能整理文字和语音、描述图片的 Telegram 机器人

能整理文字和语音、描述图片的 Telegram 机器人

一个 n8n 工作流，给 Telegram 机器人处理文字、语音和图片。文字，或者语音的转写文字，由 OpenAI 标成待办或其他消息，并带着这个标签发回。图片则会被用文字描述出来。

包里有什么

• workflow.json：n8n 导出的工作流，三十个干活的节点和十张便签。里面没有任何凭据。
• README.md：这份设置说明，压缩包里的是英文版。

我们相对原来的副本改了什么

• Validation 原来没有把进来的字段传下去，路由节点看不到消息，所以每条消息都只得到错误回复。它的“包含其他输入字段”选项现在是打开的。
• Extract from File to Base64 现在保留来源 JSON，因为 Convert to Image File 要从里面读 result.file_path。
• 两个分类器模型原来没有设置模型，还叫 gpt-4o-mini。现在它们是用 gpt-6-luna 的 Audio Classifier Model 和 Text Classifier Model。
• Analyze Image 现在用 gpt-6-luna，上限是 1500 个 token。
• n8n 的 OpenAI 节点总是发送 whisper-1，Transcribe Recording 里改用了一个使用 gpt-transcribe 的 HTTP Request 节点。新增的 Code 节点 Name the voice file 会在文件发出之前把它改名为 voice.ogg。
• 机器人令牌、两个 webhook 地址的主机和三个聊天 id 现在都是占位符。

开始之前

• 一个有公开 HTTPS 地址的 n8n 实例，n8n Cloud 或你自己的服务器。
• 一个 Telegram 账号，以及来自 BotFather 的机器人令牌。
• 一个 OpenAI API 密钥。

设置

1. 在 n8n 里新建一个工作流，打开它的菜单，选 Import from File，选中 workflow.json。
2. 在 Telegram 里向 BotFather 申请一个新机器人，并复制它的令牌。
3. 添加一个 Telegram 凭据，并在每个 Telegram 节点里选上它。
4. 添加一个 OpenAI 凭据，并在 Audio Classifier Model、Text Classifier Model、Transcribe Recording 和 Analyze Image 里选上它。
5. 在 Validation 里，把示例的名、姓和数字 id 换成你自己的 Telegram 信息。这个 id 是 Listen for Telegram Events 收到的数据里 message、from、id 下面的那个数字。
6. 在 Telegram Token & Webhooks 里，把 <YOUR_TELEGRAM_BOT_TOKEN> 换成你的令牌，前面的 bot 这个词要保留。把两个网址里的 <YOUR_N8N_ADDRESS> 换成你公开的 n8n 地址。如果你改了 webhook 路径 your-endpoint，两个网址里也要一起改。在三个状态节点里，把 <YOUR_TELEGRAM_CHAT_ID> 换成你的聊天 id。
7. 把工作流打开，然后在编辑器里运行 Set Webhook Production URL，把这个地址登记给 Telegram。Get Telegram Webhook Info 会把结果显示在你的聊天里。
8. 给你的机器人发一条文字、一条语音和一张图片。

一次运行是怎么走的

1. Listen for Telegram Events 收到更新，Validation 和 Check User & Chat ID 把发送者同你的信息比对。其他人会收到 Error message 的回复。
2. Message Router 按类型给消息分流。
3. 文字经 Edit Fields 到 Text Classifier，由它触发 Text Task Message 或 Text Other Message。
4. 语音经 Get Audio File、Name the voice file 和 Transcribe Recording，再到 Text Classifier Audio，由它触发 Audio Task Message 或 Audio Other Message。
5. 图片经 Image Schema、Get Image、Extract from File to Base64 和 Convert to Image File 到 Analyze Image，再由 Image Message 发出描述。
6. Telegram Token & Webhooks 下面的辅助节点，只有在你手动运行时才会运行。

想要不同的效果，改这里

• 谁能用这个机器人：Validation 里的名、姓和 id。
• 标签：Text Classifier 和 Text Classifier Audio 里的类别。
• 机器人怎么说图片：在 Analyze Image 里设一个提示词。
• webhook 地址：Telegram Token & Webhooks 里的值。

需要知道的

• 两个分类器模型按节点的默认值 gpt-5-mini 运行，OpenAI 的弃用页面（2026 年 11 月 12 日读取）把它列为 2026 年 12 月 11 日停用。图片步骤写的是 gpt-4o-mini，这个页面把该模型的带日期快照列为 2027 年 1 月 14 日停用，替代品是 gpt-6-luna。OpenAI 的模型页面写明 gpt-6-luna 支持文字和图片输入。
• 同一个页面把 whisper-1 列为 2027 年 2 月 26 日停用，替代品之一是 gpt-transcribe。OpenAI 的语音转文字指南列出了 ogg，没有列 Telegram 给语音消息的后缀 oga。
• OpenAI 的推理指南写着推理模型会把思考过程也算进 token 上限，而 Analyze Image 默认只允许 300 个 token，所以这个版本把它提高到 1500。
• 没有任何一步会在别处建待办。工作流只打标签和回复。
• Telegram 的 Bot API 页面写着机器人最多能下载 20 MB 的文件，OpenAI 的指南允许音频最大 25 MB。
• 谁知道 webhook 地址，谁就能发一个伪造的更新。登记 webhook 时，Telegram 可以在请求头里带一个密钥，Webhook 节点用 Header Auth 就能检查它。
• 待办和其他消息会用 HTML 模式重复你的文字，Telegram 的文档要求把 <、> 和 & 转义，所以含有它们的文字可能发不出去。
• Image Schema 存下了图片的说明文字，但没有任何一步用到它。
• 机器人令牌以明文放在 Telegram Token & Webhooks 里，所以会随工作流一起保存，也会出现在执行数据里。登记完 webhook 之后请把它清掉。
• 没有对着 Telegram 或 OpenAI 运行过。流程是用两者的替身跑过的：三种消息都得到了回复。发给 Telegram 的辅助请求没有运行。
• 文字、语音和图片会发给 OpenAI，聊天经过 Telegram。