خودکارسازی رونویسی و خلاصه‌سازی صدا با n8n و هوش مصنوعی

تبدیل صدا به خلاصه اجرایی: رونویسی و تحلیل با AssemblyAI و GPT-4

این گردش کار فرآیند تبدیل فایل‌های صوتی به خلاصه‌های اجرایی دقیق را خودکار می‌کند. این برنامه برای کاربرانی طراحی شده است که نیاز دارند با رونویسی صدا و تحلیل محتوای آن با هوش مصنوعی، به سرعت بینش‌های عملی از جلسات، سخنرانی‌ها یا پادکست‌ها استخراج کنند.

این گردش کار دو روش ورودی اصلی را پشتیبانی می‌کند:

• ارسال فرم با بارگذاری فایل صوتی محلی: کاربران می‌توانند مستقیماً یک فایل صوتی را از طریق یک فرم وب بارگذاری کنند.
• ارسال فرم با لینک صوتی Google Drive: کاربران می‌توانند لینکی به یک فایل صوتی ذخیره شده در Google Drive ارائه دهند.

پس از دریافت ورودی صوتی، گردش کار مراحل اصلی زیر را طی می‌کند:

1. آماده‌سازی صدا و درخواست رونویسی: فایل صوتی به AssemblyAI بارگذاری می‌شود و یک کار رونویسی آغاز می‌گردد.

2. نظرسنجی و بازیابی رونویسی: گردش کار به طور مکرر وضعیت AssemblyAI را بررسی می‌کند تا زمانی که رونویسی کامل شود، سپس متن رونویسی شده را بازیابی می‌کند.

3. تحلیل هوش مصنوعی و ارسال ایمیل: رونویسی به GPT-4 اوپن‌ای‌آی برای تحلیل ساختاریافته ارسال می‌شود و خلاصه‌ای، احساسات، نکات کلیدی، موارد اقدام، نقل قول‌ها و موضوعات را تولید می‌کند. سپس نتایج در قالب یک ایمیل HTML قالب‌بندی شده و از طریق جیمیل به کاربر ارسال می‌شود.

عناصر پشتیبان شامل یادداشت‌های چسبان برای مستندسازی، منطق شرطی برای مدیریت خطا و پایان تمیز گردش کار است.

---

جزئیات گردش کار

۱. دریافت ورودی: ارسال فرم و آماده‌سازی فایل

این بخش ورودی کاربر را از طریق فرم‌های وب مدیریت می‌کند و از بارگذاری مستقیم فایل محلی و لینک‌های Google Drive پشتیبانی می‌کند.

• فرم تریگر (لینک Google Drive):

* نوع: formTrigger

* نقش: جمع‌آوری URL فایل صوتی Google Drive و آدرس ایمیل گیرنده.

* پیکربندی: فیلدهای فرم شامل "نام فایل صوتی"، "آدرس URL/لینک فایل صوتی را ارائه دهید" و "ایمیل" (الزامی) است.

* خروجی: داده‌های فرم، از جمله URL Google Drive.

* نکته: ### Execution flow Form submission + Google Drive link<br>#### Receive Google Drive Link

• کد (استخراج شناسه فایل):

* نوع: code

* نقش: تجزیه URL Google Drive برای استخراج شناسه منحصر به فرد فایل با استفاده از یک عبارت منظم.

* عبارت کلیدی: عبارت منظم مطابق با /\/d\/|id=([A-Za-z0-9_-]{20,})/

* ورودی: URL Google Drive از تریگر فرم.

* خروجی: JSON حاوی fileId استخراج شده.

* نکته: در صورت نامعتبر بودن فرمت URL، خطاهای احتمالی را مدیریت می‌کند.

• نود Google Drive (دریافت فایل):

* نوع: googleDrive

* نقش: دانلود فایل صوتی از Google Drive با استفاده از fileId استخراج شده.

* پیکربندی: عملیات روی "دانلود" تنظیم شده است.

* اعتبارنامه‌ها: نیاز به اعتبارنامه‌های OAuth2 پیکربندی شده Google Drive دارد.

* ورودی: fileId از نود کد.

* خروجی: داده‌های باینری فایل صوتی، آماده برای بارگذاری در AssemblyAI.

* نکته: خطاهای احتمالی مجوز یا سناریوهای عدم یافتن فایل را مدیریت می‌کند.

* نکته: ### Assembly AI

• فرم تریگر (بارگذاری فایل محلی):

* نوع: formTrigger

* نقش: جمع‌آوری بارگذاری فایل صوتی محلی (مانند .MP4) و آدرس ایمیل گیرنده.

* پیکربندی: فیلدها شامل "نام فایل صوتی"، یک فیلد بارگذاری فایل و "ایمیل" (همه الزامی) است.

* خروجی: داده‌های باینری فایل صوتی و فراداده‌های مرتبط.

* نکته: ### Execution flow Form submission + Local file<br>#### Upload an audio file

۲. بارگذاری صدا و درخواست رونویسی به AssemblyAI

این بخش بارگذاری داده‌های صوتی به AssemblyAI و شروع فرآیند رونویسی را مدیریت می‌کند.

• HTTP Request (بارگذاری در AssemblyAI - Google Drive):

* نوع: httpRequest

* نقش: بارگذاری داده‌های باینری صدا (دانلود شده از Google Drive) به نقطه پایانی بارگذاری AssemblyAI.

* پیکربندی:

* متد: POST

* URL: https://api.assemblyai.com/v2/upload

* هدرها: Authorization با کلید API AssemblyAI شما.

* بدنه: داده‌های باینری خام فایل صوتی.

* ورودی: فایل صوتی باینری از نود Google Drive.

* خروجی: پاسخ JSON حاوی upload_url برای فایل صوتی.

* نکته: مسائل احتمالی کلید API، مهلت‌های زمانی شبکه یا خرابی بارگذاری فایل‌های بزرگ را مدیریت می‌کند.

* نکته: ### Assembly AI

• HTTP Request (بارگذاری در AssemblyAI - بارگذاری محلی):

* نوع: httpRequest

* نقش: بارگذاری داده‌های باینری صدا از فرم بارگذاری فایل محلی به AssemblyAI.

* پیکربندی: مشابه بارگذاری Google Drive، اطمینان از استفاده از ویژگی باینری ورودی صحیح.

* ورودی: فایل صوتی باینری از تریگر فرم بارگذاری فایل محلی.

* خروجی: پاسخ JSON حاوی upload_url.

* نکته: ### Assembly AI

• HTTP Request (درخواست رونویسی - Google Drive):

* نوع: httpRequest

* نقش: ارسال درخواست به AssemblyAI برای شروع فرآیند رونویسی برای صدای بارگذاری شده.

* پیکربندی:

* متد: POST

* URL: https://api.assemblyai.com/v2/transcript

* هدرها: Authorization با کلید API AssemblyAI شما.

* بدنه (JSON): {"audio_url": "{{$json.upload_url}}", "speaker_labels": false, "auto_highlights": true, "punctuate": true}

* ورودی: upload_url از نود بارگذاری AssemblyAI.

* خروجی: