Du tittar på en video för ”bara en snabb takeaway”, och inser sedan att ingen skrev ner något. Senare frågar teamet vad den sa, du får panik, och samma klipp ses om (och förklaras om) igen.
Det är här automatisering med Gemini Sheets notes i det tysta räddar dig. En marknadschef som vill fånga konkurrensinsikter märker det först, men en coach som återanvänder utbildningsvideor och en ops-ansvarig som bygger en kunskapsbas hamnar i samma loop.
Det här flödet tar en videouppladdning eller en YouTube-länk, ber Google Gemini om en korrekt formaterad sammanfattning och loggar sedan resultatet i Google Sheets så att det blir sökbart, återanvändbart och konsekvent. Du får lära dig vad det gör, vad du behöver och hur du ska tänka kring anpassning.
Så fungerar automatiseringen
Här är hela flödet du kommer att sätta upp:
n8n Workflow Template: Google Gemini till Google Sheets: videonoter klara
flowchart LR
subgraph sg0["On form submission Flow"]
direction LR
n0["<div style='background:#f5f5f5;padding:10px;border-radius:8px;display:inline-block;border:1px solid #e0e0e0'><img src='https://flowpast.com/wp-content/uploads/n8n-workflow-icons/httprequest.dark.svg' width='40' height='40' /></div><br/>Get Analysis"]
n1["<div style='background:#f5f5f5;padding:10px;border-radius:8px;display:inline-block;border:1px solid #e0e0e0'><img src='https://flowpast.com/wp-content/uploads/n8n-workflow-icons/httprequest.dark.svg' width='40' height='40' /></div><br/>Upload File "]
n2@{ icon: "mdi:cog", form: "rounded", label: "5 seconds", pos: "b", h: 48 }
n3["<div style='background:#f5f5f5;padding:10px;border-radius:8px;display:inline-block;border:1px solid #e0e0e0'><img src='https://flowpast.com/wp-content/uploads/n8n-workflow-icons/form.svg' width='40' height='40' /></div><br/>On form submission"]
n4@{ icon: "mdi:cog", form: "rounded", label: "Wait", pos: "b", h: 48 }
n5@{ icon: "mdi:swap-vertical", form: "rounded", label: "Video Analysis", pos: "b", h: 48 }
n4 --> n0
n2 --> n0
n0 --> n5
n0 --> n2
n1 --> n4
n3 --> n1
end
subgraph sg1["When clicking ‘Test workflow’ Flow"]
direction LR
n6@{ icon: "mdi:play-circle", form: "rounded", label: "When clicking ‘Test workflow’", pos: "b", h: 48 }
n7["<div style='background:#f5f5f5;padding:10px;border-radius:8px;display:inline-block;border:1px solid #e0e0e0'><img src='https://flowpast.com/wp-content/uploads/n8n-workflow-icons/httprequest.dark.svg' width='40' height='40' /></div><br/>YouTube Video"]
n8@{ icon: "mdi:swap-vertical", form: "rounded", label: "Get Results", pos: "b", h: 48 }
n7 --> n8
n6 --> n7
end
%% Styling
classDef trigger fill:#e8f5e9,stroke:#388e3c,stroke-width:2px
classDef ai fill:#e3f2fd,stroke:#1976d2,stroke-width:2px
classDef aiModel fill:#e8eaf6,stroke:#3f51b5,stroke-width:2px
classDef decision fill:#fff8e1,stroke:#f9a825,stroke-width:2px
classDef database fill:#fce4ec,stroke:#c2185b,stroke-width:2px
classDef api fill:#fff3e0,stroke:#e65100,stroke-width:2px
classDef code fill:#f3e5f5,stroke:#7b1fa2,stroke-width:2px
classDef disabled stroke-dasharray: 5 5,opacity: 0.5
class n3,n6 trigger
class n0,n1,n7 api
class n6 disabled
classDef customIcon fill:none,stroke:none
class n0,n1,n3,n7 customIcon
Varför det här spelar roll: videokunskap går förlorad
Videor är fulla av användbara detaljer, men de är svåra att ”lagra” i ett team. Du kan inte snabbt skumma dem som ett dokument, och även med tidsstämplar går folk sällan tillbaka till rätt ögonblick. Så samma problem upprepas: någon minns halvt en nyckelpoäng, någon annan tolkar den annorlunda, och ni slösar tid på att jämka ihop anteckningar som aldrig standardiserades. Ärligt talat är det värsta den mentala belastningen. Du vet att det finns värde i inspelningarna, men att göra dem till användbar kunskap blir en återkommande syssla.
