Du kör en AI-avatarprompt, får något helt okej, och sedan kan du inte komma ihåg vad du ändrade för att få det att fungera. Nästa gång är du tillbaka till att gissa, bränna credits och leta igenom flikar.
Det här är den typen av röra som drabbar marknadsteam som bygger kampanjmaterial, men grundare och byråoperatörer känner av det också. Med Replicate Sheets-loggning får du ett strukturerat register över varje körning, vilket betyder färre omtag och en konsekvent stil som du faktiskt kan upprepa.
Det här arbetsflödet kör modellen Babysea Babyavatar via Replicate API, väntar på att den blir klar och sparar sedan nyckeldetaljerna i Google Sheets så att du kan återanvända det som fungerar.
Så fungerar den här automatiseringen
Hela n8n-arbetsflödet, från trigger till slutligt resultat:
n8n Workflow Template: Replicate + Google Sheets: avatarer loggas klart
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 Other 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 Other 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
Problemet: avatargenerering blir rörigt snabbt
AI-avatargenerering låter enkelt tills du gör det om och om igen. Du justerar en prompt, ändrar en parameter, kör igen och plötsligt har du fem versioner av “nästan rätt” utan spår av vad som skapade varje variant. Det gör granskningar svårare, godkännanden långsammare och resultatet inkonsekvent. Det kostar också pengar i det tysta, eftersom varje “försök igen” är ännu en betald körning. Det värsta är den mentala belastningen. Du tvingas komma ihåg små detaljer som borde dokumenteras automatiskt.
Friktionen byggs på. Här är var det faller isär.
- Du tappar bort den exakta prompten och inställningarna som skapade den snyggaste avataren, så nästa körning börjar från noll.
- Team landar i godkännanden baserat på skärmdumpar och Slack-trådar, inte på ett strukturerat underlag du kan söka i senare.
- Manuell API-testning leder till att loggning hoppas över, vilket gör att det saknas spårbarhet när en kund frågar “vad ändrade ni?”
- Omkörningar staplas på eftersom du inte har ett pålitligt sätt att se körstatus och utfall på ett ställe.
Lösningen: Replicate-generering med automatisk loggning i Google Sheets
Det här n8n-arbetsflödet ger dig ett repeterbart sätt att generera Babyavatar-bilder via Replicate och samtidigt behålla en strukturerad logg i Google Sheets. Du triggar det manuellt (perfekt för ett “kör en batch med koncept”-pass), och arbetsflödet använder din Replicate API-token, mappar dina genereringsinmatningar och startar en prediction-request. Sedan väntar det en stund, kontrollerar prediction-status och fortsätter att polla tills det är klart eller misslyckas. När körningen är klar bygger det ett strukturerat “success”-resultat med detaljerna du bryr dig om. Om något går fel bygger det i stället ett felresultat, så att du inte behöver gissa vad som hände.
Enkelt uttryckt: du startar körningen, Replicate genererar bilden och n8n tar hand om det irriterande (statuskontroller, omförsök och strukturerat resultat). Google Sheets blir din körjournal, så att du kan återanvända prompts och inställningar som konsekvent ger avatars som matchar varumärket.
Vad du får: automatisering vs. resultat
| Vad det här arbetsflödet automatiserar | Resultat du får |
|---|---|
|
|
Exempel: så här ser det ut i praktiken
Säg att du genererar 20 avatarer för ett nytt kampanjkoncept och normalt gör det “för hand” i en blandning av flikar. Om du lägger cirka 3 minuter per körning på att kopiera prompts, starta requesten, kontrollera status och klistra in resultaten i ett dokument, blir det ungefär 1 timmes administrativt arbete. Med det här arbetsflödet triggar du en gång per körning (kanske 30 sekunder), och sedan sköter n8n väntan, polling och loggning till Google Sheets automatiskt. Du granskar fortfarande bilderna såklart, men du slutar med allt runtomkring-jobb.
Det här behöver du
- n8n-instans (prova n8n Cloud gratis)
- Alternativ för egen drift om du föredrar det (Hostinger fungerar bra)
- Replicate API för att köra Babyavatar-modellen
- Google Sheets för att lagra prompts, körningar och utdata
- Replicate API-token (hämta den i inställningarna för ditt Replicate-konto)
Kunskapsnivå: Nybörjare. Du kopplar konton, klistrar in en API-token och redigerar några inmatningsfält.
