Du genererar en AI-bild, den ser nästan rätt ut, och så inser du att den aldrig sparades någonstans där den faktiskt gör nytta. Nu letar du igenom flikar, kör om prompts och försöker komma ihåg vilken version som var ”den rätta”. Det är segt. Och ärligt talat: det dödar momentum.
Det här drabbar marknadschefer hårt när kampanjer behöver nya creatives varje dag. En ägare av en liten byrå känner av det när kunder vill ha alternativ ”innan dagens slut”. Och om du är frilansare som gör designstöd är en robust Replicate Drive integration skillnaden mellan att leverera snabbt och att sitta och passa generationer.
Det här flödet automatiserar hela Replicate-körningen för bilder (med omförsök), och paketerar sedan resultatet så att det kan sparas och användas i ditt Google Drive-flöde. Du ser vilket problem det löser, hur det fungerar och vad som krävs för att köra det stabilt.
Så fungerar den här automatiseringen
Se hur detta löser problemet:
n8n Workflow Template: Replicate + Google Drive: ai-bilder klara
flowchart LR
subgraph sg0["Manual Flow"]
direction LR
n0@{ icon: "mdi:play-circle", form: "rounded", label: "Manual Trigger", pos: "b", h: 48 }
n1@{ icon: "mdi:swap-vertical", form: "rounded", label: "Set API Token", pos: "b", h: 48 }
n2@{ icon: "mdi:swap-vertical", form: "rounded", label: "Set Image Parameters", 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/httprequest.dark.svg' width='40' height='40' /></div><br/>Create Image Prediction"]
n4@{ icon: "mdi:cog", form: "rounded", label: "Wait 5s", pos: "b", h: 48 }
n5["<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/>Check Status"]
n6@{ icon: "mdi:swap-horizontal", form: "rounded", label: "Is Complete?", pos: "b", h: 48 }
n7@{ icon: "mdi:swap-horizontal", form: "rounded", label: "Has Failed?", pos: "b", h: 48 }
n8@{ icon: "mdi:cog", form: "rounded", label: "Wait 10s", pos: "b", h: 48 }
n9@{ icon: "mdi:swap-vertical", form: "rounded", label: "Success Response", pos: "b", h: 48 }
n10@{ icon: "mdi:swap-vertical", form: "rounded", label: "Error Response", pos: "b", h: 48 }
n11@{ icon: "mdi:swap-vertical", form: "rounded", label: "Display Result", pos: "b", h: 48 }
n12["<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/code.svg' width='40' height='40' /></div><br/>Log Request"]
n4 --> n5
n8 --> n5
n7 --> n10
n7 --> n8
n12 --> n4
n5 --> n6
n6 --> n9
n6 --> n7
n1 --> n2
n10 --> n11
n0 --> n1
n9 --> n11
n2 --> n3
n3 --> n12
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 n0 trigger
class n6,n7 decision
class n3,n5 api
class n12 code
classDef customIcon fill:none,stroke:none
class n3,n5,n12 customIcon
Utmaningen: AI-bilder som inte hamnar där teamet jobbar
Att generera bilder är den ”roliga” delen. Röran börjar direkt efter. Någon kör en prompt i Replicate, väntar på att den ska bli klar, kontrollerar sedan status manuellt, laddar ner output, döper om filen och laddar upp den till rätt mapp (om de kommer ihåg). När du producerar många varianter börjar de manuella stegen staplas: extra omkörningar, borttappade resultat och versioner som inte matchar och som i tysthet smyger sig in i produktion. En missad fil kan stoppa en annonsuppsättning, en bloggrubrikbild eller en kundreview, eftersom ingen vet vilken bild som är slutgiltig.
Det går snabbt. Här brukar det oftast falla isär.
- Folk måste fortsätta polla Replicate tills det är klart, vilket blir till konstant flik-kollande.
- Misslyckade generationer upptäcks sent, så du kör om dem under tidspress.
- Resultat hamnar utspridda i nedladdningsmappar, Slack-uppladdningar och slumpmässiga Drive-platser.
- Utan en konsekvent payload och loggning kan du inte enkelt spåra vilken prompt som skapade vilken bild.
Lösningen: pålitlig Replicate-bildgenerering som du kan skicka vidare till Drive
Det här n8n-flödet paketerar Fire Flux-modellen på Replicate till en stabil, repeterbar process. Du startar det manuellt (eller byter till en annan trigger senare), det applicerar din Replicate API-token och sätter sedan de bildinputs och parametrar du bryr dig om. Därefter skapar det en prediction-begäran via Replicate API, sparar en loggpost för spårbarhet och väntar kort innan det kontrollerar status. Om jobbet inte är klart loopar det med längre väntetid och kontrollerar igen. När Replicate returnerar ett lyckat tillstånd bygger flödet en felfri success-payload. Om det misslyckas får du fortfarande en strukturerad error-payload så att du vet vad som hände och vad du ska köra om.
Flödet börjar med din API-nyckel plus en uppsättning bildparametrar. Sedan skapar det Replicate-predictionen och fortsätter kontrollera tills jobbet är klart (eller tydligt misslyckat). Till sist får du ett standardiserat resultat som du kan koppla in i steg för att spara i Google Drive, logga i Sheets eller skicka en Slack-notis utan att skriva om allt varje gång.
Vad som förändras: före vs. efter
| Detta elimineras | Effekt du märker |
|---|---|
|
|
Effekt i verkligheten
Säg att teamet behöver 10 nya bilder till en lanseringsvecka. Manuellt tar det oftast cirka 5 minuter att skicka in varje prompt, och sedan ytterligare 5 minuter för att kontrollera status, ladda ner, döpa om och flytta filer. Det är ungefär 100 minuter av pilljobb, plus avbrott. Med det här flödet: du skickar in en gång per bild, sedan väntar n8n och kontrollerar igen automatiskt, och den slutliga payloaden är redo att skickas vidare till ett Google Drive-sparsteg. I praktiken brukar det kapa ”passningen” till runt 20 minuter totalt för hela batchen.
Krav
- n8n-instans (prova n8n Cloud gratis)
- Alternativ för self-hosting om du föredrar det (Hostinger fungerar bra)
- Replicate för att generera bilder via API:t.
- Google Drive för att lagra färdiga bilder som teamet kan använda.
- Replicate API-token (hämta den i inställningarna för ditt Replicate-konto).
Kunskapsnivå: Nybörjare. Du kopierar en API-token, justerar några textfält och kör en testkörning.
Behöver du hjälp att implementera detta? Prata med en automationsexpert (gratis 15-minuters konsultation).
Flödets gång
En manuell start sätter igång allt. I det här flödet klickar du för att köra det när du är redo. Vill du ha det handsfree senare kan du ersätta den manuella triggern med ett formulär, en ny rad i Sheets eller en webhook.
Dina Replicate-uppgifter och bildinställningar appliceras. Flödet sätter API-token och inputs för Fire Flux-modellen på ett ställe, så att du inte behöver skriva in parametrar om och om igen i olika verktyg.
Replicate genererar bilden och n8n väntar smart. Det skapar prediction-begäran, skriver en liten loggpost och pausar innan det kontrollerar status. Om jobbet fortfarande bearbetas väntar det längre och kontrollerar igen, vilket tar bort rutinmässig flik-uppdatering.
Ett tydligt ”lyckades eller misslyckades”-resultat kommer ut i andra änden. Du får en slutlig payload som kan routas till att spara i Google Drive, logga i Google Sheets eller skicka en Slack-alert beroende på vad teamet behöver härnäst.
Du kan enkelt ändra bildparametrarna för att matcha en kampanjens style guide (eller byta modell helt) utifrån dina behov. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementation
Steg 1: konfigurera den manuella triggern
Det här arbetsflödet startar manuellt så att ni kan testa bildgenerering vid behov.
- Lägg till och öppna Manual Launch Start för att bekräfta att det är triggernoden för det här arbetsflödet.
- Behåll standardinställningarna; inga fält krävs för Manual Launch Start.
Steg 2: anslut Replicate API-åtkomst
Ange API-token som används av efterföljande anrop till Replicate.
- Öppna Assign API Key och ställ in värdet för api_token till er Replicate-token och ersätt
[CONFIGURE_YOUR_API_KEY]. - I Generate Prediction Request, säkerställ att headern Authorization är satt till
=Bearer {{ $json.api_token }}. - I Retrieve Prediction Status, säkerställ att headern Authorization är satt till
=Bearer {{ $('Assign API Key').item.json.api_token }}.
[CONFIGURE_YOUR_API_KEY] lämnas oförändrat leder det till autentiseringsfel i Generate Prediction Request och Retrieve Prediction Status.Steg 3: konfigurera bildinmatningar och anrop för prediction
Konfigurera bildparametrarna och bygg payloaden för Replicate prediction-begäran.
- Öppna Configure Image Inputs och bekräfta att värdet för api_token är satt till
={{ $('Assign API Key').item.json.api_token }}. - Ange era bildparametrar i Configure Image Inputs, till exempel prompt till
A beautiful landscape with mountains and a lake at sunset, aspect_ratio till2:1och output_format tillpng. - Öppna Generate Prediction Request och verifiera att URL är
https://api.replicate.com/v1/predictionsoch att Method är POST. - Bekräfta att JSON Body i Generate Prediction Request använder uttrycken, till exempel
{{ $json.prompt }},{{ $json.num_outputs }}och{{ $json.disable_safety_checker }}. - Gå igenom Record Request Log och behåll JavaScript-loggaren som den är för övervakning.
