n8n自动生成竖版产品广告视频

原文要点

该模板用n8n Form Trigger接收产品图和描述：先把图片上传Google Drive，用Groq（openai/gpt-oss-120b）生成三个电影感分镜提示词；再从Drive下载一张参考样图，用OpenAI图像编辑（gpt-image-1-mini）按提示词生成三张场景图并各自传回Drive；随后Groq（openai/gpt-oss-20b）写单段旁白稿，OpenAI生成配音音频并传Drive；然后列出并下载场景图，组装JSON2Video项目载荷（9:16，含音频与字幕设置），发给JSON2Video渲染，稍等后查状态、下载成片并作为表单完成回执返回。JSON2Video的x-api-key为硬编码需替换，Drive文件需公开可访问，模板面向n8n Cloud。

这次做成什么

按该模板思路搭一条“表单提交→三张场景图→旁白配音→JSON2Video渲染竖版视频”流水线，并用本站练习方案先以静态占位图验证组装与渲染参数。

准备什么

• n8n Cloud或可访问外网的自托管n8n实例
• Groq账号与API Key（用于两个对话模型节点）
• OpenAI账号（图像生成与语音合成）或启用n8n AI Gateway
• Google Drive账号、OAuth2凭据及一个可公开访问的目标文件夹
• JSON2Video账号与API Key（该渲染服务的计费与额度以其官网为准，注册前先核对）

具体怎么做

1. 建表单与素材入库

   用Form Trigger建表单，字段含产品描述（多行文本）和产品图（文件上传）。接一个Google Drive节点把上传的图片存入目标文件夹，记录返回的文件ID；在Drive中把该文件夹设为“知道链接的任何人可查看”，否则JSON2Video渲染时拉不到图。

2. 生成三个分镜与场景图

   第一个Groq节点（openai/gpt-oss-120b）用下方提示词根据产品描述输出三条分镜提示词，用Split Out或Code节点拆成三条；下载一张Drive里的参考样图，OpenAI图像编辑节点（gpt-image-1-mini）以参考图+每条提示词生成一张场景图，逐张传回Drive并保存三个文件ID。练习期可先用三张自制占位图跳过生成，直接走后续组装。

3. 写旁白并生成配音

   第二个Groq节点（openai/gpt-oss-20b）根据三条分镜写一段连贯旁白稿（控制在约20秒口播量）；OpenAI音频节点把稿子转成语音文件，上传Drive并保存文件ID。

4. 组装渲染并回执

   列出场景文件夹、下载三张场景图，按下方结构组装JSON2Video项目JSON：9:16分辨率、三个定时场景各引用一张图、挂配音音频、开字幕；HTTP Request节点以x-api-key头POST给JSON2Video，替换为你的Key；轮询渲染状态，完成后下载成片并作为表单完成响应返回给用户。

可直接复制的材料

根据以下产品描述，为一条9:16竖版产品广告视频设计3个电影感场景。输出严格的JSON数组，3个字符串元素，每个元素是一段英文图像生成提示词，依次对应：开场吸引注意（特写产品使用瞬间）、中段展示核心卖点（生活化场景）、结尾行动号召（产品置于干净背景配留白）。每段不超过60个英文单词，风格统一为明亮商业摄影。产品描述：{{ $json.description }}

根据以下三个视频场景，写一段中文口播旁白，要求：单段成文、不超过80字、口语化、第一句制造悬念、最后一句给出行动号召。只输出旁白正文，不要任何说明或标点外的符号。场景：{{ $json.scenes }}

{
  "resolution": "1080x1920",
  "scenes": [
    {"comment": "scene1", "duration": 5, "elements": [{"type": "image", "src": "https://drive.google.com/uc?id=FILE_ID_1"}]},
    {"comment": "scene2", "duration": 5, "elements": [{"type": "image", "src": "https://drive.google.com/uc?id=FILE_ID_2"}]},
    {"comment": "scene3", "duration": 5, "elements": [{"type": "image", "src": "https://drive.google.com/uc?id=FILE_ID_3"}]}
  ],
  "elements": [
    {"type": "audio", "src": "https://drive.google.com/uc?id=AUDIO_FILE_ID"},
    {"type": "subtitles", "settings": {"style": "classic", "position": "bottom-center"}}
  ]
}

输入与输出示例

本站虚构演示，未实际调用各服务；时长与效果取决于你的参数与素材。

输入

表单提交：描述=“便携式榨汁杯，300ml，USB充电，30秒出汁，适合健身人群”，配图一张白色榨汁杯产品照。

对应输出

Groq输出三条分镜提示词（开场特写刀片旋转出汁/中段健身房场景/结尾干净背景产品+留白）；三张场景图存入Drive；旁白稿示例：“健身房想喝鲜榨果汁？这只杯子30秒搞定，USB充电随身带。现在下单，练后第一杯就喝新鲜的。”渲染返回一条约15秒的1080x1920带字幕成片作为表单回执。

做完检查这些

• 表单提交图片后Drive文件夹中出现该图片，且链接可匿名打开
• 三条分镜提示词为可解析的JSON数组，每条生成一张场景图并传回Drive
• 渲染任务状态轮询到完成，下载的视频为9:16且包含配音音轨与字幕
• 把Drive文件夹改为非公开后渲染失败，验证公开访问确实是前提

容易卡住的地方

• JSON2Video的x-api-key在模板中是硬编码值，必须替换成自己的Key，注意别把含真实Key的工作流公开分享
• Drive文件必须公开可访问，否则渲染端取不到图片和音频
• OpenAI图像/语音、Groq、JSON2Video各环节可能产生调用费用，具体以各平台计费页为准，练习期先用占位图降低成本
• 生成的场景图与真实产品可能有差异，商用前需人工检查品牌与产品一致性
• 表单提交到成片返回需要等待渲染，作者未承诺固定耗时，别把表单超时时间设太短