Vill du inte sätta upp det här själv? Prata med en automationsexpert (gratis 15-minuters konsultation).
Så fungerar det
En manuell körning startar det. Du startar arbetsflödet när du är redo att generera en avatar (eller testa en ny prompt). Det är användbart när du vill ha kontroll över när credits förbrukas.
Dina indata förbereds. n8n kopplar din Replicate-API-inloggning och mappar de genereringsindata du använder så att requesten blir konsekvent varje gång.
Replicate genererar och n8n kontrollerar framdriften. Arbetsflödet initierar genereringsrequesten, loggar requestdetaljerna, väntar några sekunder och pollar sedan Replicate efter prediction-status. Om det inte är klart väntar det längre och kontrollerar igen. Enkelt. Pålitligt.
Resultat paketeras för lyckat eller misslyckat. När körningen är klar bygger det en strukturerad utdata som du kan lagra i Google Sheets och återanvända senare. Om körningen misslyckas returnerar det en felutdata så att du kan felsöka utan att gissa.
Du kan enkelt justera genereringsparametrarna för att matcha din varumärkesstil efter behov. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementation
Steg 1: konfigurera den manuella triggern
Starta workflowet manuellt så att ni kan validera request-flödet och utdata.
- Lägg till noden Manual Execution Start som trigger.
- Lämna nodinställningarna på standardvärden eftersom den inte kräver parametrar.
- Bekräfta att körflödet börjar från Manual Execution Start till Assign API Credential.
Steg 2: anslut Replicate API-indata
Konfigurera API-token och parametrar för bildgenerering som ska skickas till Replicate.
- I Assign API Credential anger ni api_token till er Replicate-nyckel genom att ersätta
[CONFIGURE_YOUR_API_KEY]. - I Map Generation Inputs anger ni api_token till
={{ $('Assign API Credential').item.json.api_token }}. - Fyll i bildindata i Map Generation Inputs, till exempel mask =
https://via.placeholder.com/512x512/000000/FFFFFF.pngoch image =https://picsum.photos/512/512. - Anpassa genereringsparametrar som prompt =
An astronaut riding a rainbow unicorn, width =1024, height =1024och num_inference_steps =50.
[CONFIGURE_YOUR_API_KEY] oförändrat i Assign API Credential kommer API-anropet i Initiate Generation Request att misslyckas med ett auktoriseringsfel.Steg 3: konfigurera genereringsrequest och loggning
Konfigurera HTTP-requesten till Replicate och logga prediction-ID:t för spårning.
- I Initiate Generation Request ställer ni in URL till
https://api.replicate.com/v1/predictionsoch Method tillPOST. - Ställ in JSON Body till det angivna expressionsblocket, inklusive versionen och input-mappningar som
{{ $json.prompt }}och{{ $json.guidance_scale }}. - Ställ in headern Authorization till
=Bearer {{ $json.api_token }}och Prefer tillwait. - I Record Request Log behåller ni standardvärdet för jsCode för att logga
prediction_idoch tidsstämpel för övervakning.
Steg 4: konfigurera statuspollning och logik för slutförande
Fråga Replicate efter prediction-status och grena baserat på lyckat eller misslyckat resultat.
- I Pause 5 Seconds ställer ni in Unit till
secondsoch Amount till5. - I Query Prediction Status ställer ni in URL till
=https://api.replicate.com/v1/predictions/{{ $('Initiate Generation Request').item.json.id }}. - Ställ in headern Authorization i Query Prediction Status till
=Bearer {{ $('Assign API Credential').item.json.api_token }}. - I Completion Check ställer ni in villkoret så att det utvärderar
={{ $json.status }}lika medsucceeded. - I Failure Check ställer ni in villkoret så att det utvärderar
={{ $json.status }}lika medfailed. - I Pause 10 Seconds ställer ni in Unit till
secondsoch Amount till10, och routar sedan tillbaka till Query Prediction Status för nya försök.
Steg 5: konfigurera utdata-responser
Returnera en standardiserad payload för lyckat resultat eller fel för nedströms användning.
