Behöver ert företag hjälp med att implementera AI? Kontakta oss och få prisoffert här →
AI Skolan
januari 22, 2026

Google Drive till Defapi: enhetliga id-foton i bulk

Rickard Andersson Partner, Nodenordic.se

Du lyckas till slut få alla att skicka en porträttbild. Sedan börjar det riktiga jobbet: beskära, fixa konstigt ljus, byta stökiga bakgrunder och jaga omtagningar för att någon laddade upp en selfie från bilen.

HR-chefer känner igen det här vid varje onboarding. Rekryteringsteam och kontorsadministratörer också. Den här Drive Defapi-automationen förvandlar en rörig Google Drive-mapp till konsekventa, ID-klara porträtt utan att du behöver bo i Photoshop.

Du får se hur flödet körs, vad det levererar och vad du behöver för att sätta upp det så att teamet kan hantera porträttbilder i bulk, på beställning.

Så fungerar den här automationen

Hela n8n-flödet, från trigger till slutresultat:

n8n Workflow Template: Google Drive till Defapi: enhetliga id-foton i bulk

Problemet: ID-foton är ”enkla” tills de inte är det

Att få ett ID-foto att se okej ut är enkelt. Att få 40 att se konsekventa ut är där team tappar hela eftermiddagar. Du får en mix av bakgrunder, kameravinklar, skuggor och inramning som kapar axlar eller lämnar massor av tom yta ovanför någons huvud. Sedan kommer fram och tillbaka: ”Kan du ta om den här mot en slät vägg?” och ”Snälla, använd inga filter.” Det handlar inte bara om tid. Det är den konstanta kontextväxlingen, de små subjektiva besluten och att du ändå landar i ett badge-ark som ser osammanhängande ut.

Inget av det här är problemet i sig. Tillsammans är det det.

  • Varje manuell beskärning skapar inkonsekvens, så slutresultatet ser ut som att det kommer från fem olika företag.
  • Omtagningar saktar ner onboarding eftersom folk svarar när de känner för det, inte när du behöver att brickan blir utskriven.
  • Små fel staplas snabbt när du exporterar, döper om och laddar upp dussintals filer igen.
  • Även ”snabba fixar” tar timmar när du räknar in granskning, revideringar och att hålla koll på vad som är klart.

Lösningen: batchbearbeta porträttbilder från Google Drive med Defapi

Det här flödet börjar med en enkel formulärinsändning där du klistrar in två Google Drive-mapp-länkar: en mapp med råbilderna och en mapp där de färdiga porträtten ska hamna. Därifrån hämtar n8n varje bild från din indatamapp och förbereder en genereringsbegäran för varje fil. Det skickar bilderna till Defapi (med Googles Gemini-modell ”nano-banana”) med en prompt utformad för professionella ID-standarder: konsekvent inramning, en neutral bakgrundsfärg och business casual-klädsel som ser naturlig ut. Medan bilderna renderas pollar flödet genereringsstatus var 10:e sekund och går vidare först när varje resultat är klart. Till sist laddar det ner det färdiga porträttet och laddar upp det direkt tillbaka till din utdatamapp i Google Drive.

Flödet startar när formuläret skickas in. Sedan loopar det igenom varje foto i Drive-mappen, skickar det till Defapi, väntar tills bearbetningen är klar och sparar det förbättrade resultatet på din valda destination. Du granskar utdatamappen, inte ett dussin webbläsarflikar.

Vad du får: automation vs. resultat

Exempel: så här ser det ut

Säg att du behöver 25 passerkortsbilder för ett nytt intag. Manuellt kan du lägga cirka 7 minuter per bild på beskärning, bakgrundsstädning, grundläggande färgjusteringar och ny export, vilket blir ungefär 3 timmar (och det är innan omtagningar). Med det här flödet laddar du upp alla 25 foton till en Drive-mapp, klistrar in två mapp-URL:er i formuläret (cirka 2 minuter) och väntar sedan medan Defapi bearbetar varje bild. När det är klart har utdatamappen 25 konsekventa porträtt redo att granskas.

Det här behöver du

  • n8n-instans (testa n8n Cloud gratis)
  • Alternativ för self-hosting om du föredrar det (Hostinger fungerar bra)
  • Google Drive för att lagra mappar för indata och utdata
  • Defapi för att generera konsekventa porträtt i ID-stil
  • Defapi API-nyckel (hämta den i din Defapi-kontos dashboard)

Kunskapsnivå: Medel. Du kopplar Google Drive OAuth, lägger till en bearer token-credential och klistrar in mapp-URL:er i formuläret.

Vill du inte sätta upp det här själv? Prata med en automationsexpert (gratis 15-minuters konsultation).

Så fungerar det

En formulärinsändning startar allt. Du klistrar in URL till din Google Drive-indatamapp, URL till utdatamappen och kan även lägga till en egen prompt om du har specifika ID-krav.

Foton samlas in från din Drive-mapp. n8n söker i indatamappen och hämtar format som stöds, som JPG, PNG och WebP, så du slipper välja filer en och en.