Det summerar sig snabbt. Här brukar det spricka.
- Folk antecknar i olika format, vilket gör att ert ”bibliotek” blir en hög av fragment som inte matchar.
- Att se om en 20-minutersvideo för några få insikter stjäl tid från riktigt arbete, och det händer om och om igen.
- Viktiga lärdomar fastnar i DM:s, möteschattar eller någons privata anteckningsbok.
- Manuell copy-paste till kalkylark leder till tappat sammanhang, stavfel och inkonsekventa titlar som blir svåra att söka på senare.
Det du bygger: Gemini-sammanfattningar loggade i Sheets
Det här flödet skapar ett enkelt system: du tillhandahåller en video, Google Gemini analyserar den och dina anteckningar hamnar i Google Sheets i ett konsekvent format. Det kan starta från ett formulär där du laddar upp en videofil, så att en kollega kan lägga in en inspelning utan att ens öppna n8n. Flödet laddar upp mediat för bearbetning, väntar en stund och pollar sedan Gemini för att hämta analysen. När sammanfattningen är klar städar n8n upp den och sparar texten i en strukturerad form (så att den är enkel att skriva in i en rad i ett kalkylark). Det finns också en valfri väg för YouTube: ange en YouTube-URL, skicka den till Gemini med en prompt som ”Sammanfatta videon i 3 meningar” och fånga resultatet.
Flödet startar med antingen en videouppladdning eller ett manuellt test för en YouTube-sammanfattning. Gemini gör grovjobbet, medan n8n hanterar ”vänta och hämta”-loopen så att du slipper vakta processen. Till sist förbereds resultaten för loggning i Google Sheets, redo att återanvändas av teamet.
Det du bygger
| Det som automatiseras | Det du uppnår |
|---|---|
|
|
Förväntade resultat
Säg att du går igenom 10 videor i veckan (utbildningsklipp, konkurrentgenomgångar, inspelade samtal). Manuell hantering tar, även med ”snabba anteckningar”, kanske 15 minuter per video mellan tittande, pausande och formatering, vilket blir cirka 2,5 timmar per vecka. Med det här flödet laddar du upp videon eller klistrar in en YouTube-länk på en minut, låter Gemini bearbeta i bakgrunden och skummar sedan resultatet när det landar. De flesta team får tillbaka de där 2 timmarna, och anteckningarna är redan organiserade för senare.
Innan du börjar
- n8n-instans (prova n8n Cloud gratis)
- Självhosting om du föredrar det (Hostinger fungerar bra)
- Google Gemini (Google AI) för videoanalys och sammanfattningar.
- Google Sheets för att lagra sammanfattningar åt teamet.
- Gemini API-nyckel (hämta den från Google AI Studio / Google AI).
Svårighetsgrad: Nybörjare. Du kopplar upp inloggningar och ändrar en YouTube-URL eller prompt om du vill ha andra utdata.
Vill du att någon bygger detta åt dig? Prata med en automationsexpert (gratis 15-minuters konsultation).
Steg för steg
En formulärinsändning startar allt. Någon laddar upp en video via den inbyggda n8n-formulärtriggern, så du behöver ingen krånglig intake-process.
Videon laddas upp för analys. n8n skickar mediat via en HTTP Request till Google Gemini, med din Gemini API-nyckel som credential.
n8n väntar och kontrollerar sedan resultat. Flödet innehåller Wait-noder och en enkel loop som kontrollerar Gemini igen tills analysen faktiskt är klar, vilket förhindrar tomma eller ofullständiga svar.
Sammanfattningen städas upp och förbereds för loggning. Ett Set-steg (Edit Fields) sparar analysens text i en konsekvent struktur, som du sedan kan skriva till Google Sheets för enkel återanvändning.
