Det känns grymt att publicera en YouTube-video. Sedan kommer uppföljningen: transkriptioner, utkast till undertexter, clip-anteckningar och en “var sparade jag det där?”-stress som upprepas vid varje uppladdning.
Det är här automatisering för YouTube Sheets captions verkligen lönar sig. Content marketers som försöker vara konsekventa märker det först, men soloskapare och byråteam som hanterar flera kanaler kör in i samma flaskhals.
Det här arbetsflödet gör varje ny YouTube-uppladdning till redigeringsklara utkast till undertexter och transkriptionsanteckningar, loggar allt i Google Sheets och mejlar dig sedan en strukturerad sammanfattning så att du kan schemalägga snabbare och missa mindre.
Så här fungerar automatiseringen
Se hur detta löser problemet:
n8n Workflow Template: YouTube till Google Sheets: captions klara
flowchart LR
subgraph sg0["Generate captions Flow"]
direction LR
n1@{ icon: "mdi:swap-vertical", form: "rounded", label: "Split Out", pos: "b", h: 48 }
n2["<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/>Retrieve Vizard Project"]
n4@{ icon: "mdi:swap-vertical", form: "rounded", label: "Loop Over Items", pos: "b", h: 48 }
n6["<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/webhook.dark.svg' width='40' height='40' /></div><br/>Webhook"]
n7@{ icon: "mdi:database", form: "rounded", label: "Append row in sheet", pos: "b", h: 48 }
n8@{ icon: "mdi:message-outline", form: "rounded", label: "Send a message", pos: "b", h: 48 }
n10@{ icon: "mdi:robot", form: "rounded", label: "Generate captions", pos: "b", h: 48 }
n11@{ icon: "mdi:cog", form: "rounded", label: "Wait for processing", pos: "b", h: 48 }
n6 --> n2
n1 --> n4
n4 --> n8
n4 --> n10
n10 --> n7
n7 --> n11
n11 --> n4
n2 --> n1
end
subgraph sg1["When clicking ‘Execute workflow’ Flow"]
direction LR
n0@{ icon: "mdi:play-circle", form: "rounded", label: "When clicking ‘Execute workf..", 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/>Send Longform to Vizard"]
n5@{ icon: "mdi:cog", form: "rounded", label: "Limit", pos: "b", h: 48 }
n9@{ icon: "mdi:cog", form: "rounded", label: "Read youtube RSS feed", pos: "b", h: 48 }
n5 --> n3
n9 --> n5
n0 --> n9
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 n10 ai
class n7 database
class n2,n6,n3 api
classDef customIcon fill:none,stroke:none
class n2,n6,n3 customIcon
Utmaningen: göra uppladdningar till inlägg (utan att bli tokig)
När du har publicerat på YouTube måste du fortfarande “översätta” den långa videon till sociala assets som folk faktiskt läser. Det betyder oftast att kopiera YouTube-URL:en till ett dokument, hämta eller skapa en transkription, skriva texter för olika plattformar och hålla koll på vad som redan har återanvänts. Det jobbiga är kontextbytena. En flik för YouTube Studio, ett verktyg för transkriptioner, ett annat för AI-texter och sedan ett kalkylark (eller ännu värre, en rörig anteckningsapp) för att spåra allt. Små misstag staplas också: titlar som inte matchar, fel länkar, dubblettrader eller att du postar samma hook två gånger på en vecka.
Det blir mycket snabbt. Så här faller det i praktiken i riktiga team.
- Texter blir skrivna sent, så schemaläggningen blir en sista minuten-rush i stället för en veckorutin.
- Transkriptioner hamnar på slumpmässiga ställen, vilket gör att du inte enkelt kan söka i tidigare ämnen eller återanvända de bästa formuleringarna.
- Att spåra “vad som redan är gjort” blir ett kalkylark som ingen litar på.
- Varje extra manuell överlämning ökar risken att du publicerar ett inlägg med fel URL eller fel videotitel.
