Auto-Generate UGC Video Ads with n8n: GPT-4o + ElevenLabs + WaveSpeed

Product image → Telegram trigger → AI analysis → generate avatar → voice synthesis → lip-sync video → Telegram delivery

Who

Marketing teams or e-commerce operators who need to batch-produce social-media UGC-style testimonial videos

You get

Upload a product photo and automatically receive a 480p voiced lip-sync customer testimonial video, ready for TikTok/Instagram

You need

n8n · telegram · elevenlabs · wavespeed · cloudinary

Steps

1. Configure credentials and import template

   Import the template into n8n. Configure credentials in this order: OpenAI API (for GPT-4o vision nodes), ElevenLabs API (replace YOUR_ELEVENLABS_API_KEY in CLONING AUDIO nodes), WaveSpeed AI API (replace YOUR_TOKEN_HERE in CREATE nodes), Cloudinary (replace YOUR_CLOUDINARY_CLOUD_NAME, set upload preset to Picture), Telegram Bot Token (enter in Set Bot Token node, set target chatId).

2. Activate workflow and send product image via Telegram

   Activate the workflow. Send a product photo to the configured Bot in Telegram (clear images showing the product in use are recommended). The Telegram Trigger node catches the message, Set Bot Token injects the token, Image Path node fetches the file path via Telegram getFile API, and Download File node retrieves the actual image.

3. GPT-4o analyzes product and outputs YAML

   The Analyze YAML node calls GPT-4o Vision on the downloaded image, determines whether it shows a product, a character, or both, and returns YAML with: brand_name, color_scheme (hex/name), font_style, visual_description; or character_name, outfit_style, etc. It also identifies target gender (male/female/unisex). Output language is English.

   Execution prompt · Source text。Analyze YAML node text parameter (n8n OpenAI node prompt field)

   Copy prompt

   =Analisis gambar yang diberikan dan tentukan apakah gambar tersebut terutama menggambarkan sebuah produk atau karakter, atau KEDUANYA.
   
   # Jika gambar adalah sebuah produk, kembalikan analisis dalam format YAML dengan field berikut:
   
   brand_name: (Nama brand yang terlihat di gambar, jika ada atau dapat disimpulkan)
   color_scheme:
   
   hex: (Kode hex dari setiap warna utama yang digunakan)
   name: (Nama description dari warna tersebut)
   font_style: (Jelaskan jenis font atau gaya yang digunakan: serif/sans-serif, tebal/tipis, dll.)
   visual_description: (Satu atau dua kata ringkas yang merangkumi apa yang terlihat pada gambar, abaikan latar belakang)
   
   # Jika gambar adalah sebuah karakter, kembalikan analisis dalam format YAML dengan field berikut:
   
   character_name: (Nama karakter jika terlihat atau dapat disimpulkan)
   color_scheme:
   
   hex: (Kode hex dari setiap warna utama yang digunakan pada karakter)
   name: (Nama description dari warna tersebut)
   outfit_style: (description gaya pakaian, aksesori, atau feature menonjol yang lain)
   visual_description: (Satu atau dua kata ringkas yang merangkum terlihat pada karakter, abaikan latar belakang)
   
   kenalpasti produk sesuai untuk lelakki atau perempuan, dan juga adakah produk tersebut unisex
   
   Hanya kembalikan YAML. Jangan menjelaskan atau menambahkan kata, simbol atau komentar lain.
   Output dalam bahasa English
   
   Jika gambar adalah KEDUANYA, kembalikan kedua deskripsi seperti panduan di atas dalam format YAML

4. Generate UGC avatar image and upload

   The PROMPT PRODUK REVIEW node generates an image prompt (English output, no quotes) from the YAML analysis, requiring 9:16 mobile aspect ratio, natural Malaysian-person aesthetic, natural lighting, cinematic grain. The CREATE NEW IMG1 node calls WaveSpeed AI (nano-banana/edit) to generate the image, waits 65s, then GET STATUS NEW IMG1 polls for completion. Once done, UPLOAD NEW IMG V1 uploads to Cloudinary and Telegram sends a photo preview.

   Execution prompt · Source text。PROMPT PRODUK REVIEW node text parameter (user input prompt)

   Copy prompt

   =Your task: Create an image prompt as guided by your system guidelines.
   
   You shall make sure that the reference image is depicted as ACCURATELY as possible in the resulting images, especially all text.
   
   Description of the reference image:
   {{ $json.content }}
   
   # Output
   - Dalam bahasa English
   - Berikan output TANPA tambahan kata atau simbol apapun termasuk tanda kutip
   - Tanda kutip ganti dengan simbol -

   Execution prompt · Source text。PROMPT PRODUK REVIEW node messages.messageValues[0].message (system/context prompt)

   Copy prompt

   =Buat satu fotografi testimoni produk profesional berdasarkan foto produk yang diberikan, saiz output gambar mestilah menggunakan aspect_ratio 9:16 sesuai dengan phone view
   
   
   Pastikan sentiasa sertakan grain halus untuk kesan sinematik.
   
   #Arahan Utama
   
   Tentukan terlebih dahulu sama ada produk tersebut boleh dipakai atau tidak.
   
   #Tetapan Asas
   
   Hasilkan 1 babak unik review produk oleh watak utama.
   
   Watak ialah orang Malaysia sebenar yang kelihatan natural.
   
   Watak sedang memberi testimoni penggunaan produk dengan ekspresi jujur.
   
   Tiada sebarang teks atau sarikata dalam gambar (nyatakan dalam prompt).
   
   #Watak
   
   Jika watak tidak jelas, tambahkan keterangan berikut:
   
   Lelaki atau perempuan berusia 25–30 tahun cantik atau handsome, pilih jantina yang sesuai dengan produk.
   
   Gaya dan gerak-geri natural.
   Pastikan dalam gambar akhir, watak seolah-olah memegang, menyentuh, atau menggunakan produk yang sedang diulas.
   
   #Jenis Produk
   
   Fesyen: Tunjukkan model memakai pakaian atau aksesori tersebut.
   
   Perhiasan / Aksesori: Fokus pada model memakai perhiasan itu (close-up bahagian relevan).
   
   Produk yang tidak boleh dipakai: Watak hanya memegang atau membawa produk secara natural.
   
   Haiwan: Watak berdiri di sebelah haiwan dengan ekspresi ceria dan tenang.
   
   Perabot / alatan rumah: Watak menggunakan perabot atau alat tersebut mengikut fungsi sebenarnya.
   
   #Sudut & Gaya Foto
   
   Pastikan keseluruhan gambar produk kelihatan jelas dan utuh seperti asalnya.
   
   Gunakan sekurang-kurangnya 2–3 arahan kamera berikut:
   
   Paparan telefon iPhone terbaru,framing genggam,komposisi tidak simetri,cahaya semula jadi,bayangan lembut,sedikit blur pergerakan,auto exposure,tampilan tidak dipoles,grain halus
   
   #Suasana & Realisme
   
   Terima ketidaksempurnaan seperti:
   
   tekstur kulit semula jadi
   
   rambut sedikit berterabur
   
   latar belakang agak sibuk
   
   Gaya seolah-olah gambar sebenar, bukan hasil studio.
   
   Watak kelihatan tulus, santai, dan tidak berlebihan.
   
   Tiada orang lain yang memegang kamera.
   
   Deskripsi produk akan dikirimkan kepada Anda. Balas hanya dengan prompt akhir, tidak ada yang lain, wajib TANPA / TIDAK BOLEH ADA SIMBOL tanda kutip ganda.

5. Synthesize voice and generate lip-sync video

   The TTS & CAPTION1 node (AI Agent) generates a ~10-second Malay-English mixed testimonial script and voiceover text from the product description, outputting caption + textospeech via Structured Output Parser. Analyze IMG NEW2 determines character gender; Switch GENDER routes to the matching ElevenLabs voice (male UcqZLa941Kkt8ZhEEybf / female lMSqoJeA0cBBNA9FeHAs). CLONING AUDIO nodes call eleven_multilingual_v2, then extract and convert to WAV before uploading to Cloudinary. CREATE LIPSYNC V1 calls WaveSpeed AI infinitetalk at 480p with seed=-1 and a natural-motion prompt to combine the avatar image with audio into a lip-sync video. Waits 140s then polls status.

   Execution prompt · Source text。TTS & CAPTION1 node text parameter (user input)

   Copy prompt

   =anda akan diberikan data description produk ini :
   
   {{ $('Analyze YAML').item.json.content }}

   Execution prompt · Source text。TTS & CAPTION1 node options.systemMessage parameter

   Copy prompt

   =Anda adalah **Sosial Media Manager**. anda akan diberikan **description produk dan karakter**.
   
   # Buatkan Text To Speech dan wajib dalam bahasa Malaysia mix english natural
   
   * **Konsep Automatic** (Anda yang buatkan secara kreatif tetapi mestilah masuk akal).
   * Durasi maximum **10 Saat Sahaja**.
   * Isi Text To Speech adalah **testimoni singkat atau review** yang menggambarkan pengalaman menggunakan produk di description, terasa **penuh emosi**, dan **memujuk orang lain untuk mencuba**.
   * Gunakan gaya percakapan yang **natural, menunjukkan expresi jelas, dan bersemangat**, seolah-olah anda betul-betul berpuas hati dengan produk tersebut.
   
   # Output
   
   Tulis **Hantar terus hasil akhir tanpa tambahan lain**, **tanpa tambahan kata, simbol, atau tanda kutip** di awal mahupun akhir output.

   Execution prompt · Source text。Analyze IMG NEW2 node text parameter

   Copy prompt

   =Analisis gambar yang diberikan dan tentukan gender dari karakter yang ada di gambar adakah : 
   
   - Lelaki 
   atau 
   - Perempuan
   
   # Output
   Huruf kecil semua 
   Kembalikan output tanpa ada tambahan kata atau simbol apapun

6. Deliver final content

   After video generation completes, UPLOAD VIDEO REVIEW V1 uploads to Cloudinary, then the Send a video node delivers the final 480p UGC video via Telegram. The Send a photo message node has already sent the generated avatar image in the previous step. Users can download directly from Telegram and publish to TikTok/Instagram.

You are an n8n workflow setup assistant. The user wants to replicate the "Generate UGC video ads with GPT-4o + ElevenLabs + WaveSpeed" template. First confirm they have: n8n instance, OpenAI / ElevenLabs / WaveSpeed / Cloudinary API credentials, and a Telegram Bot. Then guide them to import the template, fill in credentials, and test by sending a product image. Note: Malay-language prompts inside nodes should stay as-is; only modify product description variables. For other language markets, replace the language requirement in TTS & CAPTION1.