智東西（公眾號(hào)：zhidxcom）
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(gè)比一個(gè)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(shí)的圖片嗎？
▲左為Nano Banana Pro生成，右為實(shí)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(bào)等，試圖減輕工作負(fù)擔(dān)，但AI生成的PPT或海報(bào)很難進(jìn)行二次編輯。一是AI生圖模型通常都有付費(fèi)額度限制，二則是受制于AI生圖技術(shù)本身。
但有這樣一個(gè)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(biāo)、背景等元素，分離成一個(gè)個(gè)可挪動(dòng)的圖層和可編輯的文本框。而這個(gè)應(yīng)用我們經(jīng)常會(huì)用到卻時(shí)常忽視，那就是WPS。
智東西上手體驗(yàn)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(dòng)，圖標(biāo)元素也可以移動(dòng)和放大縮小。文本和圖標(biāo)識(shí)別較為準(zhǔn)確，會(huì)有偶爾漏掉一些圖標(biāo)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(gè)難題，我們?cè)缇推平饬?/h2>
在體驗(yàn)WPS功能之前，我們要先理清兩個(gè)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(shí)是在“畫字”
文生圖模型本質(zhì)上是一個(gè)“圖像分布建模器”。它通過學(xué)習(xí)海量“圖像-文本”配對(duì)數(shù)據(jù)，建立從文本語義到圖像像素的映射。其目標(biāo)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(hào)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(dǎo)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。跨格式轉(zhuǎn)換對(duì)于現(xiàn)在來說并不是新鮮功能，但早期的辦公軟件對(duì)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(shí)現(xiàn)“Word轉(zhuǎn)PDF”（保真打?。┖苋菀祝珜?shí)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(shí)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(xué)字符識(shí)別）和AI智能排版的高級(jí)能力。
11月，金山辦公與華中科技大學(xué)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(zhǔn)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(zhǔn)確率高達(dá)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(chǎng)景中，順理成章地破解了“AI生圖不可編輯”的行業(yè)痛點(diǎn)。
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(diǎn)
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(yù)報(bào)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(shí)間，WPS就完成了對(duì)圖片的識(shí)別和對(duì)圖層的拆解，我們點(diǎn)擊在線編輯，即可跳轉(zhuǎn)到WPS里的PPT編輯頁面，對(duì)剛剛轉(zhuǎn)換成功的圖片進(jìn)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(biāo)元素都可以自由拖動(dòng)和修改，并且頁面的風(fēng)格元素與原圖保持一致，不用擔(dān)心會(huì)出現(xiàn)風(fēng)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(dú)立的編輯框可以單獨(dú)拖動(dòng)。
但仔細(xì)看，有一些原圖中較為模糊的文字并沒有被識(shí)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(shí)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(shí)別出手繪字體的文字，四個(gè)分鏡畫面也可以分別拖動(dòng)，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(jī)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(huì)上對(duì)“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(shí)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(yàn)，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(dòng)響應(yīng)模式，它的核心能力在于自主規(guī)劃。當(dāng)用戶提出一個(gè)模糊需求時(shí)，AI會(huì)像人一樣主動(dòng)思考，自動(dòng)進(jìn)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(hào)調(diào)整、表格對(duì)齊、文本框插入、樣式應(yīng)用等，抽象為AI可精準(zhǔn)理解的工具集，實(shí)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(jìn)行精確操作，確保格式完美保留，沒有亂碼或隱藏標(biāo)簽，實(shí)現(xiàn)雙向無損互通，這正是通用大模型所不具備的“動(dòng)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(dá)指令后，能實(shí)時(shí)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(gè)辦公軟件，它將AI能力原生嵌入Office全流程，用戶無需在多個(gè)工具間切換搬運(yùn)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(biāo)不是炫技或生成內(nèi)容，而是成為一個(gè)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(chǎng)的呼喚。如何才能做到“AI原生”是當(dāng)下各類應(yīng)用都在思考的問題。
當(dāng)前AI辦公賽道已形成千億元規(guī)模的市場(chǎng)空間，國內(nèi)外廠商如谷歌微軟等紛紛布局，從單點(diǎn)工具突破到全場(chǎng)景套件構(gòu)建，競爭焦點(diǎn)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。
