Update
更新了一个小的api中转站
自己用用蛮好的...群里也简单用用..
更新随笔
Updates, ideas, observations, and small experiments while 2pptx keeps growing.
自己用用蛮好的...群里也简单用用..
可以拆分素材啦，就是要自己拼欸。
三天两头封号，慌得一笔。。。。
全部都搭建完了，看看成本和之前买API差距能有多少。
拆一个文件要30分钟...妈诶还没办法按位置还原
希望能有更好的访问体验叭~
工作台支持矩形旋转；
高级转换支持选择不去字模块；
合并文本框不是所有场景都合；
拆解元素（？怎么又来）。
不知道第几次失败了欸，想的方案不稳定，有时候效果蛮好有时候效果不行，没办法当作一个商业商品出售。
难道是要到头了么....
用AI尝试拆元素做了好多好多，但都失败了，不知道有什么模型可以直接弄透明底图...
...脑壳疼，好难喔。感觉自己思路已经断了.....
怎么说的，我也好想有钱买好的显卡呜呜呜..
坏消息paypal直接封号了，人傻了。
文件还是一个支持不友好的韩文，后台看到订单时候心里就默念别付款别付款，最后还是付款了。paypal扣掉手续费后还不够给人退款的，而且paypal帐号似乎也封停了，晚点打电话问问客服。。。
不用再一个个点啦，拉个框就取消文字框识别咯
希望不会出现大问题，原来几个上千行的主文件代码得慢慢拆...
如果租GPU服务器一天大几十的成本，现在还没办法做到盈亏持平；
如果不搞GPU服务器，高峰期排队等待时间还挺长影响用户体验..
是个问题。。。。。
仅在非中文环境下出现~
什么都对接一遍也是不错的嘞。
用于队列积压问题，严重时候直接飞书发消息我能看到，这样能避免一直盯着看咯。飞书机器人直接webhook就行，顺便给自己优化下设置后台，分了多个tab感觉好多了
试图用临时 PPTX 覆盖原输出文件时，Windows 报 PermissionError [WinError 5] 拒绝访问。
我人麻了....代码如果能跑就不要去动他
接用户反馈然后处理了~
AI推测根因是：某些 Windows PowerPoint 版本/受保护视图路径对 python-pptx 默认带入的 Mac 打印设置 part 兼容性不好，直接报“PowerPoint 无法读取。
方案：删除 ppt/printerSettings/ 里的模板打印设置、删掉对应 printerSettings relationship，并在没有其他 .bin 文件时移除 [Content_Types].xml 里的 .bin 类型声明。
OCR识别框用了新的一些方式，应该可以增加识别成功率。
合并文本框本来是串行任务，现在是并列进行啦，应该能提速不少~
mineru无法识别图片里的文字，看他们训练说是主要是白底为主,PPT五彩斑斓的似乎没怎么训练到；
paddle有排队而且生成会出现2个文字大框合并成1个的情况。
还是回退到deepseek文字合并吧，好像什么都没有做...
可惜本来要用的没人用了...问题不大，后续万一有人要呢
对比了下paddle和mineru还是试试mineru吧，但文字识别确实还是paddleocr更强一点..
购买多次兑换码单价更便宜~
但好像做的收银台有点问题..emmm
支付客户端复用/连接池
改 QR 输出模型
嗯..希望后续能正常运行吧
paypal一直失败，后来AI说可以用gumroad，付款后发兑换码形式，听起来也似乎不错，折腾了一下午总算上线了，不知道会有多少海外同学买...
后续如果订单多了要试试自动发货，目前嘛还是邮件手动回吧。
不知道什么时候会有第一笔海外美刀~
审查分支代码说有5给P0级别漏洞，我虽然不懂代码但仔细看了下似乎当时是有别的方案来规避的，经过2次battle，他最后回复说“之前两版我的 P0 都站不住。谢谢两次纠正”..
怎么说呢，代码是可以不懂的，但是自己代码的流程和逻辑必须要了解清楚，否则很容易被带偏。
突然想到刚让cc更新了个readme..坏了..得去检查cc是不是又搞砸了（/(ㄒoㄒ)/~~）
尝试了新的字符级mask遮罩，最后效果不稳定，遂放弃；
尝试了公式识别，最后效果也不稳定，遂放弃；
尝试了ppt元素用gpt来拆解，最后效果依然不稳定，遂放弃...
我：？？？
有同学反馈微信支付有时候刷新不出来，现在应该不会有这样问题了..吧。
收费只是维持一些必要支出，真靠这个赚钱还是不太现实~
不知道该干什么。每天浑浑噩噩的感觉..
前几天去医院发现检查视力发现还有干眼症，害，钱没赚到多少，毛病倒是不少。。
本身是1个总服务运行3个任务，现在是开了3个服务器每个运行1个任务，不会冲突也能更好调用显存..不然看到32G显存一直空着太难受了。
哎，感谢王总给我机会，我也特别喜欢和热爱这个事业方向，可惜原老板希望我陪他站完公司最后一班岗，于情于理我都感觉一走了之有点不太厚道。
希望未来还有机会能从事气象教育这个方向...
三十而立，但我快30了也不知道未来在哪里，我所热爱的到底是什么呢？
添加新手指引教程；
工作台内可手动合并单元格；
画布可连续画识别框；
可临时关闭文字识别展示。
现在更新收费系统了~应该也许还好不算贵吧？
只要能覆盖运维成本就行..一个月一千多嘞..
看后台反馈发现有个1星评价，而且还是付费用户，看了下文件似乎处理效果确实不好~用户也没要求退款，我后台就直接给退了吧。
希望他还能来...
