Telegram 语音翻译，用文字和语音回复

Telegram 语音翻译，用文字和语音回复

一个翻译 Telegram 语音消息的 n8n 工作流。你给机器人发一条用两种语言之一说的语音消息。工作流把语音转成文字，判断它是哪种语言。然后把文字翻译成另一种语言，并把结果发回两次，一次是文字消息，一次是语音音频文件。

包里有什么

• workflow.json：n8n 导出的工作流，12 个节点和三张便签。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

• 语音转文字这一步原来是 n8n 的 OpenAI 节点，它总是要 whisper-1。OpenAI 的停用页面（2026 年 11 月 12 日查阅）给出 whisper-1 的移除日期是 2027 年 2 月 26 日，并指明 gpt-transcribe 是替代。新的 Transcribe voice 节点用 gpt-transcribe 调用 /v1/audio/transcriptions。
• 新增一个节点 Name the voice file，把 Telegram 的 .oga 语音文件改名为 voice.ogg。OpenAI 的语音转文字指南在支持的格式里列了 ogg，没有列 oga。
• Chat Model 原来没有设置模型。在 n8n 的源码（2026 年 11 月 12 日查阅）里，节点版本 1 上没设置模型就是 gpt-5-mini，OpenAI 会在 2026 年 12 月 11 日把它停用。这份副本是版本 1.2，并指明 gpt-6-luna。这条链没有工具，所以 OpenAI 模型页面上关于工具调用的说明对它不适用。
• Input Error Handling 设置了一个没人读的字段，所以文字消息会让下载这一步崩溃。新的节点 Is it a voice message 检查是不是语音消息，Ask for a voice message 用一句简短的请求回答其他内容。
• Telegram Trigger 原来监听所有类型的更新。现在只监听消息，并且是节点版本 1.2，它可以限制谁能使用机器人。
• 三个节点改了更清楚的名字。Telegram1 是 Download voice file，OpenAI Chat Model 是 Chat Model，OpenAI 是 Speak translation，它现在明确写出了操作 Generate Audio。
• 三张便签重写了，其中一张里的外部链接去掉了。
• 所有凭据引用和作者那个触发器的 webhook id 都去掉了，所以由你自己选。

开始之前

• 一个有公开 HTTPS 地址的 n8n 实例。Telegram 用 HTTPS POST 把更新发到 webhook 地址。
• 一个 Telegram 机器人和它的令牌。你在 Telegram 里和 BotFather 聊天就能创建。
• 一个有一些额度的 OpenAI API 密钥。转写、翻译和语音都用它付费。

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 Trigger、Download voice file、Text reply、Audio reply 和 Ask for a voice message 里，添加一个填了机器人令牌的 Telegram 凭据。
3. 在 Chat Model 和 Speak translation 里，添加一个填了 API 密钥的 OpenAI 凭据。在 Transcribe voice 这个 HTTP Request 节点里，选凭据类型 OpenAI，并选同一个凭据。
4. 打开 Settings，在 language_native 和 language_translate 里用普通的词写下你的两种语言。文件里原来是 english 和 french。
5. 点 Test workflow，给你的机器人发一条语音消息。一条文字回复和一条音频回复会出现在同一个聊天里。
6. 打开这个工作流，这样你不在的时候机器人也会继续回答。

一次运行是怎样的

1. 有人给你的机器人发消息时，Telegram Trigger 开始这次运行。
2. Settings 把两种语言交给后面的步骤。
3. Is it a voice message 找语音消息。其他内容走到 Ask for a voice message，它会要求发一条语音。
4. Download voice file 从 Telegram 取音频，Name the voice file 把它改名为 voice.ogg。
5. Transcribe voice 把文件发给 OpenAI，取回文字。
6. Auto-detect and translate 请 Chat Model 判断文字的语言。如果是第一种语言，就翻译成第二种，反过来也一样。模型只能回答译文。
7. Text reply 把译文作为文字消息发出。
8. Speak translation 把同一段文字转成语音，Audio reply 发送音频文件。

改变外观

• 两种语言：Settings 里的 language_native 和 language_translate。
• 翻译用的模型：Chat Model 里的模型名。
• 声音：Speak translation 的 Voice 选项。文件保持默认值 alloy。
• 翻译请求的措辞：Auto-detect and translate 里的文字。
• 谁可以使用机器人：在 Telegram Trigger 的 Additional Fields 下加上 Restrict to User IDs。

要知道的事

• 语音回复在 2027 年 1 月会停止工作。Speak translation 用的是 tts-1，OpenAI 的停用页面给出它的停用日期是 2027 年 1 月 6 日，tts-1-hd 也是同一天。按 OpenAI 的文字转语音指南，页面指明的替代模型 gpt-realtime-2.1-mini 不被语音接口支持。文字回复先发出，所以仍然能收到，但这次运行随后会在 Speak translation 以错误结束。
• OpenAI 的文字转语音指南要求你告诉大家这个声音是 AI 生成的。音频回复没有这样的说明，所以如果听的人可能把它当成真人的声音，就在 Text reply 里加一行。
• 只有两种语言。提示词在 Settings 里的两种语言之间翻译，第三种语言交给模型处理。
• 语音消息要小。机器人最多能从 Telegram 下载 20 MB 的文件，OpenAI 最多接受 25 MB。语音这一步最多接受 4096 个字符，所以很长的译文会在那里被拒绝。
• 在 OpenAI 的模型页面上，gpt-transcribe 每分钟音频收 0.0045 美元。翻译和语音另外计费。
• 任何找到机器人的人都能使用它，花掉你的 OpenAI 额度。Telegram Trigger 里的 Restrict to User IDs 可以限制，它在节点版本 1.2 及以上才会生效。
• Text reply 用 Telegram 的 Markdown 模式发出。译文里单独的 _ 或 * 可能让 Telegram 拒收这条消息。
• 你的数据：音频发给 OpenAI 做转写，文字发给 OpenAI 做翻译和语音。
• 没有实测：我们没有调用 Telegram 或 OpenAI 来测试这个文件，而是在测试运行器里用替身回答，分别跑了一条语音消息和一条文字消息。
• 凭据：JSON 里没有任何凭据。