智东西
作者 王涵
编辑 漠影

最近，图像模型打得可谓是如火如荼。

OpenAI释出新一代图像模型GPT Image 1.5，剑指谷歌Nano Banana Pro。国产大模型厂商也纷纷推出自己的新一代图像模型，生成效果一个比一个惊艳。

就拿谷歌的Nano Banana Pro来举例，你能分辨出以下图片哪张是AI生成的，哪张是现实的图片吗？

▲左为Nano Banana Pro生成，右为实景图

除了生成图画，作为打工人的我们也开始尝试在工作中使用AI工具生成PPT、海报等，试图减轻工作负担，但AI生成的PPT或海报很难进行二次编辑。一是AI生图模型通常都有付费额度限制，二则是受制于AI生图技术本身。

但有这样一个应用，可以直接将AI生成的图片转换成PPT的形式，将文字、图标、背景等元素，分离成一个个可挪动的图层和可编辑的文本框。而这个应用我们经常会用到却时常忽视，那就是WPS。

智东西上手体验了WPS AIPPT的图片转PPT功能，整体上，图片转换为PPT的过程较为流畅，文本框可以随意拖动，图标元素也可以移动和放大缩小。文本和图标识别较为准确，会有偶尔漏掉一些图标和文字的情况，但整体上已经十分可用。

一、为什么AI生成的图片不能改？WPS：这个难题，我们早就破解了

在体验WPS功能之前，我们要先理清两个问题：为什么文生图模型所生成的图片无法编辑？为什么WPS却可以做到？

1、AI其实是在“画字”

文生图模型本质上是一个“图像分布建模器”。它通过学习海量“图像-文本”配对数据，建立从文本语义到图像像素的映射。其目标是生成视觉上逼真或合理的像素阵列，而非理解并生成结构化的、可编辑的符号信息。

简单来说，目前的文生图模型生成的文字往往是“像素”而非“矢量字符”。文生图模型生成文字不是在写字，而是在“画字”，而这就导致图像中的文字无法二次编辑，但在办公领域，最重要的就是“可编辑”。

2、WPS结合OCR和AI，打破不可编辑“魔咒”

在AI普及之前，有一种格式的文件也是不可编辑的——PDF。跨格式转换对于现在来说并不是新鲜功能，但早期的办公软件对PDF文件几乎只能“打印”或“只读”。

WPS投入大量资源研发了自主的PDF渲染引擎，要知道，实现“Word转PDF”（保真打印）很容易，但实现“PDF转Word/PPT”（反向解析）非常难。通过多年在版面分析、字体还原、表格识别等方面的算法优化，WPS让PDF的可编辑不再是难题。

如今，WPS的“图片转PPT”、“扫描件转可编辑文档”等功能，已经不仅仅是跨格式转换，而是结合了OCR（光学字符识别）和AI智能排版的高级能力。

11月，金山办公与华中科技大学合作自研的统一视觉-语言文档解析框架算法MonkeyOCR v1.5，在全能多模态文档解析基准OmniDocBench v1.5中拿下93.01分的成绩，获得综合性能全球第一。特别是在表格解析方面，该算法的表格结构还原的准确率高达95%。

正是基于在OCR技术、文档解析和智能排版领域沉淀的多年技术壁垒，WPS将这套成熟的能力迁移至AI生成图片的编辑场景中，顺理成章地破解了“AI生图不可编辑”的行业痛点。

二、把文字图片分离，还能编辑和换字体，WPS直击文生图模型痛点

话不多说，我们直接来看看WPS的效果。

首先我们让Nano Banana Pro生成一张中国剪纸模板的北京今日天气预报页面，生成图片如下：

而后，我们打开WPS AIPPT官网，找到图片转PPT功能专区，将刚刚生成的图片上传。

仅几秒钟的时间，WPS就完成了对图片的识别和对图层的拆解，我们点击在线编辑，即可跳转到WPS里的PPT编辑页面，对刚刚转换成功的图片进行编辑。

可以看到，转换为PPT后，页面中的大部分文字和图标元素都可以自由拖动和修改，并且页面的风格元素与原图保持一致，不用担心会出现风格“魔改”等问题。

再来试试英文页面，我们用Nano Banana Pro生成了一张制作豆蔻奶茶的流程图，看看WPS的转换效果如何：

原图中的图表和文字都比较多且比较密集，从生成效果来看，WPS AIPPT可以很清晰地将文字和底层图片分离开，并且每一小段文字都形成了独立的编辑框可以单独拖动。

但仔细看，有一些原图中较为模糊的文字并没有被识别出来，依旧停留在了底图上。

那如果不是非常规字体呢，WPS还可以识别出来吗？我们用Nano Banana Pro生成了一张手绘漫画分镜：

从生成结果可以看出，WPS能够十分清晰地识别出手绘字体的文字，四个分镜画面也可以分别拖动，生成效果较为稳定，可以大大缩短工作流程，提高工作效率。

同样的，用手机拍下来的PPT也可以轻松获取。就比如这张世界人工智能大会上对“AI教父”辛顿教授的介绍页面，我们可以用WPS将其转为可编辑的PPT，不用再到处找类似的模版了。

三、不止做AI搭子，WPS其实是“原生Office AI”

WPS AI 的技术理念并非简单地将AI功能嵌入办公软件，而是致力于打造一种全新的“原生Office AI”体验，其核心在于Agentic Software（智能体软件）的概念。

WPS AI 不满足于传统的“问一句答一句”的被动响应模式，它的核心能力在于自主规划。当用户提出一个模糊需求时，AI会像人一样主动思考，自动进行“任务拆解-执行规划-反思修正”全流程。

如果说自主规划是智能体的“大脑”，那么深度工具调用能力就是WPS AI的“双手”。凭借其37年的技术积累，金山办公将办公软件中最核心、最高频的操作，比如字号调整、表格对齐、文本框插入、样式应用等，抽象为AI可精准理解的工具集，实现了办公软件核心功能的无损调用。

这让AI不仅能“想”，还能“做”。它能直接在文档内部进行精确操作，确保格式完美保留，没有乱码或隐藏标签，实现双向无损互通，这正是通用大模型所不具备的“动手能力”。

WPS AI打破了AI操作的“黑箱”，将执行过程全面透明化、可视化。用户在下达指令后，能实时看到AI的思考路径，用户可以在AI思考的任意环节介入纠正，掌控权始终在用户手中。

作为一个办公软件，它将AI能力原生嵌入Office全流程，用户无需在多个工具间切换搬运内容，可在熟悉的办公环境中完成人与AI的协作。通过接管“Dirty work”，WPS AI让用户能专注于内容本身、逻辑思考、审美判断和最终决策。

可以说，WPS AI的终极目标不是炫技或生成内容，而是成为一个能真正“交付结果”的智能体。

结语：WPS给AI办公领域提供范例

AI落地发展到现在，仅仅是“AI+”已经不能满足市场的呼唤。如何才能做到“AI原生”是当下各类应用都在思考的问题。

当前AI办公赛道已形成千亿元规模的市场空间，国内外厂商如谷歌微软等纷纷布局，从单点工具突破到全场景套件构建，竞争焦点正转向技术架构与业务流程的融合。

WPS通过数十年的技术积累和Office办公软件的技术基础，将AI原生融合到工作流中，简化了用户使用AI的流程、削弱了割裂感，真正做到了原生Office AI。