今天看工作台发现字体变成方框了，问AI才知道字体文件linux路径和win不太一样，单独又兼容linux加了点东西。
嗯，还得是AI。
哎~没工作了。什么都不想干了，躺...
花了大精力对接了下收费接口，终于调整好了..
现在正式开始收费了，不知道一天能有多少大佬给我付钱..呜呜呜
高峰期5070ti确实不够用了，加了一台云服务器跑，一小时1.58...有亿点点贵。
哎~后续得加收费回收成本了
电脑资源不够用了，妈诶.....
合并文本框在工作台模式下简直一团糟...哎，开修
之前ocr会把多行但语义连贯的文本框分割成一行一行的，现在依托于deepseekV4可以合并成一个方便编辑了；
富文本文本框就是同个文本框里支持不同大小、颜色、粗细的字了，不会再单独分割；
隐私条款协议啥的就是因为用了deepseek，提交给第三方的协议更新了下。
合并文字框看来是一定要用到LLM大模型，正好deepseekv4.0上了，试了下flash效果还是不错的，成本下降不少~在考虑要不要做收费呢...
看看有没有比较好的方法可以识别公式，有小伙伴反馈说公式也很重要，现在的2pptx确实对于公式基本没有识别诶，挠头Ing..
有点激动，这个东西搞了好几天~
从上传判定、任务排队、打包下载，都是一堆坑...大坑。
上线先看看，有问题再修。
但是成本有点高，试了下一整个文件用Gemini 3.1flash要接近7毛钱了，而且速度也不稳定，有的几秒就能搞定，有时候要几百秒，很不稳定，用户体验极差...
30M不够用咯，改成35M应该就好多了~
坏PDF 会明确告诉用户“文件本身有问题”，而不是“稍后重试”
日志里经常看到轮询出现超时的问题，然后codex原话“所以这不是“纯网络掉线”。网络可能偶尔抖，但主病灶是 SQLite 写锁/读写并发不够扛。”
我：？？？
codex解释了一番balabala
我：那你直接开始干活改吧
今天群里有用户突然说上传不上去了，我自己本地环境测试都正常，不知道为什么，拉了一下数据报表，发现有4~5名同学貌似就是传不上去。我现在也没有加对应埋点，现在把这些补齐了，后面再遇到再排查吧。
应群里同学的反馈，有些页面在工作台里不想一个个删除文字框，所以新增了全部不识别的按钮~
本来以为可能没什么大事情，结果牵扯到并发、排队、结果页、下载、取件码...等等一堆事情，一个个解决叭~看能不能尽快搞上线~
今天同事有说首页UIUX比较丑，似乎确实挺丑的还很单调..晚点让ai帮忙修一波上线！
上传上限从10个到50个；
有同学指出转的PPTX尺寸会比原来PDF大，找到问题后修了；
下载文件名不再是一串数字字母代码了，而是文件名-2pptx.com.pptx，更清晰啦；
更新随笔和主要功能没什么交集..就想记录一下叭。也许未来回头看也能有不错的感慨。
我就说怎么好几天群里没有新人，原来是过期了.,..
今天做了个新分支，尝试用AI的力量去字，结果嘛...不是很好，而且成本也挺高的，不太适合全自动化，也许未来能放到工作台？
这几天研究隔壁PALAMA的杰作，看到他们的方案真的很棒，尝试两个分支去试自动 inpaint 优化..可惜全自动模式一直效果很差很差...
看谷歌里好几个页面都没有收录...哎，重新整理下叭
有同学群里说首页文件上传需要选2次..现在修复啦~
鹅厂的服务器到期咯，现在换了个价格便宜一半，只要20块一个月诶~线上环境也顺手收拾了一遍。地区识别、代理设置和 nginx 那些细节也一起理了，属于做完以后我自己先松一口气的更新。
有个同学做了一个很好的站，纯靠前端就可以调整好PDF的一些布局，羡慕~
有同学群里反馈转的pptx变模糊了，实际确实是我为了妥协做的压缩，现在支持高质量导出咯~
另外我也发现有些同学只想去掉右下角水印，现在也新增了这个功能，其他都不会改只去水印。
OCR识别的文字都是一行一行文字框，挺多是一整个大段落被拆散，有什么办法可以全自动合并呢...
排队等待这件事，最怕的不是慢，而是完全没数，现在至少不用再让人盯着页面纯靠猜咯。。
（这样算更新？）
开始伸手要钱了，赛博乞丐开始乞讨...爸爸妈妈们给点叭~不然流量费太贵惹。。
复合预览层、编辑流程、模式切换、引导弹窗，这些都在这天前后补齐了。属于一边修边用，一边用一边继续嫌弃，然后再继续修..无限循环
比如交互和状态细节：进度提示、资源释放、界面节奏、哪里该自动保存...持续折腾吧
工作台这块终于做完了，现在可以自由选择识别框，不再担心不该识别去除的地方给去除了~
有同学反馈20M太小了，所以这次上传上限提到了 30MB~希望我的服务器不会崩
这个遮罩确实不好选，mask覆盖也是..ocr有时候还不太准，不知道能不能调整好嘞？
本来通过lang然后借鉴了其他页面还是走zh这种，希望能有收录叭。
疯狂跟阈值、过滤和对齐较劲。想把字框抓得准一点，又不想把背景抹得太凶，最后只能老老实实一项一项试...也算是找到一个平衡点了吧。
上线做了一大堆SEO应该有的内容，比如反馈面板、页脚、FAQ、favicon、支持邮箱、分析埋点...该有的好像都有了，感觉看上去像个样子...
把上传、转换、双语首页、反馈入口和基础 SEO都补齐了，目标是做全球SEO承接全球流量！
希望我的小破电脑可以顶住...