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

Replicate till Google Sheets, Sora 2-videor spåras

Rickard Andersson Partner, Nodenordic.se

Du genererar några Sora 2-videor, länkarna hamnar på slumpmässiga ställen och två dagar senare kan du inte hitta prompten som skapade ”den bra.” Sedan ber någon om ”den versionen men 8 sekunder”, och du är tillbaka och gräver bland flikar.

Det här är den typen av röra som drabbar marknadsförare först. Men byråägare som hanterar annonsvarianter och contentteam som behöver jobba snabbt känner av det också. Med Sora Sheets tracking loggas varje render-begäran, prompt, längd och resultatlänk automatiskt så att du alltid vet vad som kördes, vad som blev klart och vad som misslyckades.

Det här arbetsflödet använder Replicates API för att köra OpenAI:s SORA-2, kontrollerar status tills det är klart och skriver strukturerade rader till Google Sheets. Du får se vad det gör, varför det är värdefullt och hur du anpassar det för din egen kreativa pipeline.

Så fungerar den här automatiseringen

Hela n8n-arbetsflödet, från trigger till slutligt resultat:

n8n Workflow Template: Replicate till Google Sheets, Sora 2-videor spåras

Problemet: Sora 2-renderingar blir snabbt röriga

Text-till-video går snabbt att generera och är förvånansvärt lätt att tappa bort i processen. Du kör en prompt, väntar några minuter, tar en länk och gör sedan om det med en liten justering. Efter ett dussin variationer har du utspridda Replicate-sidor, halvt kopierade prompts och inget konsekvent sätt att veta vilket resultat som hör till vilket input. Värst är ”nästan klar”-tidslukaren: kontrollera status, uppdatera, kopiera URL:er och försöka att inte blanda ihop 4-sekunders- och 12-sekundersversioner. Missar du en detalj levererar du fel variant till en kund eller kollega.

Det blir mycket, snabbt. Här är var det faller isär.

  • Du kör om prompts eftersom originalinput inte sparades någonstans som är pålitligt.
  • Statuskontroller blir en störande loop av uppdateringar och ”är den klar än?”-meddelanden.
  • En rad i kalkylarket per rendering låter enkelt, men när du underhåller den manuellt smyger sig fel in.
  • När något misslyckas finns ingen strukturerad logg över vad som hände eller vad du ska försöka igen.

Lösningen: Replicate + Google Sheets-loggning för Sora 2

Det här arbetsflödet ger dig ett enkelt, pålitligt system: begär en Sora 2-videorendering via Replicate, följ sedan automatiskt upp den tills den är klar (eller misslyckas) och spara detaljerna i Google Sheets. Du börjar med att ange grunderna i n8n: dina API-uppgifter, en seed-bild, en prompt som beskriver scenen och en längd (4, 8 eller 12 sekunder). Arbetsflödet skickar render-begäran till Replicate, sparar en begäranslogg och kontrollerar sedan predictions-status i en loop med tidsstyrda väntelägen. När renderingen är klar förbereder det en ”success”-payload med slutlänken och skriver resultatet i ett konsekvent format du kan lita på. Om det misslyckas får du fortfarande en strukturerad fel-payload så att du kan felsöka och försöka igen utan gissningar.

Arbetsflödet startar med en manuell trigger, vilket är perfekt för kontrollerad testning eller enstaka batcher. När render-begäran har skapats övervakar n8n status automatiskt (en snabb kontroll efter 5 sekunder, sedan längre väntetider som 90 sekunder vid behov). Till sist levererar det korrekta, kopieringsklara resultat och loggar dem till Google Sheets så att din ”source of truth” alltid är uppdaterad.

Det du får: automatisering vs. resultat

Exempel: så här ser det ut

Säg att du genererar 10 annonsvarianter för en produktbild. Manuellt kanske du lägger cirka 5 minuter per variant på att kopiera prompts, kontrollera Replicate-status och klistra in slutlänken i ett ark, alltså ungefär 50 minuter. Med det här arbetsflödet skickar du in batchen, låter statuskontrollerna gå automatiskt och resultaten hamnar i Google Sheets i takt med att de blir klara. Varje video tar fortfarande cirka 2–5 minuter att rendera, men din egen hands-on-tid sjunker till runt 10 minuter för hela batchen.

Det här behöver du

  • n8n-instans (prova n8n Cloud gratis)
  • Alternativ för egen hosting om du föredrar det (Hostinger fungerar bra)
  • Replicate API för att köra Sora 2-renderingar
  • Google Sheets för att lagra prompts, statusar och länkar
  • OpenAI API-nyckel (hämta den i din OpenAI-kontodashboard)

Svårighetsnivå: Medel. Du klistrar in API-nycklar, justerar några fält och verifierar din Google Sheets-anslutning.

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

Så fungerar det

Du startar med en manuell körning. I n8n startar du arbetsflödet när du är redo att generera en video (eller en batch). Det gör allt förutsägbart medan du finjusterar prompts och varumärkesstil.

