#!/usr/bin/env python3 # -*- coding: utf-8 -*- """ slide2script.py 講義スライド(PPTX/PDF)と任意の講義文字起こしテキストから、 動画用のスライド読み上げ原稿を生成するアプリ。 想定ワークフロー: PPTX -> 必要なら pptx2pdf.py で PDF化 -> OpenAI Responses API に PDF を input_file として渡す -> 必要なら講義音声の文字起こしテキストも統合 -> スライド番号付き読み上げ原稿を生成 依存: pip install openai google-generativeai python-dotenv comtypes 同じディレクトリまたは PYTHONPATH 上に必要: tkai_movie.py pptx2pdf.py 使用例: python slide2script.py --in_pptx lecture.pptx python slide2script.py --in_pdf lecture.pdf --transcript lecture.txt python slide2script.py --in_pptx lecture.pptx --speaker zundamon --out lecture_script.txt python slide2script.py --in_pptx lecture.pptx --dialogue 1 --out lecture_dialogue.txt """ from __future__ import annotations import os import sys import argparse from pathlib import Path try: from tkai_movie import AIConfig, AIRequest, run_ai_generation except Exception as e: print("slide2script.py: Import error: tkai_movie", file=sys.stderr) print("tkai_movie.py を同じディレクトリ、または PYTHONPATH 上に置いてください。", file=sys.stderr) print(f"Original error: {e}", file=sys.stderr) input("\nPress ENTER to terminate>>\n") raise try: from pptx2pdf import pptx_to_pdf except Exception as e: print("slide2script.py: Import error: pptx2pdf", file=sys.stderr) print("pptx2pdf.py を同じディレクトリ、または PYTHONPATH 上に置いてください。", file=sys.stderr) print(f"Original error: {e}", file=sys.stderr) input("\nPress ENTER to terminate>>\n") raise DEFAULT_OPENAI_MODEL5 = os.getenv("OPENAI_MODEL5", "gpt-5.4") DEFAULT_GEMINI_MODEL = os.getenv("GOOGLE_MODEL", "gemini-3.1-pro-preview") def read_text_file(path: str | os.PathLike | None) -> str: if not path: return "" p = Path(path) if not p.is_file(): raise FileNotFoundError(f"file not found: {p}") return p.read_text(encoding="utf-8") def default_output_name(in_pptx: str | None, in_pdf: str | None, suffix: str = "_script.txt") -> str: src = in_pdf or in_pptx if src: return str(Path(src).with_suffix("").name + suffix) return "slide_script.txt" def build_system_prompt(args: argparse.Namespace) -> str: language_map = { "ja": "日本語", "jp": "日本語", "en": "米国英語", "zh": "標準中国語", "cn": "標準中国語", "ko": "韓国語", "kr": "韓国語", } language = language_map.get(args.lang, args.lang) if args.dialogue: style_instruction = f""" 出力は、ずんだもん・四国めたん等の対話形式の動画原稿にしてください。 話者名は以下を基本にしてください: - 解説役: {args.speaker_main} - 聞き手/ツッコミ役: {args.speaker_sub} 各発話は必ず次の形式にしてください: 話者名,内容 """ else: style_instruction = f""" 出力は、1人のナレーターが読み上げる動画原稿にしてください。 ナレーター名を付ける場合は「{args.speaker_main}」を使用してください。 ただし、通常は本文のみで自然な読み上げ原稿にしてください。 """ slide_format_instruction = """ スライドごとに必ず以下の区切りを入れてください: --- # Slide N （このスライドの読み上げ原稿） N はスライド番号です。 """ visual_instruction = """ PPTX/PDFの視覚情報を重視してください。 特に、タイトル、箇条書き、図、表、矢印、強調表示、スライド間の流れを読み取り、 単なる文字の読み上げではなく、講義として自然につながる説明にしてください。 前後スライドの文脈を考慮し、同じ説明の重複は避けてください。 ただし、スライドにない重要な前提を補う場合は、講義として自然な範囲に留めてください。 """ transcript_instruction = """ 講義文字起こしが与えられている場合は、スライドに書かれていない口頭補足を積極的に反映してください。 