Defapi genererar de standardiserade porträtten. Varje bild skickas via en HTTP-request med standardprompten ”professionellt ID-foto” (eller din egen variant), och sedan väntar n8n och pollar tills Defapi rapporterar att genereringen är klar.

Färdiga bilder sparas tillbaka till Google Drive. Flödet laddar ner den renderade filen och laddar upp den till din utdatamapp, så du får en plats att granska och godkänna.

Du kan enkelt ändra bakgrundsfärgen och regler för ansiktsuttryck för att matcha lokala ID-krav. Se hela implementationsguiden nedan för anpassningsalternativ.

Steg-för-steg-guide för implementation

Steg 1: konfigurera formulärtriggern

Konfigurera formuläret som samlar in webbadresserna till Google Drive-mapparna för indata och utdata samt en valfri prompt för bildförbättringen.

  1. Lägg till och öppna Form Submission Trigger.
  2. Ställ in Form TitleSet Google Drive.
  3. Bekräfta att formulärfälten inkluderar Google Drive - Input Folder URL, Google Drive - Output Folder URL och Prompt med den angivna platshållartexten.
Tips: Fältet Prompt är valfritt. Om det lämnas tomt, faller Prepare Image Payloads tillbaka på formulärfältets platshållare.

Steg 2: anslut Google Drive

Hämta källbilderna från Drive och spara senare de förbättrade bilderna i utdatamappen.

  1. Öppna Retrieve Drive Items och ställ in Folder ID{{ $json['Google Drive - Input Folder URL'] }}.
  2. Ställ in Fields{{ ["mimeType","name","id","webViewLink", "imageMediaMetadata", "webContentLink", "thumbnailLink"] }} och aktivera Return All.
  3. Autentiseringsuppgifter krävs: Anslut era googleDriveOAuth2Api-autentiseringsuppgifter i Retrieve Drive Items.
  4. Öppna Store Image to Drive och ställ in Folder ID{{ $('Form Submission Trigger').item.json['Google Drive - Output Folder URL'] }}.
  5. Autentiseringsuppgifter krävs: Anslut era googleDriveOAuth2Api-autentiseringsuppgifter i Store Image to Drive.

Steg 3: konfigurera byggaren för bild-payload

Omvandla varje Google Drive-fil till en payload som innehåller prompten och bildens URL.

  1. Öppna Prepare Image Payloads och bekräfta att JavaScript bygger prompt, image och name för varje objekt.
  2. Verifiera att fallback-logiken för prompten använder {{ $('Form Submission Trigger').first().json.Prompt }} eller platshållaren från formulärkonfigurationen.
  3. Säkerställ att Prepare Image Payloads är kopplad till Dispatch Generation Request enligt exekveringsflödet.
⚠️ Vanlig fallgrop: Om Drive-filerna inte är publikt åtkomliga kan webContentLink misslyckas när det externa API:et försöker hämta bilden.

Steg 4: konfigurera genereringsförfrågan och pollningsloopen

Skicka förbättringsförfrågan till det externa API:et, vänta och polla tills uppgiften är klar.

  1. Öppna Dispatch Generation Request och ställ in URLhttps://api.defapi.org/api/image/gen och MethodPOST.
  2. Ställ in JSON Body{ "prompt": "{{$json.prompt}}", "model": "google/nano-banana", "images": ["{{ $json.image }}"] } och låt Send Body vara aktiverat.
  3. Autentiseringsuppgifter krävs: Anslut era httpBearerAuth-autentiseringsuppgifter i Dispatch Generation Request.
  4. Öppna Delay for Processing och ställ in Amount10 för att pausa innan pollning.
  5. Öppna Fetch Generation Status och ställ in URLhttps://api.defapi.org/api/task/query med Query Parameter task_id satt till {{ $json.data.task_id }}.
  6. Autentiseringsuppgifter krävs: Anslut era httpBearerAuth-autentiseringsuppgifter i Fetch Generation Status.
  7. I Validate Completion State behåller ni villkoret Left Value {{ $json.data.status }} notEquals pending för att skicka slutförda uppgifter vidare och väntande uppgifter tillbaka till Delay for Processing.
Tips: Exekveringsflödet loopar: Validate Completion State skickar väntande uppgifter till Delay for Processing och slutförda uppgifter till Compose Result Summary.

Steg 5: konfigurera resultatkomposition och fillagring

Sammanfatta resultatet, ladda ned den renderade bilden och spara den tillbaka till Google Drive.

  1. Öppna Compose Result Summary och bekräfta att tilldelningen av markdown_content använder {{$json.data?.status}}, {{$json.data?.result?.[0]?.text}} och {{$json.data?.result?.[0]?.image}}.
  2. Säkerställ att tilldelningen av image är satt till {{ $json.data?.result?.[0]?.image }}.
  3. Öppna Download Rendered Image och ställ in URL{{ $json.image }} med Response Format som fil.
  4. Verifiera att exekveringsflödet kopplar Download Rendered ImageStore Image to Drive.

