YouTube 视频自动转博客文章：Gemini AI 转录

输入 YouTube 链接 → 下载音频 → Gemini 转录 → AI 生成结构化博客 → 输出 JSON

给谁

内容创作者、营销人员、教育工作者、博主

你会得到

将任意 YouTube 视频自动转换为带标题、描述、分类、标签和完整转录文本的博客文章

你需要

n8n · yt-dlp

步骤

1. 配置 Webhook 触发器并接收 YouTube URL

   在 n8n 中设置 Webhook 节点，方法选择 POST，路径为 57fddbda-a118-4546-a223-8e91a7d53ff6，响应模式设为 responseNode。调用方发送 JSON body：{"videoUrl": "https://www.youtube.com/watch?v=..."}。工作流从此节点启动。

2. 生成时间戳

   使用 Set 节点生成当前 Unix 时间戳（now_unix = {{ new Date().getTime() }}），用于后续音频文件命名，避免文件名冲突。

3. 下载 YouTube 音频

   使用 Execute Command 节点运行 yt-dlp 命令，提取视频音频并保存为 MP3。命令引用上游的 videoUrl 和时间戳。确保 n8n 运行环境已安装 yt-dlp。

   运行提示词 · 来源原文。Execute Command 节点的 Command 字段

   复制提示词

   =yt-dlp -x --audio-format mp3 -o output-{{ $json.now_unix }}.mp3 '{{ $('Get Youtube Url').item.json.body.videoUrl }}'

4. 读取 MP3 二进制文件

   使用 Read/Write Files from Disk 节点读取上一步生成的 MP3 文件（文件选择器：=output-{{ $('Get Time').item.json.now_unix }}.mp3），作为二进制数据传递给转录节点。

5. Gemini 转录音频

   使用 Google Gemini 节点（models/gemini-1.5-flash）处理音频二进制输入，将语音内容转录为文本。需配置 googlePalmApi 凭证，resource 设为 audio，inputType 设为 binary。

6. AI Agent 生成结构化博客文章

   AI Agent 节点接收转录文本，通过 Google Gemini Chat Model 和 Structured Output Parser 生成符合固定 JSON Schema 的博客文章。Structured Output Parser 启用 autoFix，并提供 jsonSchemaExample 作为格式示例。包含用户提示词和系统提示词两部分。

   运行提示词 · 来源原文。AI Agent 节点的 Text / User Message 字段

   复制提示词

   =Please create a blog post from the following video transcript. Identify the key themes, structure the content logically, and generate a title, category, and tags.
   
   Transcript:
   {{ $json.content.parts[0].text }}

   运行提示词 · 来源原文。AI Agent 节点的 Options > System Message 字段

   复制提示词

   =You are an expert content strategist and editor. Your task is to transform a raw video transcript into a well-structured and engaging blog post.
   
   You must adhere to the following rules:
   1.  Your entire response must be a single JSON object enclosed in a markdown code block (```json ... ```).
   2.  Do NOT include any introductory phrases, explanations, apologies, or any text whatsoever outside of the JSON markdown block.
   3.  The tone should be informative, clear, and engaging, transforming the conversational transcript into polished written content.
   4.  The language of all generated text in the output JSON must match the primary language of the input transcript.
   5.  The JSON object must have this exact structure:
   {
     "category": "A single, top-level category based on the content.",
     "tags": [
       "An array of 3 to 5 relevant, lowercase string tags."
     ],
     "title": "A creative, compelling title for the blog post.",
     "short_description": "A concise, one-to-two sentence summary of the blog post, optimized for search engines (around 150-160 characters).",
     "body": "The full blog post content formatted in HTML, including <h1>, <h2>, and <p> tags."
   }

7. 合并视频链接与完整转录

   使用 Set 节点将原始 YouTube URL（videoUrl = {{ $('Get Youtube Url').item.json.body.url }}）和完整转录文本（fulltext = {{ $('Transcribe a recording').item.json.content.parts[0].text }}）添加到 AI Agent 的输出中，丰富最终返回的数据。includeOtherFields 设为 true 以保留上游字段。

8. 返回博客文章 JSON

   使用 Respond to Webhook 节点将最终结构化 JSON（含博客文章、分类、标签、转录、原视频链接）返回给调用方，或转发到配置的 CMS/数据库端点。

你是一个 n8n 工作流搭建助手。用户希望复现「YouTube 视频自动转博客文章」模板。请先确认：1）用户是否有自托管 n8n 实例或云实例的 shell 访问权限以安装 yt-dlp；2）是否已获取 Google Gemini API 密钥；3）目标输出端点（CMS、Notion、Slack 或其他 webhook）。确认后指导用户按步骤导入 workflow JSON 或手动搭建节点，并替换凭证和输出端点。