Inloggningar och input sätts en gång. Arbetsflödet tilldelar dina API-uppgifter och sätter sedan seed-bildens URL, prompttexten och längden (4, 8 eller 12 sekunder). Den samlade inputen är det som gör loggarna så strukturerade senare.

Replicate kör Sora 2-renderingen och n8n bevakar den. n8n skickar en HTTP-begäran för att skapa prediction, sparar en begäranslogg och kontrollerar sedan status efter en kort paus. Om den fortfarande bearbetar väntar den längre (t.ex. 90 sekunder) och kontrollerar igen tills den är klar eller misslyckas.

Google Sheets får en ”klar”-post. När renderingen är färdig förbereder arbetsflödet en success-payload med den slutliga output-länken (och relaterad metadata). Om något går fel skickar det i stället en error-payload, så att ditt ark fortfarande visar vad som hände.

Du kan enkelt ändra vilka fält du loggar (som kampanjnamn eller kund) så att det matchar hur teamet granskar kreativa. Se den fullständiga implementationsguiden nedan för anpassningsalternativ.

Steg-för-steg-guide för implementering

Steg 1: konfigurera den manuella triggern

Det här arbetsflödet startar manuellt så att ni kan köra och validera videogenereringsprocessen vid behov.

  1. Lägg till triggern Manual Execution Start för att initiera arbetsflödet manuellt.
  2. Koppla Manual Execution Start till Assign API Credentials för att börja med token-tilldelning.

Post-it-notisen Flowpast Branding är endast informativ och påverkar inte körningen.

Steg 2: koppla Replicate- och OpenAI-API-detaljer

Ställ in API-token som används av HTTP-förfrågningarna för att skapa och kontrollera videorenderingsjobbet.

  1. I Assign API Credentials, ställ in replicate_api_token till [CONFIGURE_YOUR_API_KEY] och ersätt det med er Replicate-token.
  2. I Assign API Credentials, ställ in OPENAI_API_TOKE till [CONFIGURE_YOUR_API_KEY] och ersätt det med er OpenAI-token.
  3. Bekräfta att Assign API Credentials matar ut till Set Seed Image and Prompt som visas i exekveringsflödet.

⚠️ Vanlig fallgrop: Om ni lämnar placeholder-API-nycklarna kommer förfrågan i Initiate Video Render att misslyckas.

Steg 3: konfigurera prompt, seed-bild och renderingsförfrågan

Definiera seed-bilden, prompten och längden och skicka sedan renderingsförfrågan till Replicate.

  1. I Set Seed Image and Prompt, ställ in Seed_image till https://replicate.delivery/pbxt/NllgibhEDDtjRmPSLSDvXnkiobQCJDeoI4PwWdJ0bdXIeZbP/AG1_1.png.
  2. Ställ in Prompt till hela prompttexten som anges i nodens konfiguration.
  3. Ställ in seconds (4,8 or 12) till 4 (endast 4, 8 eller 12 accepteras).
  4. I Initiate Video Render, ställ in URL till https://api.replicate.com/v1/models/openai/sora-2/predictions och Method till POST.
  5. Ställ in JSON Body till { "input": { "prompt": "{{ $json.Prompt }}", "seconds":{{ $json['seconds (4,8 or 12)'] }} , "aspect_ratio": "landscape", "openai_api_key": "{{ $('Assign API Credentials').item.json.OPENAI_API_TOKE }}" } }.
  6. I headers för Initiate Video Render, ställ in Authorization till =Bearer {{ $('Assign API Credentials').item.json.replicate_api_token }} och Prefer till wait.

Värdena i Assign API Credentials refereras via uttryck i Initiate Video Render, så behåll fältnamnen exakt som de är konfigurerade.

Steg 4: övervaka renderingsstatus och loopa tills klart

Efter att renderingen skickats in väntar arbetsflödet och pollar prediction-endpointen tills det lyckas eller misslyckas.

  1. Granska Record Request Log för att logga prediction-ID och tidsstämpel för övervakning.
  2. Ställ in Pause 5 Seconds med unit seconds och amount 5 innan status kontrolleras.
  3. I Verify Prediction Status, ställ in URL till =https://api.replicate.com/v1/predictions/{{ $('Initiate Video Render').item.json.id }} och inkludera headern Authorization =Bearer {{ $('Assign API Credentials').item.json.replicate_api_token }}.
  4. I Completion Check, bekräfta att villkoret kontrollerar att leftValue ={{ $json.status }} är lika med succeeded.
  5. I Failure Check, bekräfta att villkoret kontrollerar att leftValue ={{ $json.status }} är lika med failed.
  6. Ställ in Pause 90 Seconds med unit seconds och amount 90 för att fördröja mellan omförsök innan statuskontrollerna fortsätter.

⚠️ Vanlig fallgrop: Om polling-loopen aldrig når succeeded eller failed, verifiera Replicate-modellens endpoint och prompt-indata.

Steg 5: konfigurera output-payloads

Vid lyckat eller misslyckat resultat sammanställs och returneras en slutlig payload.