- I Build Success Output ställer ni in response till
={{ { success: true, result_url: $json.output, prediction_id: $json.id, status: $json.status, message: 'Other generated successfully' } }}. - I Build Error Output ställer ni in response till
={{ { success: false, error: $json.error || 'Other generation failed', prediction_id: $json.id, status: $json.status, message: 'Failed to generate other' } }}. - I Show Final Result ställer ni in final_result till
={{ $json.response }}för att enhetliggöra båda vägarna.
Steg 6: testa och aktivera ert workflow
Validera flödet för bildgenerering och aktivera det sedan för användning i produktion.
- Klicka på Execute Workflow för att köra Manual Execution Start och följ statusuppdateringarna i körloggarna.
- Bekräfta att Show Final Result ger ut ett
final_result-objekt medsuccess: trueoch enresult_urlnär predictionen lyckas. - Om requesten misslyckas, verifiera att Build Error Output ger
success: falseoch felmeddelandet. - När ni är nöjda, slå på workflowet till Active så att det kan köras vid behov.
Vanliga fallgropar
- Replicate-inloggningar kan löpa ut eller kräva specifika behörigheter. Om det slutar fungera, kontrollera din Replicate API-token i n8n-inloggningen eller noden “Set API Token” först.
- Om du använder Wait-noder eller extern rendering varierar processningstiderna. Öka väntetiden om efterföljande noder misslyckas på grund av tomma svar.
- Behörigheter i Google Sheets kan i det tysta blockera skrivningar om kalkylarket ägs av ett annat konto. Om dina “loggade” rader aldrig dyker upp, bekräfta att det anslutna Google-kontot kan redigera målarket.
Vanliga frågor
Cirka 30 minuter om du redan har din Replicate-token och ett Google Sheet redo.
Nej. Du kommer mest att klistra in inloggningar och justera några inmatningsfält. Logiken (vänta, polla, lyckat vs. fel) är redan byggd.
Ja. n8n har ett gratis alternativ för egen drift och en gratis provperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volym. Du behöver också räkna in kostnader för Replicate API, eftersom varje körning för avatargenerering förbrukar betalda credits.
Två alternativ: n8n Cloud (hanterat, enklast att komma igång) eller egen drift på en VPS. För egen drift är Hostinger VPS prisvärd och klarar n8n bra. Egen drift ger dig obegränsade exekveringar men kräver grundläggande serverhantering.
Ja, men du bör göra det med eftertanke. Du kan byta modell och parametrar genom att redigera fälten i noderna “Map Generation Inputs” och “Set Other Parameters”, och sedan peka HTTP-requesten mot rätt Replicate-modell/version. Vanliga anpassningar är att lägga till ett fast stilprefix i varje prompt, byta källa för inmatningsbild och spara extra utdata (som seed, modellversion eller CDN-URL) i nya kolumner i Google Sheets. Om du håller loggstrukturen konsekvent kommer du tacka dig själv senare.
Oftast är det en utgången eller felaktig API-token i steget “Set API Token/Assign API Credential”.
På n8n Cloud Starter baseras din gräns på månatliga exekveringar, så det beror på hur ofta du kör arbetsflödet och hur många omförsök som sker. Om du kör egen drift finns inget exekveringstak, men du begränsas fortfarande av Replicates rate limits och din servers förmåga att polla pålitligt. I praktiken kör de flesta små team dussintals eller några hundra avatarer i veckan utan att tänka på det. Om du planerar att generera i bulk, öka väntetiderna något så att du inte överbelastar statuskontrollerna.
För det här användningsfallet, ja, oftast. Du behöver väntan, polling och förgreningslogik (lyckat vs. misslyckat), och n8n hanterar det utan att göra det till en skör hög av extra steg. Egen drift innebär också att du inte betalar mer bara för att du gör många körningar. Zapier eller Make kan fortfarande fungera för ett enkelt “ett anrop, ett resultat”-flöde, men avatargenerering är inte alltid så friktionsfritt. Prata med en automationsexpert om du vill ha hjälp att välja.
Du sätter upp det en gång, och sedan lämnar varje avatarkörning ett spår du kan återanvända. Mindre omarbete. Bättre konsekvens. Ärligt talat är det så här det borde fungera som standard.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.