批量产出无人声出镜视频的AI配音，Telegram审片

原文要点

原模板为免费n8n工作流：每天定时从名为vs_queue的n8n Data Table拉取排队选题（批量大小可配置），按领域与格式构造提示词让Gemini生成结构化JSON脚本，失败时切备用Gemini模型；随后自动检查长度、开头钩子、场景结构、陈词滥调、画面与待核实事实，可让Gemini修一遍并保留较优版本；再用Gemini TTS生成WAV旁白（带备用TTS模型），按真实停顿推导分镜节奏并生成SRT字幕；可选开启listen-back QA：用Gemini转写音频与脚本逐词比对算出匹配分并找出缺失/多余词。检查结果、匹配分、打包JSON与元数据写回vs_queue行，音频与脚本文本发Telegram等待批准或重做，批准则归档记录Telegram file ID，重做则重新排队。需Gemini(PaLM)凭证、Telegram Bot凭证、公网HTTPS与配置频道参数。

这次做成什么

搭建一条“Data Table选题→Gemini写脚本并自检→TTS出WAV与SRT→Telegram批准/重做”的单选题练习流程，用一个虚构科普选题走完批准路径。

准备什么

• 可登录的n8n实例且实例可被公网HTTPS访问（Telegram按钮回调必需）
• Google Gemini(PaLM) API凭证，含可调用的TTS端点权限
• 用@BotFather创建的Telegram机器人并在n8n配置好凭证且已与机器人对话
• n8n Data Table功能可用，能创建vs_queue表

具体怎么做

1. 建队列与提交选题

   在n8n Data Table创建vs_queue表，字段含topic、niche、format、status、checks、listen_score、package_json、tg_file_id；用工作流自带Add topics表单或手动插入一行选题，status设为queued；配置步骤里写好Telegram chat ID、批量大小1、每天运行小时、listen-back开关。

2. Gemini生成并自检脚本

   加Gemini节点用下方脚本提示词，把niche与format拼进提示词，要求输出结构化JSON（钩子、场景数组、旁白全文）；加错误分支在主模型失败时重试备用模型；随后加代码节点执行下方检查清单配置中的规则：总字数区间、首句钩子、场景数、陈词滥调词表、需人工核实的事实标记；不达标时可再调一次Gemini修复并比较两版保留较优者。

3. TTS合成与SRT生成

   把旁白全文发给Gemini TTS端点（HTTP请求节点）生成WAV，失败时切备用TTS；用代码节点按标点与停顿时长把旁白切成分镜时间轴并生成SRT字幕文本；可选开启listen-back：调Gemini转写音频，与脚本逐词比对得匹配分并列出缺失/多余词。

4. 回写与Telegram审批

   把检查结果、匹配分、打包JSON写回vs_queue对应行；Telegram节点发送WAV音频与脚本文本文件并带批准/重做按钮等待回复；点批准则把status改为approved并记录返回的file ID，点重做则status改回queued并清空产物字段，次日重新进入队列。

可直接复制的材料

你是短视频配音编剧。领域：{{$json.niche}}；格式：{{$json.format}}；选题：{{$json.topic}}。只输出一个JSON对象，不要输出其他文字：{"hook":"第一句钩子，15字以内","scenes":[{"id":1,"visual":"画面描述","voiceover":"该场景旁白"}],"full_voiceover":"全部旁白连贯文本","facts_to_verify":["需要人工核实的事实列表"]}。要求：总旁白120至180字，3至5个场景，避免使用“你知道吗”“震惊”“万万没想到”这类陈词滥调。

{
  "voiceover_length": {"min": 120, "max": 180, "unit": "中文字符"},
  "hook_required": true,
  "scene_count": {"min": 3, "max": 5},
  "cliches": ["你知道吗", "震惊", "万万没想到", "不看后悔"],
  "facts_check": "facts_to_verify非空时标记needs_review=true",
  "listen_back": {"enabled": true, "word_match_pass_score": 0.9}
}

{
  "topic": "为什么螃蟹横着走",
  "niche": "动物科普",
  "format": "60秒竖屏无人声出镜配音",
  "status": "queued",
  "checks": "{}",
  "listen_score": null,
  "package_json": "{}",
  "tg_file_id": ""
}

输入与输出示例

本站虚构演示，匹配分、时长与file ID均为示意值，未真实调用Gemini或Telegram。

输入

vs_queue中一行：topic=为什么螃蟹横着走，niche=动物科普，format=60秒竖屏无人声出镜配音，status=queued，批量大小1，listen-back开启。

对应输出

Gemini返回JSON：hook="螃蟹的腿决定了它只能横着走"，scenes共4个，full_voiceover约150字，facts_to_verify含“蟹腿关节只能左右活动”。自检通过（无陈词滥调、场景数4）；TTS产出WAV约52秒并生成4条SRT字幕；listen-back转写比对得匹配分0.94，无缺失词；Telegram收到音频与脚本文本，点批准后行状态变为approved并写入file ID示例值BAADBQADgwADx123。

做完检查这些

• 自检能拦截含“你知道吗”开头或旁白少于120字的脚本并触发一次修复流程
• 生成的SRT条数与scenes场景数一致，且最后一条时间码与音频时长相符
• 点重做后该行status回到queued且次日定时运行会再次拉取该选题
• 批准路径写回的tg_file_id非空，checks与listen_score字段为有效JSON或数值

容易卡住的地方

• n8n必须公网HTTPS可达，否则Telegram按钮点击后无法恢复等待中的执行
• Gemini TTS为HTTP端点调用，凭证无TTS权限时备用模型也会失败，需先在控制台确认
• Data Table的表名与字段名必须与节点配置完全一致，大小写不一致会取不到行
• listen-back逐词比对受转写质量影响，低匹配分不一定代表配音错误，阈值仅作参考
• 陈词滥调词表是字符串匹配，谐音或变体写法拦不住，必要时人工复核