anaksor-ocr
Sokheng · 工具包
这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。
一个 n8n 工作流:上传一个视频文件,或贴一个 YouTube 链接,Gemini 就会把这段视频写成文字描述。文件要等 Google 处理完,写好的描述再发到你设的转换地址,可以由它转成 Google 文档。
Gemini 视频描述:上传文件或贴 YouTube 链接 是一款 n8n 工作流,属于效率类,由 Mindket 上架。可免费获取。当前为第 2 版,最近更新于 。在本页下载,或复制它的 JSON,再导入 n8n 画布。在 n8n 里启用之前,它不会运行。
文件或链接表单
有人提交两个 Insert Video 表单之一时开始运行。第一个收文件,第二个收链接:
一份详细的视频文字描述,可以直接变成 Google 文档
开始之前要准备好这些。
视频分析
接收上传的文件或 YouTube 地址,用 Gemini 2.0 Flash 写出描述。
需要Gemini API 密钥,放在一个 HTTP Query Auth 凭据里
文档
通过你设的转换地址收到描述,请求里带着你的 Google 登录。
需要Google Docs OAuth2 凭据,以及一个转换地址
由 Mindket 于 2026年11月13日检查
这个 n8n 工作流让 Gemini 替你描述一段视频,视频可以是你上传的文件,也可以是你贴的 YouTube 链接。两个表单各管一种。文件先上传到 Google 的文件存储,工作流等一会儿,再由 Gemini 2.0 Flash 把整段视频写成一篇长描述。链接不用上传,直接交给同一个模型,请它写一份详细摘要。两条路最后都把文字发到你提供的转换地址,由它转成 Google 文档。
想看懂一段视频、又不想从头看到尾的剪辑、研究和内容团队。如果你要的是不用再动手、直接成形的 Google 文档,就别选它。转换这一步要你自己准备,文件里没有。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 视频制作 | 剪辑和资料管理人员 | 上传原始素材,把描述和文件名放在一起 | 剪辑师上传一段录屏,拿到每一步的文字记录,以后好搜索。 |
| 无障碍 | 做字幕或画面描述的团队 | 把描述当成画面内容的初稿 | 团队先为一段培训视频的画面起草说明,再人工修改。 |
| 研究和媒体 | 分析师和记者 | 贴一个公开视频的链接,先读摘要再决定看不看 | 记者贴上一场会议演讲的链接,拿到一份详细摘要。 |
| 营销 | 内容和社媒团队 | 总结合作方或竞品频道的视频 | 社媒团队凭链接总结竞品的产品演示视频。 |
| 教育 | 老师和课程制作者 | 把一节课的录像变成学习笔记的底稿 | 老师上传上课录像,把描述改成笔记。 |
只要 n8n 能访问 Google 的 Gemini API 就能运行。两个表单给你两个网址,发给有视频要交的人就行。
点“获取”会把一个压缩包存到你的下载文件夹,里面有 workflow.json 和 Mindket 写的设置说明。作者估计设置要 10 分钟左右。原来的副本会把文字连同你的 Google 登录发到一个私人域名上的转换服务,那个域名既不是你的,也不是 Mindket 的。这个副本把地址留空,文字和登录发到哪里由你决定。
| 需要 | 说明 |
|---|---|
| n8n | n8n Cloud 或你自己的服务器 |
| Google AI Studio | 一个 Gemini API 密钥 |
| Google Docs | 一个 Google Docs OAuth2 凭据,给你的转换服务或 Google Docs 节点用 |
| 转换服务 | 一个能接收文字、把它存成 Google 文档的网址,或者用两个 Google Docs 节点代替 |
workflow.json。key,值填你的 Gemini 密钥。在 Upload File、Get Analysis 和 YouTube Video 里选中它。HTTP Request 和 HTTP Request1 里选中它。https://YOUR_MARKDOWN_TO_DOC_ADDRESS 换成你的转换地址,或者把它们换成 Google Docs 节点。两个请求都只发一个字段 output,里面是描述,n8n 会再带上你的 Google Docs 登录。转换服务拿到之后怎么处理,由你决定。
{
"output": "<Gemini 写的描述>"
}不想用转换服务,就把每个请求节点换成两个 Google Docs 节点:先 Create,再 Update 加 Insert,把文字写进新文档。
从触发器打开你要的表单,文件用 On form submission,链接用 On form submission1。两个表单的标题都是 Insert Video,分享地址时记得标明哪个是哪个。文件表单只收一个必填的视频,链接表单只收一个必填的地址。表单会立刻确认收到,运行在后台继续。
| 要改的 | 在哪里改 |
|---|---|
| 让 Gemini 做什么 | 文件看 Get Analysis、链接看 YouTube Video 的 jsonBody 里的文字 |
| 模型 | 两个调用地址里的 gemini-2.0-flash |
| 等待时间 | 第一次检查前的 Wait,以及两次重试之间的 5 seconds |
| 文字发到哪里 | Video Analysis 和 Get Results 后面的两个请求节点 |
