：多出来的一页，一次点击就能删掉；而从来没被抓到的一页，意味着整段视频要重跑，甚至你根本不会发现它不见了。两害相权，我们宁愿多给你一些，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，在长录像上确实有人手动删掉了相当数量的幻灯片，代价就体现在这里，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 这篇讲的是反方向的失败，按阶段逐个拆解。
常见问题
- 能自动合并重复的幻灯片吗？
- 近似重复的抑制本来就是检测的一部分，"密度"调的就是它。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"没办法可靠区分到可以不问你就直接删，而删错了是找不回来的。
- 改密度需要重新上传视频吗？
- 不需要。本地文件是在浏览器标签页里读取的，压根不会上传，所以改完密度点"重新采样"，是在标签页里那份副本上重新分析。重跑一段两小时的录像，花的是分析时间，不是第二次传输。
- 为什么用了稀疏，反而把我想要的页也丢了？
- 稀疏提高了"算作变化"的门槛，所以两页只有细微差别时（表格里差一行、某个数字变了）可能被合并成一页。这是反方向的代价。这类内容用默认或稠密，再手动清理，或者手动补拍缺的那几帧。
- 带摄像头小窗的会议录像，最快的设置是什么？
- 密度选稀疏，然后用"裁剪"加"应用到全部"，把小窗和会议软件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，但文件会很大、翻页也会卡。如果这些页确实各不相同，改用 PDF 导出；如果不是，先降低密度重新采样。
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。只要素材带动画或者带摄像头小窗，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 分钟的课应该落在 30 到 60 张之间。如果落在 300 张，先去改设置，别急着怪录像。