智東西
作者 王涵
編輯 漠影

最近，圖像模型打得可謂是如火如荼。

OpenAI釋出新一代圖像模型GPT Image 1.5，劍指谷歌Nano Banana Pro。國產(chǎn)大模型廠商也紛紛推出自己的新一代圖像模型，生成效果一個比一個驚艷。

就拿谷歌的Nano Banana Pro來舉例，你能分辨出以下圖片哪張是AI生成的，哪張是現(xiàn)實的圖片嗎？

▲左為Nano Banana Pro生成，右為實景圖

除了生成圖畫，作為打工人的我們也開始嘗試在工作中使用AI工具生成PPT、海報等，試圖減輕工作負擔，但AI生成的PPT或海報很難進行二次編輯。一是AI生圖模型通常都有付費額度限制，二則是受制于AI生圖技術(shù)本身。

但有這樣一個應(yīng)用，可以直接將AI生成的圖片轉(zhuǎn)換成PPT的形式，將文字、圖標、背景等元素，分離成一個個可挪動的圖層和可編輯的文本框。而這個應(yīng)用我們經(jīng)常會用到卻時常忽視，那就是WPS。

智東西上手體驗了WPS AIPPT的圖片轉(zhuǎn)PPT功能，整體上，圖片轉(zhuǎn)換為PPT的過程較為流暢，文本框可以隨意拖動，圖標元素也可以移動和放大縮小。文本和圖標識別較為準確，會有偶爾漏掉一些圖標和文字的情況，但整體上已經(jīng)十分可用。

一、為什么AI生成的圖片不能改？WPS：這個難題，我們早就破解了

在體驗WPS功能之前，我們要先理清兩個問題：為什么文生圖模型所生成的圖片無法編輯？為什么WPS卻可以做到？

1、AI其實是在“畫字”

文生圖模型本質(zhì)上是一個“圖像分布建模器”。它通過學習海量“圖像-文本”配對數(shù)據(jù)，建立從文本語義到圖像像素的映射。其目標是生成視覺上逼真或合理的像素陣列，而非理解并生成結(jié)構(gòu)化的、可編輯的符號信息。

簡單來說，目前的文生圖模型生成的文字往往是“像素”而非“矢量字符”。文生圖模型生成文字不是在寫字，而是在“畫字”，而這就導致圖像中的文字無法二次編輯，但在辦公領(lǐng)域，最重要的就是“可編輯”。

2、WPS結(jié)合OCR和AI，打破不可編輯“魔咒”

在AI普及之前，有一種格式的文件也是不可編輯的——PDF�？绺袷睫D(zhuǎn)換對于現(xiàn)在來說并不是新鮮功能，但早期的辦公軟件對PDF文件幾乎只能“打印”或“只讀”。

WPS投入大量資源研發(fā)了自主的PDF渲染引擎，要知道，實現(xiàn)“Word轉(zhuǎn)PDF”（保真打�。┖苋菀�，但實現(xiàn)“PDF轉(zhuǎn)Word/PPT”（反向解析）非常難。通過多年在版面分析、字體還原、表格識別等方面的算法優(yōu)化，WPS讓PDF的可編輯不再是難題。

如今，WPS的“圖片轉(zhuǎn)PPT”、“掃描件轉(zhuǎn)可編輯文檔”等功能，已經(jīng)不僅僅是跨格式轉(zhuǎn)換，而是結(jié)合了OCR（光學字符識別）和AI智能排版的高級能力。

11月，金山辦公與華中科技大學合作自研的統(tǒng)一視覺-語言文檔解析框架算法MonkeyOCR v1.5，在全能多模態(tài)文檔解析基準OmniDocBench v1.5中拿下93.01分的成績，獲得綜合性能全球第一。特別是在表格解析方面，該算法的表格結(jié)構(gòu)還原的準確率高達95%。

正是基于在OCR技術(shù)、文檔解析和智能排版領(lǐng)域沉淀的多年技術(shù)壁壘，WPS將這套成熟的能力遷移至AI生成圖片的編輯場景中，順理成章地破解了“AI生圖不可編輯”的行業(yè)痛點。

二、把文字圖片分離，還能編輯和換字體，WPS直擊文生圖模型痛點

話不多說，我們直接來看看WPS的效果。

首先我們讓Nano Banana Pro生成一張中國剪紙模板的北京今日天氣預報頁面，生成圖片如下：

而后，我們打開WPS AIPPT官網(wǎng)，找到圖片轉(zhuǎn)PPT功能專區(qū)，將剛剛生成的圖片上傳。

僅幾秒鐘的時間，WPS就完成了對圖片的識別和對圖層的拆解，我們點擊在線編輯，即可跳轉(zhuǎn)到WPS里的PPT編輯頁面，對剛剛轉(zhuǎn)換成功的圖片進行編輯。