Du kan enkelt ändra prompttexten för att få olika anteckningsstilar och sedan lagra extra fält i Sheets (som ämnestaggar eller original-URL) efter behov. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementation
Steg 1: konfigurera formtriggern
Konfigurera det publika formuläret som tar emot en videofil och startar pipelinen.
- Lägg till och öppna Form Submission Trigger.
- Ställ in Form Title till
Insert Video. - Ställ in Form Description till
Drop in a video for analysis.. - I Form Fields, lägg till ett File-fält med etiketten
Videooch behåll Required aktiverat. - Behåll fältet som en uppladdning av en enstaka fil (inga flera filer).
Video eftersom Media Upload Request förväntar sig binär indata från Video.Steg 2: anslut Google Generative Language API
HTTP-förfrågningarna använder Googles Generative Language-endpoints och kräver frågebaserad autentisering.
- Öppna Media Upload Request och ställ in Authentication till
genericCredentialTypemed Generic Auth Type satt tillhttpQueryAuth. - Öppna Retrieve Video Analysis och ställ in Authentication till
genericCredentialTypemed Generic Auth Type satt tillhttpQueryAuth. - Öppna YouTube Summary Request och ställ in Authentication till
genericCredentialTypemed Generic Auth Type satt tillhttpQueryAuth.
Steg 3: konfigurera bearbetning för videoanalys
Den här vägen laddar upp videon, väntar på bearbetning och begär detaljerad analys i text.
- I Media Upload Request, ställ in URL till
https://generativelanguage.googleapis.com/upload/v1beta/files, Method tillPOSToch Content Type tillbinaryData. - Ställ in Input Data Field Name till
Video. - Lägg till header-parametrar i Media Upload Request med följande värden: X-Goog-Upload-Command =
start, upload, finalize, X-Goog-Upload-Header-Content-Length =={{ $binary.Video.fileSize }}, X-Goog-Upload-Header-Content-Type =={{ $binary.Video.fileType }}/{{ $binary.Video.fileExtension }}och Content-Type =={{ $binary.Video.fileType }}/{{ $binary.Video.fileExtension }}. - Koppla Form Submission Trigger → Media Upload Request → Processing Pause → Retrieve Video Analysis.
- I Retrieve Video Analysis, ställ in URL till
https://generativelanguage.googleapis.com/v1beta/models/gemini-2.0-flash:generateContent, Method tillPOSToch Specify Body tilljson. - Ställ in JSON Body till
={ "contents": [ { "role": "user", "parts": [ { "fileData": { "fileUri": "{{ $json.file.uri }}", "mimeType": "{{ $json.file.mimeType }}" } }, { "text": "Describe what's going on in the video in great detail. Describe the entire video." } ] } ] }. - I Store Analysis Text, lägg till ett fält med namnet
Video Analysisoch ställ in dess värde till={{ $json.candidates[0].content.parts[0].text }}. - Behåll loopen: Retrieve Video Analysis skickar utdata till Store Analysis Text och även till Brief Delay, som sedan går tillbaka till Retrieve Video Analysis.
Steg 4: konfigurera vägen för YouTube-sammanfattning
Den här manuella testvägen sammanfattar en YouTube-video med en fast URL-platshållare.
- Aktivera Manual Test Trigger om ni vill köra sammanfattningsvägen manuellt.
- Koppla Manual Test Trigger → YouTube Summary Request → Collect Summary Output.
- I YouTube Summary Request, ställ in URL till
https://generativelanguage.googleapis.com/v1beta/models/gemini-2.0-flash:generateContent, Method tillPOSToch Specify Body tilljson. - Ställ in JSON Body till
{ "contents": [ { "parts": [ { "text": "Please summarize the video in 3 sentences." }, { "file_data": { "file_uri": "https://youtu.be/[YOUR_ID]" } } ] } ] }. - I Collect Summary Output, lägg till ett fält med namnet
textoch ställ in dess värde till={{ $json.candidates[0].content.parts[0].text }}.
[YOUR_ID] i YouTube Summary Request med ett riktigt YouTube-video-ID, annars misslyckas förfrågan.Steg 5: testa och aktivera ert arbetsflöde
Kör end-to-end-tester för både vägen för formulärinskick och den manuella sammanfattningsvägen innan ni aktiverar.