80) och num_inference_steps (t.ex. 4) i Configure Image Inputs.Steg 4: konfigurera statuskontroller och väntelogik
Det här arbetsflödet pollar Replicate tills det är klart med en kort väntetid och villkorskontroller.
- I Pause 5 Seconds, behåll Unit satt till
secondsoch Amount satt till5. - Öppna Retrieve Prediction Status och bekräfta att URL är
=https://api.replicate.com/v1/predictions/{{ $('Generate Prediction Request').item.json.id }}. - I Completion Status Check, behåll villkoret leftValue
={{ $json.status }}lika med rightValuesucceeded. - I Failure Status Check, behåll villkoret leftValue
={{ $json.status }}lika med rightValuefailed. - I Delay 10 Seconds, behåll Unit satt till
secondsoch Amount satt till10för mellanrum mellan återförsök.
Steg 5: konfigurera output-payloads
Bygg strukturerade svar för lyckat resultat eller fel och returnera slutresultatet.
- Öppna Build Success Payload och behåll objektet response satt till
={{ { success: true, image_url: $json.output, prediction_id: $json.id, status: $json.status, message: 'Image generated successfully' } }}. - Öppna Assemble Error Payload och behåll objektet response satt till
={{ { success: false, error: $json.error || 'Image generation failed', prediction_id: $json.id, status: $json.status, message: 'Failed to generate image' } }}. - I Output Final Result, ställ in final_result till
={{ $json.response }}så att arbetsflödet returnerar den normaliserade payloaden.
Steg 6: testa och aktivera ert arbetsflöde
Kör ett manuellt test för att validera bildgenereringen och aktivera sedan för produktion.
- Klicka på Execute Workflow från Manual Launch Start för att köra ett manuellt test.
- Bekräfta att Generate Prediction Request returnerar ett prediction-id och att Retrieve Prediction Status går vidare till
succeeded. - Verifiera att Output Final Result outputtar ett final_result-objekt med
success: trueoch enimage_url. - När ni har validerat, växla arbetsflödet till Active för att aktivera produktion.
Se upp med
- Replicate-uppgifter kan löpa ut eller så kan du råka klistra in fel token. Om det strular, kontrollera först noden ”Assign API Key” och bekräfta att token är giltig i dina Replicate-inställningar.
- Om du använder Wait-noder eller extern rendering varierar processtiderna. Öka väntetiden om noder längre fram misslyckas på grund av tomma svar.
- Standardprompter i AI-noder är generiska. Lägg in ert varumärkesspråk tidigt, annars kommer du att redigera output för evigt.
Vanliga frågor
Cirka 30 minuter om du redan har din Replicate-token.
Ja. Du klistrar mest in inloggningsuppgifter och ändrar några fält som prompt och bildparametrar.
Ja. n8n har ett gratis self-hosted-alternativ och en gratis provperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volym. Du behöver också räkna in Replicate API-kostnader baserat på hur många bilder du genererar.
Två alternativ: n8n Cloud (hanterad tjänst, 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 exekveringar men kräver grundläggande serverhantering.
Börja med noden ”Configure Image Inputs” och delen ”Set Image Parameters” inuti den, eftersom det är där din prompt, stil och output-preferenser ligger. Om du vill ha en annan modell kan du behålla samma struktur och bara ändra Replicate-endpointen som används i ”Generate Prediction Request”. Vanliga justeringar är att tvinga ett konsekvent bildförhållande för annonser, lägga till ett fält för ”negative prompt” om din modell stödjer det, och skriva output-URL:en till Google Sheets så att kollegor kan söka i tidigare körningar senare.
Oftast är det en felaktig eller utgången API-token i noden ”Assign API Key”.
Om du self-hostar n8n finns ingen fast gräns för exekveringar (det beror på din server). På n8n Cloud beror din månatliga exekveringsgräns på din plan, och genereringshastigheten beror på Replicates kötider. Det här flödet kontrollerar status i korta loopar, så det passar bra för batcher, men du bör sprida ut körningar om du genererar många bilder samtidigt för att undvika rate limiting.
Ofta, ja, eftersom det här flödet behöver villkorskontroller, omförsök och tydliga payloads för ”lyckades vs. misslyckades”. Zapier och Make kan göra det, men du kan behöva betala mer (eller kompromissa) när du lägger till loopar, branching och felhantering. n8n ger dig också möjligheten att self-hosta, vilket spelar roll när du genererar mycket creatives. Om du bara behöver ett enkelt ”skicka prompt, få resultat” i låg volym kan de enklare verktygen räcka. Prata med en automationsexpert om du vill ha hjälp att välja utifrån din outputvolym och teamets arbetssätt.
När det här väl rullar slutar bildgenerering vara något du ”övervakar” och blir något du helt enkelt triggar. Flödet sköter väntan och omförsöken så att du kan hålla fokus på de kreativa beslut som faktiskt driver kampanjer framåt.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.