一位组长上传一段 .mp4 短视频,内容是有人在做数据透视表。Gemini 从头到尾描述这段视频,Video Analysis 把文字放进一个字段,这个字段再以 output 的名字发到你的转换服务。
{ "Video Analysis": "<Gemini 对整段视频的描述>" }新手:n8n 把工作流画成用线连起来的方框,每个方框叫一个节点,只做一件事。这个文件有 19 个节点,其中八个是便签,只用来标注各段。Gemini 是 Google 的 AI 模型,你加的密钥让 Google 知道这些调用是你发的。先发一段短的测试视频,之后每个节点都会显示它收到了什么、发出了什么。
专家:两条路用的是同一个模型 gemini-2.0-flash,走 Google 的 Generative Language API,密钥放在查询参数里。
| 节点 | 接口 | 发送 | 返回 |
|---|---|---|---|
Upload File | /upload/v1beta/files | 视频的二进制数据,请求头让上传在一次调用里开始并完成 | 一条 file 记录,带 uri 和 mimeType |
Get Analysis | gemini-2.0-flash:generateContent | fileUri、mimeType,以及写完整描述的请求 | candidates[0].content.parts[0].text 里的文字 |
YouTube Video | gemini-2.0-flash:generateContent | 链接作为 file_data.file_uri,以及写详细摘要的请求 | 同一个字段 |
Get Analysis 打开了错误输出。请求失败时,比如 Google 还在处理文件,错误那条线会通向 5 seconds,再由它把调用送回去重来。Wait 和 5 seconds 都没有自己的设置,所以都用 n8n 在这个节点版本上的默认值,五秒。链接那条路没有等待,也没有重试。
密钥填错或文件被拦下,会一直循环到你手动停止,而转换服务会收到你的 Google 登录。
一个 n8n 工作流。通过它的两个表单之一发一个视频文件或一个 YouTube 链接,Gemini 会把视频写成一篇长描述,工作流再把描述发到你提供的转换地址。
workflow.json:n8n 导出的工作流,19 个节点,其中八个是用来标注各段的便签。里面没有任何凭据。https://YOUR_MARKDOWN_TO_DOC_ADDRESS。画布上的设置便签也删掉了作者那一行。README.md:这份设置说明,压缩包里的是英文版。workflow.json。key,值填你的 Gemini 密钥。在节点 Upload File(名字末尾有一个空格)、Get Analysis 和 YouTube Video 里选中它。HTTP Request 和 HTTP Request1 里选中它。https://YOUR_MARKDOWN_TO_DOC_ADDRESS 换成你的转换地址。On form submission 收文件,On form submission1 收链接),各发一段短视频。两个请求都只发一个字段 output,里面是描述,n8n 会在请求里带上你的 Google Docs 登录。文件里没有任何节点读取它的回复。转换服务会收到你的登录和完整描述,所以地址只指向你信得过的服务。
不想用转换服务,就删掉 HTTP Request 和 HTTP Request1,在 Video Analysis 和 Get Results 后面各接一个设为 Create 的 Google Docs 节点,再接一个设为 Update、动作为 Insert 的节点。让 Update 节点指向 Create 节点返回的新文档 ID。
Get Analysis(文件)和 YouTube Video(链接)的 jsonBody 里的文字。gemini-2.0-flash。Wait 在第一次检查前暂停,5 seconds 在两次重试之间暂停。两个节点都没有自己的设置,所以都用 n8n 在这个节点版本上的默认值,五秒。Get Analysis 的错误输出经过 5 seconds 回到调用,没有次数上限,密钥填错或文件被拦下,会一直循环到你停止这次运行。README.md 3 KB workflow.json 13 KB
Updated by Mindket to the current version of this kit.
Sokheng · 工具包
这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。
Qwen · 工具包
Qwen2.5-7B-Instruct 的 GGUF 文件,提供八种量化大小,可通过 llama.cpp 在本地聊天。适合想在自己电脑上用 7.6B 强力模型、又不想搭 Python 环境的人。
ACE-Step · 工具包
用 4B 扩散解码器根据文字生成音乐,50 步并带引导控制,音频质量高于基础版。适合拥有 12 GB 或更多显存 GPU 的创作者。
op7418 · 技能
能生成单文件 HTML 幻灯片、幻灯片配图和多平台封面的技能,有两套视觉风格,还带演讲者模式用于排练。适合使用 Claude Code 或 Codex 的演讲者。
zarazhangrui · 技能
从零开始或从 PowerPoint 文件生成 HTML 演示文稿,并展示几种视觉风格预览供你挑选,适合不懂 CSS 和 JavaScript、又想做网页幻灯片的人。
iptv-org · 工具包
把来自多个国家的公开电视直播频道整理成播放列表,任何支持直播流的视频播放器都能打开。适合想看直播的观众,也适合需要频道数据的开发者。