n8n 视频自动化：闭环！从拆解到生成

继前两期我们搞定了全能视频下载与逐帧提示词拆解后，终于迎来了最激动人心的终极环节——AI 生成！将之前提取的提示词转化为全新的图片、视频素材。

往期回顾

关注公众号undsky，发送 n8nmg 获取工作流

生图

获取提示词

添加 Get row(s) 节点，读取上文中拆解的提示词列表

生成图片

这里我们使用阿里的 qwen-image-plus 模型来生成生图。
添加 Loop 节点循环获取提示词，添加 HTTP Request 节点，导入 阿里文生图示例的 curl,将 content.text 替换为获取的提示词


    
    
    
  curl --location 'https://dashscope.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation' \
--header 'Content-Type: application/json' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--data '{
    "model": "qwen-image-plus",
    "input": {
        "messages": [
            {
                "role": "user",
                "content": [
                    {
                        "text": {{ JSON.stringify($json.prompt) }}
                    }
                ]
            }
        ]
    },
    "parameters": {
        "negative_prompt": "",
        "prompt_extend": true,
        "watermark": false,
        "size": "1328*1328"
    }
}'

图片处理

完整工作流

生视频

准备提示词和参考图

同样添加 Get row(s) 节点获取提示词列表，添加 Code in JavaScript 节点编写系统提示词，并添加添加参考图（参考图最多3张，超过的可以使用 loop 循环生成）


    
    
    
  // 收集所有 imgurl
const items = [];
const objs = [];
for (const item of $input.all()) {
  items.push(item.json.imgurl);
  objs.push("obj");
}


// 构建完整的请求体
const requestBody = {
  "model": "wanx2.1-vace-plus",
  "input": {
    "function": "image_reference",
    "prompt": "一位气质温柔的女性插花艺术家，在柔和的自然光下，将一束精致的鲜花缓缓放入陶土花瓶中。花束由浅粉色玫瑰、深红色玫瑰、蜜桃色玫瑰与白色小雏菊组成，色彩层次丰富而和谐。花瓶放置在一张略显斑驳的复古木圆桌上，桌面前方摊开一本古老的植物图鉴，书页上绘有细腻的玫瑰插画。背景是温暖的米色灰泥墙，整体画面安静、诗意、充满生活美学。镜头缓慢推进，轻微景深变化，聚焦花朵细节，花瓣在空气中微微颤动。人物动作自然优雅，双手轻轻调整花枝角度。整体风格偏向法式复古、静物摄影美学，电影级光影，柔焦，高级质感，4K，超真实，慢节奏，治愈氛围。",
    "ref_images_url": items  // 直接使用数组
  },
  "parameters": {
    "prompt_extend": true,
    "obj_or_bg": objs,
    "size": "720*1280"
  }
};

return {
  json: {
    requestBody: requestBody
  }
};

生成视频

这里使用阿里的 wanx2.1-vace-plus 模型生成视频，视频生成需要较长时间，所以添加 Wait 节点并调用 https://dashscope.aliyuncs.com/api/v1/tasks/ 接口，直至返回 SUCCEEDED

视频处理

添加 Read/Write Files from Disk 节点将视频下载到本地，如果多个视频，使用 ffmpeg 合并

完整工作流

总结

本文详细拆解了利用 n8n 实现 AI 内容创作自动化闭环的最后步骤。通过整合 HTTP 请求、JavaScript 代码处理及文件读写节点，我们成功构建了两条核心流水线：

自动化生图：读取拆解的提示词，调用阿里 Qwen 模型批量生成高质量图片并自动归档。
自动化生视频：基于生成的图片和提示词，驱动 Wanx 模型生成具有电影质感的 4K 视频片段。

至此，[下载 -> 拆解/分析 -> 提示词重组 -> AI 重绘 -> 视频生成] 的完整链路已全部打通。为制作 AI 视频提供了一套可行的低代码解决方案。