[實戰筆記] 利用 n8n 搭建廣東話 AI 語音助手：OpenRouter 與 Minimax 的整合應用

  • 分類：

(觀看時間: 41 mins, 詳細原整n8n教學, 每一個節點都會講解)

n8n AI 女友教學：5步零成本打造廣東話智能伴侶 (完整 Script)

收工回家面對四面牆，不想面對冷冰冰的 Siri，也不想對著螢幕打字？其實，透過 n8n AI 女友 的自動化工作流，我們可以輕鬆打造一個會聽、會講廣東話，還記得你昨晚說過什麼的「智能伴侶」。

這篇 n8n 教學 將深入探討如何串接 Telegram、Replicate 與 OpenRouter，拼湊出一個有性格、有記憶，甚至能看懂圖片的 廣東話 AI Agent。最重要的是，這個方案按量付費，成本極低，適合所有想嘗試 AI 開發的朋友。

為什麼選擇 n8n 打造 AI 女友？

相比起 LangChain 或直接寫 Python 代碼，n8n 提供了可視化的流程管理，讓你更專注於「性格設計」而非除錯。加上它能輕鬆整合 Telegram API，是製作 Chatbot 的首選工具。

架構總覽：5個步驟完成部署

在開始之前，我們先理清 n8n AI 女友 的資料流向：

  1. 介面 (Telegram)：接收語音、文字或圖片。
  2. 耳朵 (Whisper)：將語音轉為文字。
  3. 大腦 (LLM)：理解內容，根據人設生成回應 (OpenRouter)。
  4. 嘴巴 (TTS)：將回應轉為廣東話語音 (Fish Audio / Replicate)。
  5. 介面 (Telegram)：回傳語音訊息。

準備工作

  • 一個 n8n 實例 (Self-hosted 或 Cloud 版皆可)。
  • Telegram 帳號。
  • Replicate API Key (用於語音識別與生成)。
  • OpenRouter API Key (用於存取各種 LLM)。

第一步：Telegram 介面設定

要與 AI 女友 聊天，Telegram 是最自然的選擇。它就像你平時用的 WhatsApp，隨手拿起來就能講語音。

1.1 申請機器人

  1. 打開 Telegram，搜尋 @BotFather。
  2. 輸入 /newbot 指令，按照螢幕提示設定機器人的顯示名稱 (Name) 和用戶名 (Username)。
  3. 成功後，複製畫面上的 HTTP API Token (這串亂碼是機器人的鑰匙，請妥善保存)。

1.2 設定 n8n Trigger (觸發器)

回到 n8n Canvas (畫布)，我們要讓機器人「監聽」訊息：

  1. 點擊畫布上的 + 號，搜尋並新增 Telegram Trigger 節點。
  2. Credential: 點擊 Select Credential -> Create New，將剛剛拿到的 Token 貼入。
  3. Trigger On: 選擇 Message。
  4. Updates: 勾選 message。
  5. Message Type (關鍵步驟)：
    • 除了預設的 text 之外，務必額外勾選 voice (語音) 和 photo (圖片)。
    • 這樣機器人才能同時接收文字、錄音和照片。

第二步：耳朵 (Whisper 語音轉文字)

n8n AI 女友 不能只會看字，她要能聽懂你的語音訊息。我們選擇 Replicate 上的 Whisper 模型。

2.1 下載語音檔 (Telegram Get File)

當 Telegram 收到語音時，Trigger 只會給我們一個 file_id，我們需要主動下載它。

  1. 在 Trigger 節點後方，新增一個 Telegram 節點。
  2. Resource: 選擇 File。
  3. Operation: 選擇 Get。
  4. File ID: 點擊輸入框旁的 Expression (變數) 按鈕，選擇 {{ $json.message.voice.file_id }}。
  5. Download: 將開關切換為 ON (這是新手最常忘記的步驟，必須開啟才能拿到檔案實體)。
  6. Binary Property: 保持預設值 data。

2.2 格式轉換 (Code Node: Binary to Base64)

Replicate 的 API 接受 Base64 格式的音訊，但上一步下載下來的是 Binary Buffer。我們需要轉換格式。

  1. 新增一個 Code 節點。
  2. 語言選擇 JavaScript。
  3. 複製並貼上以下代碼：
// 獲取上一個節點的 binary 數據
const binaryData = items[0].binary.data;

// 將二進制數據轉換為 Buffer
const buffer = Buffer.from(binaryData.data, 'base64');

// 轉換為 Base64 字串，並加上 Data URI Scheme (這是 Replicate API 要求的格式)
const base64String = `data:${binaryData.mimeType};base64,${buffer.toString('base64')}`;

// 返回整理好的 JSON
return {
  json: {
    audio_base64: base64String
  }
};

2.3 呼叫 Whisper (HTTP Request)

  1. 新增 HTTP Request 節點。
  2. Method: 選擇 POST。
  3. URL: 輸入 https://api.replicate.com/v1/predictions。
  4. Authentication: 選擇 Generic Credential Type -> Header Auth。
    • Header Name: 輸入 Authorization。
    • Value: 輸入 Token 你的_Replicate_API_Key (注意 Token 後面有個空格)。
  5. Body Parameters: 選擇 JSON，並填入以下內容：{ "version": "4d507972...", // 請填入 Whisper Large-v3 的 version ID (可在 Replicate 官網找到) "input": { "audio": "{{ $json.audio_base64 }}", "model": "large-v3", "language": "zh", // 強制指定中文，避免將廣東話識別成英文 "temperature": 0 } }