可以看到，轉(zhuǎn)換為PPT后，頁面中的大部分文字和圖標元素都可以自由拖動和修改，并且頁面的風格元素與原圖保持一致，不用擔心會出現(xiàn)風格“魔改”等問題。

再來試試英文頁面，我們用Nano Banana Pro生成了一張制作豆蔻奶茶的流程圖，看看WPS的轉(zhuǎn)換效果如何：

原圖中的圖表和文字都比較多且比較密集，從生成效果來看，WPS AIPPT可以很清晰地將文字和底層圖片分離開，并且每一小段文字都形成了獨立的編輯框可以單獨拖動。

但仔細看，有一些原圖中較為模糊的文字并沒有被識別出來，依舊停留在了底圖上。

那如果不是非常規(guī)字體呢，WPS還可以識別出來嗎？我們用Nano Banana Pro生成了一張手繪漫畫分鏡：

從生成結(jié)果可以看出，WPS能夠十分清晰地識別出手繪字體的文字，四個分鏡畫面也可以分別拖動，生成效果較為穩(wěn)定，可以大大縮短工作流程，提高工作效率。

同樣的，用手機拍下來的PPT也可以輕松獲取。就比如這張世界人工智能大會上對“AI教父”辛頓教授的介紹頁面，我們可以用WPS將其轉(zhuǎn)為可編輯的PPT，不用再到處找類似的模版了。

三、不止做AI搭子，WPS其實是“原生Office AI”

WPS AI 的技術(shù)理念并非簡單地將AI功能嵌入辦公軟件，而是致力于打造一種全新的“原生Office AI”體驗，其核心在于Agentic Software（智能體軟件）的概念。

WPS AI 不滿足于傳統(tǒng)的“問一句答一句”的被動響應(yīng)模式，它的核心能力在于自主規(guī)劃。當用戶提出一個模糊需求時，AI會像人一樣主動思考，自動進行“任務(wù)拆解-執(zhí)行規(guī)劃-反思修正”全流程。

如果說自主規(guī)劃是智能體的“大腦”，那么深度工具調(diào)用能力就是WPS AI的“雙手”。憑借其37年的技術(shù)積累，金山辦公將辦公軟件中最核心、最高頻的操作，比如字號調(diào)整、表格對齊、文本框插入、樣式應(yīng)用等，抽象為AI可精準理解的工具集，實現(xiàn)了辦公軟件核心功能的無損調(diào)用。

這讓AI不僅能“想”，還能“做”。它能直接在文檔內(nèi)部進行精確操作，確保格式完美保留，沒有亂碼或隱藏標簽，實現(xiàn)雙向無損互通，這正是通用大模型所不具備的“動手能力”。

WPS AI打破了AI操作的“黑箱”，將執(zhí)行過程全面透明化、可視化。用戶在下達指令后，能實時看到AI的思考路徑，用戶可以在AI思考的任意環(huán)節(jié)介入糾正，掌控權(quán)始終在用戶手中。

作為一個辦公軟件，它將AI能力原生嵌入Office全流程，用戶無需在多個工具間切換搬運內(nèi)容，可在熟悉的辦公環(huán)境中完成人與AI的協(xié)作。通過接管“Dirty work”，WPS AI讓用戶能專注于內(nèi)容本身、邏輯思考、審美判斷和最終決策。

可以說，WPS AI的終極目標不是炫技或生成內(nèi)容，而是成為一個能真正“交付結(jié)果”的智能體。

結(jié)語：WPS給AI辦公領(lǐng)域提供范例

AI落地發(fā)展到現(xiàn)在，僅僅是“AI+”已經(jīng)不能滿足市場的呼喚。如何才能做到“AI原生”是當下各類應(yīng)用都在思考的問題。

當前AI辦公賽道已形成千億元規(guī)模的市場空間，國內(nèi)外廠商如谷歌微軟等紛紛布局，從單點工具突破到全場景套件構(gòu)建，競爭焦點正轉(zhuǎn)向技術(shù)架構(gòu)與業(yè)務(wù)流程的融合。

WPS通過數(shù)十年的技術(shù)積累和Office辦公軟件的技術(shù)基礎(chǔ)，將AI原生融合到工作流中，簡化了用戶使用AI的流程、削弱了割裂感，真正做到了原生Office AI。