Lösningen: YouTube → Vizard AI → GPT-texter → Sheets + mejl
Det här n8n-arbetsflödet bevakar nya YouTube-uppladdningar (via ditt YouTube RSS-flöde) och startar automatiskt återanvändningspipen. När en ny video dyker upp skickar det longform-videon till Vizard AI för att skapa ett projekt och returnera nyttig metadata som transkriptionstext, viral score och “varför” bakom poängen. Sedan tar GPT‑4.1 transkriptionen och kontexten och genererar ett textutkast du faktiskt kan publicera, och returnerar det i ett korrekt formaterat JSON-format (så att det håller sig strukturerat, inte rörigt). Till sist skrivs allt in i ett Google Sheet med en konsekvent kolumnlayout, och Gmail skickar en sammanfattning så att du kan se vad som är nytt utan att öppna fem verktyg.
Arbetsflödet startar med ditt YouTube RSS-flöde och använder en enkel begränsning så att du styr batchstorleken. Därifrån berikar Vizard AI varje uppladdning, GPT‑4.1 skapar texten och Google Sheets blir din “single source of truth”. Gmail avslutar med en notis du faktiskt läser.
Vad som ändras: före vs. efter
| Det här eliminerar du | Effekten du kommer att se |
|---|---|
|
|
Effekt i praktiken
Säg att du publicerar 3 YouTube-videor i veckan och vill ha ett utkast till text plus transkriptionsanteckningar per video. Manuellt tar det oftast 10 minuter att samla detaljer, cirka 20 minuter att få transkriptionen i ordning och ytterligare 20 minuter att skriva ett textutkast. Det blir runt 50 minuter per video, eller ungefär 2,5 timmar i veckan. Med det här arbetsflödet publicerar du som vanligt och lägger kanske 5 minuter på att skumma Gmail-sammanfattningen och justera utkastet i arket. Det är cirka 2 timmar tillbaka de flesta veckor, utan att du behöver “batcha” bort hela livet.
Krav
- n8n-instans (testa n8n Cloud gratis)
- Self-hosting-alternativ om du föredrar det (Hostinger fungerar bra)
- YouTube RSS-flödes-URL för att upptäcka nya uppladdningar
- Vizard AI för transkription + clip-metadata
- OpenAI (GPT‑4.1) för att generera textutkast
- Google Sheets för att logga inlägg, transkription och länkar
- Gmail för mejlnotisen med sammanfattningen
- VIZARDAI_API_KEY (hämta den från ditt Vizard AI-konto)
Kunskapsnivå: Nybörjare. Du kopplar konton, klistrar in en RSS-URL och säkerställer att dina Google Sheets-kolumner matchar mallen.
Behöver du hjälp att implementera detta? Prata med en automationsexpert (gratis 15-minuters konsultation).
Flödet i arbetsflödet
En ny video upptäcks. Du triggar det manuellt för att testa, sedan läser arbetsflödet ditt YouTube RSS-flöde för att hitta nya uppladdningar och hämtar videodetaljerna du återanvänder överallt.
Objekt begränsas och köas. En “restrict items”-begränsning håller batchen hanterbar, och sedan bearbetas varje video en i taget så att du inte överbelastar efterföljande verktyg eller blandar ihop utdata.
Vizard AI berikar uppladdningen. n8n skickar longform-YouTube-videon till Vizard, hämtar projektdetaljerna och samlar in metadata som transkriptionstext, viral score, en kort motivering samt en URL till clip-editorn.
GPT‑4.1 skriver textutkast. Med transkriptionen och kontexten genererar OpenAI-noden text för sociala medier (returnerad som JSON, inklusive ett “caption”-fält) så att det är enkelt att lagra, granska och senare formatera för olika plattformar.
Allt hamnar i Sheets, och sedan puffar Gmail dig. En ny rad läggs till med videoId, title, transcript, viralScore, generatedCaption och länkar. Gmail skickar en sammanfattning så att du kan granska och schemalägga. En kort wait-nod hjälper till att hantera fördröjningar om Vizard behöver tid för att slutföra sina svar.
Du kan enkelt justera prompten för texten så att den matchar din tonalitet, eller ändra mejlsammanfattningen så att den går till en annan kanal, beroende på dina behov. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: Konfigurera den manuella triggern
Konfigurera startpunkten så att ni kan köra arbetsflödet manuellt och hämta de senaste videorna.
- Lägg till och öppna Manual Launch Trigger som arbetsflödets trigger.
- Låt standardinställningarna vara kvar (inga parametrar krävs) för att möjliggöra manuella körningar.