Steg 6: testa och aktivera ert arbetsflöde

Kör ett fullständigt test för att bekräfta att formulärinskicket triggar förbättringspipelinen och sparar den slutliga bilden.

  1. Klicka på Execute Workflow och skicka in formuläret med giltiga URL:er till Drive-mapparna för indata och utdata.
  2. Verifiera att Retrieve Drive Items hämtar filer och att Dispatch Generation Request returnerar ett task_id.
  3. Bekräfta att Validate Completion State till slut routar till Compose Result Summary och Download Rendered Image.
  4. Kontrollera utdatamappen för att säkerställa att Store Image to Drive har sparat den nya bildfilen.
  5. När allt fungerar växlar ni arbetsflödet till Active för produktionsanvändning.
🔒

Lås upp fullständig steg-för-steg-guide

Få den kompletta implementeringsguiden + nedladdningsbar mall

Vanliga fallgropar

  • Google Drive-credentials kan löpa ut eller kräva specifika behörigheter. Om det skapar fel, kontrollera det anslutna kontot i n8n-credentials och bekräfta först Drive OAuth-scope.
  • Om du använder Wait-noder eller extern rendering varierar behandlingstiderna. Öka väntetiden om nedströmsnoder fallerar på tomma svar.
  • Defapi-prompter är kraftfulla men petiga. Om din ”professionell klädsel”-förändring ser konstig ut, skärp prompten tidigt så att du inte behöver köra om samma batch om och om igen.

Vanliga frågor

Hur lång tid tar det att sätta upp den här Drive Defapi-automationen?

Cirka 30 minuter om dina Google Drive- och Defapi-konton är redo.

Behöver jag kunna koda för att automatisera ID-foton i Google Drive?

Nej, ingen kodning krävs. Du klistrar mest in mapp-URL:er, kopplar credentials och (valfritt) justerar prompttexten.

Är n8n gratis att använda för det här Drive Defapi-automationsflödet?

Ja. n8n har ett gratis self-hosted-alternativ och en gratis testperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volym. Du behöver också räkna in Defapi API-användning baserat på hur många bilder du genererar.

Var kan jag hosta n8n för att köra den här automationen?

Två alternativ: n8n Cloud (hanterat, enklast att komma igång) eller self-hosting på en VPS. För self-hosting är Hostinger VPS prisvärd och klarar n8n bra. Self-hosting ger dig obegränsade körningar men kräver grundläggande serverhantering.

Kan jag anpassa det här Drive Defapi-automationsflödet för passfoton i stället för medarbetarbrickor?

Ja, och det bör du. Byt ut standardprompten mot passkrav som en helt vit bakgrund (#ffffff), ett helt neutralt ansiktsuttryck och striktare inramningsregler (ansiktet tar upp större delen av bilden). Du behöver inte ändra Google Drive- eller Defapi-stegen alls; den stora förändringen sker i prompten som skickas vid genereringsbegäran. Många team lägger också till ”ingen glasögonreflex” och ”öron synliga” om de matchar myndighetsstandarder.

Varför misslyckas min Defapi-anslutning i det här flödet?

Oftast beror det på en utgången eller felaktig bearer token i dina n8n HTTP Bearer Auth-credentials som heter ”Defapi account”. Uppdatera token och kör sedan om en enda testbild. Om det fortfarande misslyckas, kontrollera om ditt konto har användningsbegränsningar eller om API:et returnerar ”pending” längre än vad din vänteloop förväntar sig.

Hur många bilder klarar den här Drive Defapi-automationen?

En typisk batch med dussintals bilder fungerar bra; de faktiska begränsningarna beror på din n8n-plan och hur snabbt Defapi hanterar varje begäran.

Är den här Drive Defapi-automationen bättre än att använda Zapier eller Make?

Ofta, ja, helt enkelt eftersom den här typen av flöde kräver polling och villkorslogik. n8n hanterar ”vänta, kontrollera status, loopa tills klart” snyggt, och du fastnar inte i plattformsbegränsningar när du bearbetar en hel mapp med bilder. Self-hosting är också viktigt om du kör stora batcher, eftersom du inte betalar per litet steg på samma sätt. Zapier eller Make kan fortfarande fungera om dina behov är väldigt enkla, till exempel att bearbeta en bild i taget utan statuskontroller. Prata med en automationsexpert om du vill ha hjälp att välja rätt upplägg.

Sätt upp det en gång och hantera sedan ID-foton som ett batchjobb i stället för ett återkommande irritationsmoment. Flödet tar hand om den repetitiva finputsningen så att du kan lägga tiden på onboarding, inte beskärning.

Kontakta oss

Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.

×

Använd mall

Få direkt tillgång till denna n8n-arbetsflödes JSON-fil

Få prisoffert redan idag!
Få prisoffert redan idag!

Berätta vad ni behöver hjälp med så hör vi av oss inom en arbetsdag!

Få prisoffert redan idag!
Få prisoffert redan idag!

Berätta vad ni behöver hjälp med så hör vi av oss inom en arbetsdag!

Launch login modal Launch register modal