第三步：大腦 (AI Agent 與人設)

這是核心部分。我們使用 n8n 強大的 AI Agent 節點，搭配 OpenRouter 來切換不同模型。

3.1 設定 Model (OpenAI Chat Model)

  1. 新增 AI Agent 節點。
  2. 在 Agent 下方的 Model 輸入點，連接一個 OpenAI Chat Model 節點。
  3. Base URL: 勾選 Override Base URL，輸入 https://openrouter.ai/api/v1。
  4. API Key: 建立 Credential 並填入 OpenRouter Key。
  5. Model Name: 點擊 Expression，手動輸入模型名稱，例如 google/gemini-2.0-flash-001 或 deepseek/deepseek-chat。

3.2 注入靈魂 (System Prompt)

  1. 點擊 AI Agent 節點。
  2. 找到 System Message (或 System Prompt) 欄位。
  3. 貼上以下人設，這是讓她像「女友」而非「客服」的關鍵：

你叫阿儀 (Ah Yi)，一個住喺香港嘅女仔。你性格溫柔、顧家，有時會撒嬌。

說話風格與規則：

  1. 必須使用純正廣東話口語（例如：係唔係、食咗飯未、搞錯呀）。
  2. 絕對不要書面語（不要說：是不是、吃了飯沒）。
  3. 回覆要短，像在用 WhatsApp 聊天，不要長篇大論。
  4. 記得你係我女朋友，唔好咁生外。
  5. 如果收到圖片，請根據圖片內容給出女友的反應。

3.3 拒絕金魚腦 (Memory)

  1. 在 Agent 下方的 Memory 輸入點，連接一個 Window Buffer Memory 節點。
  2. Session ID: 點擊 Expression，選擇 {{ $node["Telegram Trigger"].json.message.chat.id }} (確保每個用戶有獨立記憶)。
  3. Context Window: 設定為 10，讓她能記住最近 10 句話。

第四步：嘴巴 (TTS – 文字轉語音)

文字生成後，我們要讓她「說」出來。這裡我們再次使用 Replicate。

4.1 生成語音 (HTTP Request)

  1. 在 Agent 節點後方，新增 HTTP Request 節點。
  2. 設定同上 (Method: POST, Auth: Header Auth)。
  3. Body Parameters:{ "version": "<Cantonese_TTS_Model_Version_ID>", // 推薦使用 Fish Audio 或其他廣東話微調模型 "input": { "text": "{{ $json.output }}", // 這裡是 Agent 節點輸出的文字 "speaker_id": "cantonese_female_1" // 選擇順耳的聲音 ID } }
  4. 執行此節點，確保 Replicate 回傳了包含 output (音檔網址) 的 JSON。

4.2 回傳 Telegram (Telegram Send Audio)

  1. 新增 Telegram 節點。
  2. Resource: 選擇 Message。
  3. Operation: 選擇 Send Audio。
  4. Chat ID: {{ $node["Telegram Trigger"].json.message.chat.id }}。
  5. Audio URL: {{ $json.output }} (直接填入 Replicate 回傳的音檔網址)。

第五步：眼睛 (視覺能力)

如果你發送照片，我們希望她能看懂。

5.1 路由判斷 (Switch Node)

  1. 在 Workflow 最開頭 (Telegram Trigger 之後)，插入一個 Switch 節點。
  2. Mode: 選擇 Expression。
  3. Expression: 輸入 {{ $json.message.photo ? true : false }}。
  4. 設定路由：
    • True (有照片) -> 連接到下方的「圖片處理」流程。
    • False (無照片) -> 連接到原本的「語音/文字」流程。

5.2 圖片處理流程

如果是圖片 (True) 路線：

  1. 新增 Telegram 節點 (Get File)，File ID 改為 {{ $json.message.photo[2].file_id }} (選擇解析度較高的版本)。
  2. 將下載後的圖片資訊傳給 AI Agent。
  3. 注意：確保你在 OpenRouter 選用的模型支援 Vision (如 GPT-4o, Gemini 1.5 Pro)，否則會報錯。

成本分析與常見問題 (FAQ)

運作成本貴嗎？

相比每月訂閱 ChatGPT Plus 的 $20 美金，使用 OpenRouter 和 Replicate 是按量收費的。

  • 語音識別：每分鐘約 $0.006 美金。
  • 文字生成：每百萬 Token 可能不到 $1 美金 (視乎模型)。
  • 對於個人使用，每個月可能只需要幾美元。

n8n 自架麻煩嗎？

你可以選擇使用 n8n Cloud (付費但省事)，或者在自己的電腦/VPS 上使用 Docker 架設 (免費)。我用的是Zeabur.app，你也可以用我的推薦碼來登記，如果成功登記developer plan, 您和我都可以有$5 credits。網址是：https://zeabur.com/referral?referralCode=helloai

總結

完成以上配置後，點擊 Execute Workflow。 當你在 Telegram 說：「喂，好累呀。」幾秒後，手機震動，傳來一把熟悉的聲音：「返黎啦？沖個涼先定食飯呀？」

這就不再是一個冷冰冰的自動化流程，而是一個有溫度的 n8n AI 女友。快動手試試吧！

Share your love

接收Hellomarketing電子報

- 您會收到最新Youtube片通知
- AI和Meta廣告最新通知 (一星期最多一封)
- 隨時取消

Related Posts