ただし、文字起こしには言い間違い、重複、フィラーが含まれる可能性があるため、 必要に応じて整理し、読み上げ原稿として自然な文章にしてください。 """ length_instruction = f""" 各スライドの原稿量は、目安として {args.words_per_slide} 文字程度にしてください。 重要なスライドは少し長く、導入・区切りスライドは短くして構いません。 """ system_prompt = f""" あなたは、{args.field}を専門とする{args.role}です。 講義スライドと任意の講義文字起こしをもとに、動画用の読み上げ原稿を作成してください。 出力言語: {language} {style_instruction} {slide_format_instruction} {visual_instruction} {transcript_instruction} {length_instruction} 注意: - スライド番号を必ず維持してください。 - 数式は、読み上げやすい日本語説明を優先してください。 - 厳密な教科書Markdownではなく、動画で聞いて理解しやすい原稿を優先してください。 - 断定しすぎず、講義として自然な補足説明にしてください。 - 出力は指定された SCRIPT ブロック内だけに入れてください。 """.strip() return system_prompt def prepare_pdf(args: argparse.Namespace) -> str: """ 入力PDFを決定する。 - --in_pdf があればそれを使用 - --in_pptx があれば pptx2pdf でPDF化 """ if args.in_pdf: pdf = Path(args.in_pdf).expanduser().resolve() if not pdf.is_file(): raise FileNotFoundError(f"PDF file not found: {pdf}") return str(pdf) if args.in_pptx: pptx = Path(args.in_pptx).expanduser().resolve() if not pptx.is_file(): raise FileNotFoundError(f"PPTX file not found: {pptx}") if args.pdf_out: pdf_out = Path(args.pdf_out).expanduser().resolve() else: pdf_out = pptx.with_suffix(".pdf") if args.convert_pptx: print("📄 PPTXをPDFに変換します...") pdf = pptx_to_pdf( pptx, pdf_out, overwrite=bool(args.overwrite_pdf), quiet=bool(args.quiet), visible=bool(args.ppt_visible), ) if pdf is None: raise RuntimeError("PPTX to PDF conversion failed") return pdf if not pdf_out.is_file(): raise FileNotFoundError( f"--convert_pptx 0 が指定されていますが、PDFが見つかりません: {pdf_out}" ) return str(pdf_out) raise ValueError("--in_pptx または --in_pdf を指定してください") def parse_args() -> argparse.Namespace: p = argparse.ArgumentParser( description="PPTX/PDF + 任意の講義文字起こしから、動画用スライド読み上げ原稿を生成します。", formatter_class=argparse.RawTextHelpFormatter, ) inp = p.add_argument_group("入力") inp.add_argument("--in_pptx", "-ip", default=None, help="入力PowerPointファイル (.pptx/.ppt)") inp.add_argument("--in_pdf", "-if", default=None, help="入力PDFファイル。指定時はPPTX変換を行わない") inp.add_argument("--transcript", "-t", default=None, help="講義音声の文字起こしテキストファイル") inp.add_argument("--extra_text", default=None, help="追加メモ・指示テキストファイル") inp.add_argument("--pdf_out", default=None, help="PPTX変換後のPDF出力先") out = p.add_argument_group("出力") out.add_argument("--out", "-o", default=None, help="出力スクリプトファイル") out.add_argument("--raw_out", default=None, help="AI生応答の保存先") out.add_argument("--log", default=None, help="AIログJSONの保存先") ai = p.add_argument_group("AI設定") ai.add_argument("--api", "-a", choices=["openai5", "gemini", "google"], default="openai5", help="使用API") ai.add_argument("--model", default=None, help="モデル名を明示指定") ai.add_argument("--lang", default="ja", choices=["ja", "jp", "en", "zh", "cn", "ko", "kr"], help="出力言語") ai.add_argument("--field", default="半導体工学", help="専門分野") ai.add_argument("--role", default="大学教授", help="AIの役割") style = p.add_argument_group("原稿スタイル") style.add_argument("--dialogue", type=int, default=0, choices=[0, 