  1. I Prepare Success Payload, ställ in response till ={{ { success: true, result_url: $json.output, prediction_id: $json.id, status: $json.status, message: 'Other generated successfully' } }}.
  2. I Prepare Error Payload, ställ in response till ={{ { success: false, error: $json.error || 'Other generation failed', prediction_id: $json.id, status: $json.status, message: 'Failed to generate other' } }}.
  3. I Show Final Output, ställ in final_result till ={{ $json.response }} så att den sista noden matar ut den normaliserade payloaden.

Arbetsflödet använder flera set-noder för konfiguration och formatering av output – håll fältnamnen konsekventa för att undvika att uttryck längre fram går sönder.

Steg 6: testa och aktivera ert arbetsflöde

Kör ett manuellt test för att bekräfta renderingsloopen, responshanteringen och slutresultatet.

  1. Klicka på Execute Workflow för att köra Manual Execution Start.
  2. Bekräfta att Initiate Video Render returnerar ett prediction-ID och att Verify Prediction Status till slut returnerar succeeded eller failed.
  3. Validera att Show Final Output innehåller final_result med antingen en result_url vid lyckat resultat eller ett felobjekt vid misslyckande.
  4. När allt är verifierat, aktivera arbetsflödet för användning i produktion.
🔒

Lås upp fullständig steg-för-steg-guide

Få den kompletta implementeringsguiden + nedladdningsbar mall

Vanliga fallgropar

  • Replicate-API-uppgifter kan löpa ut eller ha fel scope. Om det slutar fungera, kontrollera noden ”Assign API Credentials” först och bekräfta sedan att din token är giltig i Replicate-kontoinställningarna.
  • Om du använder Wait-noder eller extern rendering varierar bearbetningstiderna. Öka väntetiden om efterföljande noder fallerar på tomma svar.
  • Behörigheter i Google Sheets ställer ofta till det. Säkerställ att det anslutna Google-kontot kan redigera målarket och bekräfta att fliknamnet i Sheet matchar vad noden förväntar sig.

Vanliga frågor

Hur lång tid tar det att sätta upp den här Sora Sheets tracking-automatiseringen?

Cirka 30 minuter om dina API-nycklar och ditt Google Sheet är redo.

Behöver jag kunna koda för att automatisera Sora Sheets tracking?

Nej. Du klistrar in inloggningsuppgifter och justerar några fält i n8n.

Är n8n gratis att använda för det här Sora Sheets tracking-arbetsflödet?

Ja. n8n har ett gratis self-hosted-alternativ och en gratis provperiod på n8n Cloud. Cloud-planer börjar på $20/månad för högre volym. Du behöver också räkna med kostnader för API-användning i Replicate och OpenAI, som beror på hur många videor du genererar.

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

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

Kan jag anpassa det här Sora Sheets tracking-arbetsflödet för att lägga till kampanjnamn och granskare?

Ja, och det är ärligt talat en av de bästa justeringarna du kan göra. Lägg till extra fält i noden ”Set Seed Image and Prompt” (som kampanj, plattform eller granskare) och inkludera sedan de kolumnerna när du skriver till Google Sheets. Många team lägger också till en kolumn för ”statusanteckningar” som fylls i av noden ”Prepare Error Payload” så att fel inte försvinner. Om du kör batcher, inkludera ett batch-ID så att flera varianter hålls ihop.

Varför misslyckas min Replicate-anslutning i det här arbetsflödet?

Oftast beror det på en utgången eller felaktig token i noden ”Assign API Credentials”. Det kan också vara en modell-/auth-mismatch om dina OpenAI-uppgifter inte är giltiga för SORA-2-åtkomst, eller enkel rate limiting när du skickar stora batcher. Kontrollera svarskroppen i HTTP Request-noden i n8n:s körningshistorik; den brukar tala om vad Replicate inte gillade.

Hur många videor kan den här Sora Sheets tracking-automatiseringen hantera?

Den kan hantera mycket, men dina gränser kommer från din n8n-plan och API:erna. På n8n Cloud Starter begränsas du av månatliga körningar, medan egen hosting inte har någon körningsgräns (din server är begränsningen). I praktiken kör team små batcher (t.ex. 10–50 renderingar), låter vänta-och-kontrollera-loopen göra jobbet och skalar upp när de är säkra på att deras API-kvoter räcker.

Är den här Sora Sheets tracking-automatiseringen bättre än att använda Zapier eller Make?

För just det här arbetsflödet har n8n några fördelar: mer avancerad logik med obegränsad branching utan extra kostnad, möjlighet till egen hosting för obegränsade körningar och inbyggt stöd för retry-loopar (Wait + statuskontroller) som du snabbt saknar i enklare byggare. Du får också mer kontroll över vad som loggas och hur fel hanteras, vilket spelar roll när du genererar många varianter. Zapier eller Make kan fungera för ett lättviktigt ”skicka mig en notis”-flöde, men de är inte lika bekväma för långkörande renderingar med upprepade kontroller. Om du är osäker, prata med en automationsexpert så mappar vi det mot din volym och granskningsprocess.

När dina Sora 2-körningar loggas automatiskt slutar teamet jaga länkar och börjar fatta beslut. Sätt upp det en gång och låt sedan arket berätta historien.

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