- Klicka på Execute Workflow och skicka in en fil via Form Submission Trigger.
- Verifiera att Media Upload Request returnerar en fil-URI och att Retrieve Video Analysis returnerar innehåll.
- Bekräfta att Store Analysis Text innehåller fältet
Video Analysismed beskrivande text. - Kör Manual Test Trigger manuellt och bekräfta att Collect Summary Output innehåller
text-sammanfattningen. - När resultaten ser korrekta ut, växla arbetsflödet till Active för att aktivera användning i produktion.
Felsökningstips
- Credentials för Google Gemini API kan gå ut eller ha fel scope. Om anrop misslyckas, kontrollera credential som används i noderna för HTTP Request (som ”Upload File” och ”Get Analysis”) och skapa en ny API-nyckel i Google AI vid behov.
- Om du använder Wait-noder eller extern bearbetning varierar bearbetningstider. Öka väntetiden om efterföljande noder misslyckas på grund av tomma svar.
- Skrivning till Google Sheets misslyckas ofta på grund av saknade behörigheter eller fel delningsinställningar för kalkylarket. Bekräfta att Google-kontot som är kopplat i n8n har redigeringsåtkomst till målarket och kör sedan en enstaka testkörning igen.
Snabba svar
Cirka 10–15 minuter om din Gemini-nyckel och ditt Google-konto är redo.
Nej. Du kopplar upp inloggningar och justerar en prompt eller URL om du vill.
Ja. n8n har ett gratis alternativ för självhosting och en gratis provperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volym. Du behöver också räkna med kostnader för Google Gemini API-användning, som beror på videolängd och antal anrop.
Två alternativ: n8n Cloud (hanterat, enklast att komma igång) eller självhosting på en VPS. För självhosting är Hostinger VPS prisvärd och hanterar n8n bra. Självhosting ger dig obegränsade körningar men kräver grundläggande serverhantering.
Ja, och det bör du. Du kan ändra prompten i HTTP-noden för YouTube Summary Request (texten som ”Sammanfatta videon i 3 meningar”) för att få action items, en möteslik recap eller ämnestaggar. Om du vill ha ett annat lagringsformat redigerar du fälten i Set-noderna (”Store Analysis Text” och ”Collect Summary Output”) så att arket får exakt de kolumner du bryr dig om. Vissa team lägger till fält för ”ägare”, ”kategori” och ”nästa steg” så att anteckningarna blir till uppgifter.
Oftast är det ett API-nyckelproblem. Skapa en ny Gemini API-nyckel i Google AI, uppdatera credential som används av HTTP Request-noderna och testa igen med den manuella triggern först. Om uppladdningen lyckas men ”Get Analysis” misslyckas kan det också vara ett timingproblem, så öka väntetiden och försök igen. Rate limits kan dyka upp när du bearbetar många videor direkt efter varandra, så det hjälper att sprida ut anropen.
Det beror mer på din hosting och din Gemini-kvot än på själva flödet. I n8n Cloud baseras din månadsgräns för körningar på din plan; vid självhosting finns ingen hård gräns, men servern måste ändå klara belastningen. I praktiken passar flödet bäst för mindre batcher och jämn bearbetning (tänk dussintals videor per vecka) om du inte medvetet skalar infrastrukturen. Om du väntar dig stora volymer, använd längre väntetider och undvik att köra för många uppladdningar parallellt.
Ofta, ja, eftersom flödet behöver väntning/pollning och lite förgrening, och n8n hanterar det utan att kännas ”påklistrat”. Zapier och Make kan göra det, men du kan få betala mer när antalet tasks växer, och vissa team tycker att asynkron videobearbetning blir klumpig där. n8n ger också möjligheten att självhosta, vilket är praktiskt när du börjar logga många sammanfattningar. Nackdelen: om du bara vill ha ett enkelt tvåstegsflöde ”YouTube-länk in, mejl ut” kan Zapier gå snabbare att klicka ihop. Prata med en automationsexpert om du vill ha en rekommendation baserad på din volym.
När detta väl rullar slutar videoinsikter vara ”någons minne” och blir en gemensam tillgång. Sätt upp det, mata in videor och låt Google Sheets bli platsen som teamet faktiskt kollar i.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.