- Koppla Manual Launch Trigger till Fetch YouTube RSS Feed.
Tips: Använd manuell körning när ni konfigurerar API-nycklar och inloggningsuppgifter för att snabbt validera varje steg.
Steg 2: Koppla ihop YouTube och Vizard-ingestion
Hämta de senaste videorna och skicka in dem till Vizard för bearbetning.
- Öppna Fetch YouTube RSS Feed och ställ in URL till
https://www.youtube.com/feeds/videos.xml?channel_id=[YOUR_ID]. - Öppna Restrict Items och ställ in Max Items till
2för att begränsa bearbetningsvolymen. - Öppna Submit Longform to Vizard och ställ in URL till
https://elb-api.vizard.ai/hvizard-server-front/open-api/v1/project/create. - I Submit Longform to Vizard, ställ in Method till POST och JSON Body till
={ "lang": "en", "preferLength": [ 0 ], "videoUrl": "{{ $json.link }}", "videoType": 2 }. - I Submit Longform to Vizard, lägg till headern VIZARDAI_API_KEY med er nyckel (ersätt
[CONFIGURE_YOUR_API_KEY]). - Koppla Fetch YouTube RSS Feed → Restrict Items → Submit Longform to Vizard.
⚠️ Vanlig fallgrop: Om Vizard API-nyckeln saknas eller är felaktig i Submit Longform to Vizard kommer skapandet av projektet att misslyckas med auktoriseringsfel.
Steg 3: Konfigurera webhooken och hämtning av klipp
Ta emot Vizard-callbacken, hämta projektdetaljerna och dela upp klippen i enskilda objekt.
- Öppna Incoming Webhook Trigger och bekräfta att Path är
d40c9293-818e-49c9-bcff-a864bd524427med HTTP Method inställd på POST. - Öppna Fetch Vizard Project och ställ in URL till
=https://elb-api.vizard.ai/hvizard-server-front/open-api/v1/project/query/{{$json.projectId}}. - I Fetch Vizard Project, lägg till headern VIZARDAI_API_KEY med er nyckel (ersätt
[CONFIGURE_YOUR_API_KEY]). - Öppna Separate Video Items och ställ in Field to Split Out till
videos. - Koppla Incoming Webhook Trigger → Fetch Vizard Project → Separate Video Items.
Tips: Använd test-webhook-URL:en från Incoming Webhook Trigger och trigga en Vizard-callback för att bekräfta att payloaden innehåller projectId och videos.
Steg 4: Sätt upp bildtextgenerering och iterering
Bearbeta varje klipp, generera bildtexter och förbered för nedströms åtgärder.
- Öppna Iterate Through Clips för att aktivera batchbearbetning av klippobjekt.
- Öppna Create Caption Text och ställ in Model till
gpt-4.1. - I Create Caption Text, säkerställ att det sista meddelandet använder transkript-uttrycket
={{ $json.transcript }}. - Koppla Separate Video Items → Iterate Through Clips.
- Iterate Through Clips skickar utdata parallellt till både Create Caption Text och Dispatch Email Notice.
Inloggningsuppgifter krävs: Anslut era OpenAI-inloggningsuppgifter i Create Caption Text. Den här noden genererar bildtexter och kräver åtkomst till OpenAI-modellen.
Steg 5: Konfigurera loggning i kalkylark, fördröjning och notifieringar
Skriv klippdata till Google Sheets, vänta för att undvika rate limits och notifiera när klippen är redo.
- Öppna Append Spreadsheet Row och ställ in Operation till Append.
- Ställ in Document till
[YOUR_ID]och Sheet tillSheet1(gid0). - Mappa kolumner med uttryck som title →
={{ $('Separate Video Items').item.json.title }}och generatedCaption →={{ $json.message.content.caption }}. - Öppna Delay for Processing och ställ in Amount till
2(sekunder). - Koppla Create Caption Text → Append Spreadsheet Row → Delay for Processing → Iterate Through Clips.
- Öppna Dispatch Email Notice och ställ in Send To till
[YOUR_EMAIL], Subject tillYour clips are readyoch Message till=Hello, Your clips are ready. Please review the spreadsheet in your account. Regards, Team.