1], help="1: 対話形式, 0: ナレーション形式") style.add_argument("--speaker_main", default="四国めたん", help="主解説者/ナレーター名") style.add_argument("--speaker_sub", default="ずんだもん", help="対話形式の聞き手/ツッコミ役") style.add_argument("--words_per_slide", type=int, default=250, help="各スライドあたりの目安文字数") conv = p.add_argument_group("PPTX→PDF変換") conv.add_argument("--convert_pptx", type=int, default=1, choices=[0, 1], help="PPTX入力時にPDF変換するか") conv.add_argument("--overwrite_pdf", type=int, default=1, choices=[0, 1], help="既存PDFを上書きするか") conv.add_argument("--ppt_visible", type=int, default=1, choices=[0, 1], help="PowerPointを表示して変換するか") misc = p.add_argument_group("その他") misc.add_argument("--quiet", type=int, default=0, choices=[0, 1], help="進行メッセージを抑制") misc.add_argument("--pause", type=int, default=1, choices=[0, 1], help="終了時にENTER待ちするか。Launcher用 default=1") args = p.parse_args() if not args.in_pptx and not args.in_pdf: p.error("--in_pptx または --in_pdf のどちらかを指定してください。") return args def main() -> int: args = parse_args() try: pdf_path = prepare_pdf(args) transcript_text = read_text_file(args.transcript) extra_text = read_text_file(args.extra_text) system_prompt = build_system_prompt(args) text_inputs = {} if transcript_text: text_inputs["講義音声文字起こし"] = transcript_text else: text_inputs["講義音声文字起こし"] = "講義音声文字起こしはありません。スライド情報を中心に原稿を作成してください。" if extra_text: text_inputs["追加メモ"] = extra_text if args.model: if args.api == "openai5": openai_model5 = args.model gemini_model = DEFAULT_GEMINI_MODEL else: openai_model5 = DEFAULT_OPENAI_MODEL5 gemini_model = args.model else: openai_model5 = DEFAULT_OPENAI_MODEL5 gemini_model = DEFAULT_GEMINI_MODEL config = AIConfig.from_env(api=args.api) config.openai_model5 = openai_model5 config.gemini_model = gemini_model config.pause = args.pause request = AIRequest( system_prompt=system_prompt, text_inputs=text_inputs, file_inputs=[pdf_path], output_blocks=["SCRIPT"], ) out_file = args.out or default_output_name(args.in_pptx, args.in_pdf, "_script.txt") log_file = args.log or str(Path(out_file).with_suffix(".log")) print() print("生成AIで動画原稿を作成します...") print(f" PDF入力 : {pdf_path}") print(f" transcript : {args.transcript}") print(f" api : {args.api}") print(f" output : {out_file}") print() result = run_ai_generation( request, config, save_log=True, logfile=log_file, ) script = result.get_block("SCRIPT") if not script: print("⚠ SCRIPTブロックを抽出できませんでした。raw応答を出力します。", file=sys.stderr) script = result.raw_text Path(out_file).write_text(script.strip() + "\n", encoding="utf-8") print(f"✅ script written: {out_file}") if args.raw_out: Path(args.raw_out).write_text(result.raw_text, encoding="utf-8") print(f"✅ raw response written: {args.raw_out}") if args.pause: input("\nPress ENTER to terminate>>\n") return 0 except Exception as e: print(f"\n❌ Error: {e}", file=sys.stderr) if args.pause: input("\nPress ENTER to terminate>>\n") return 1 if __name__ == "__main__": raise SystemExit(main())