Inloggningsuppgifter krävs: Anslut era Google Sheets-inloggningsuppgifter i Append Spreadsheet Row.
Inloggningsuppgifter krävs: Anslut era Gmail-inloggningsuppgifter i Dispatch Email Notice.
Steg 6: Testa och aktivera ert arbetsflöde
Validera varje steg och aktivera arbetsflödet för produktion.
- Klicka på Execute Workflow för att köra från Manual Launch Trigger och bekräfta att Fetch YouTube RSS Feed returnerar objekt.
- Verifiera att Submit Longform to Vizard returnerar ett projekt-id och trigga sedan Vizard-webhooken för att testa Incoming Webhook Trigger.
- Bekräfta att Append Spreadsheet Row skapar en ny rad med klippdetaljer och ett generatedCaption-värde.
- Kontrollera att Dispatch Email Notice skickar bekräftelsemejlet efter att batchen är klar.
- När allt fungerar, växla arbetsflödet till Active för löpande användning.
Se upp för
- Google Sheets-inloggningsuppgifter kan löpa ut eller kräva specifika behörigheter. Om något slutar fungera, kontrollera credential-statusen i n8n och bekräfta först att arket är delat med det anslutna Google-kontot.
- Om du använder Wait-noder eller extern bearbetning (som Vizard) varierar bearbetningstiderna. Öka väntetiden om efterföljande noder fallerar på tomma svar.
- Standardprompter i AI-noder är generiska. Lägg in din tonalitet tidigt, annars kommer du att sitta och redigera utdata för alltid.
Vanliga frågor
Cirka 30 minuter om dina konton och arket är redo.
Ja. Ingen kodning krävs. Du kommer främst att koppla credentials och matcha kolumnerna i Google Sheets.
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 med kostnader för OpenAI API och din Vizard AI-plan.
Två alternativ: n8n Cloud (hanterat, enklast att komma igång) eller self-hosting på en VPS. För self-hosting är Hostinger VPS prisvärd och hanterar n8n bra. Self-hosting ger dig obegränsade körningar men kräver grundläggande serverhantering.
Du kan justera prompten i OpenAI-noden “Create Caption Text” för att styra tonalitet, hook-stil, längd eller till och med få ut flera varianter. Om du inte vill ha Vizards viral score och motivering tar du bort de fälten före steget “Append Spreadsheet Row”. Många team anpassar också innehållet i Gmail-steget “Dispatch Email Notice” så att sammanfattningen bara innehåller videoUrl, clipEditorUrl och textutkastet.
Oftast beror det på att API-nyckeln eller namnet på HTTP-credential inte matchar vad arbetsflödet förväntar sig (det ska vara uppsatt som en Vizard API-credential med din VIZARDAI_API_KEY). Kontrollera också Vizard-endpoint-URL:en i HTTP Request-noderna och bekräfta att ditt konto fortfarande har quota. Om det bara fallerar ibland kan det vara rate limiting eller långsam bearbetning, så öka väntetiden innan du hämtar projektmetadata igen.
Den begränsas främst av dina planbegränsningar (n8n-körningar, Vizard-bearbetning och OpenAI-användning). På self-hostad n8n finns ingen körningsgräns, så kapaciteten beror på din server och hur snabbt Vizard returnerar resultat. I praktiken är limit-noden “Restrict Items” din reglage, och många team börjar med att bearbeta ett fåtal nya videor per körning.
Ofta, ja, eftersom det här flödet tjänar på batchning, loopar och att vänta in extern bearbetning utan att betala extra för varje gren. n8n är också enklare att self-hosta, vilket spelar roll när du börjar köra många content ops-automatiseringar. Zapier eller Make kan fortfarande funka för ett enkelt tvåstegsflöde “ny uppladdning → lägg till rad”, men så fort du lägger till Vizard + GPT + strukturerad loggning vill du ha flexibiliteten. Om du är osäker, kartlägg dina “måste”-steg först och välj sedan verktyget som inte tvingar fram kompromisser. Prata med en automationsexpert så kvalitetssäkrar vi upplägget med dig.
När det här väl rullar skapar varje uppladdning sitt eget återanvändnings-“startkit” i Sheets och landar i din inkorg. Du håller dig konsekvent, utan allt det manuella grovjobbet.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.