iT邦幫忙

1

【Day 19】語音零摩擦輸入:n8n 串接 Whisper API 實現 LINE 語音訊息自動轉文字與任務提煉

  • 分享至 

  • xImage
  •  

在昨天的 Day 18 中,我們成功將 LINE Official Account API 串接至自動化管線,讓使用者能直接在 LINE 聊天室透過傳送文字來發布任務。然而,在許多生活與工作場景中(例如手裡拿著咖啡、正在行走或開車時),要拿出手機打出一整串精確的時間與任務文字,依然存在著操作摩擦力。

今天我們要將輸入層進行「多模態(Multimodal)」升級:實現 LINE 語音訊息自動轉文字(Speech-to-Text)!透過 n8n 接收 LINE 傳來的語音檔案,並串接 OpenAI Whisper API 進行高精度的語音辨識,讓你能直接對著 LINE 說一句話,系統便自動完成語音轉譯、AI 語意提煉、Google Calendar 排程與 Notion 資料庫落地!


為什麼選擇 Whisper API 處理語音輸入?

  1. 極高的中文與混雜語言辨識率:Whisper 模型對於中英夾雜(如「明早九點要 meeting」、「跟 Boss 對報表」)、台灣口音以及日常口語化贅字具備優異的容錯與自動修飾能力。
  2. 多模態極致體驗:擺脫鍵盤束縛,實現「隨想隨說、說完即存」的零摩擦任務記法。
  3. 無縫銜接既有 LLM 管線:語音轉譯出的逐字稿,能直接無縫餵入後續的 Dify 結構化解析與 If 條件分流邏輯。

核心實作步驟說明

1. 解析 LINE 語音訊息 Payload 與取得檔案 ID

  • 當使用者在 LINE 傳送語音訊息(Voice Message)時,LINE 發送的 Webhook 事件型態會顯示為 message.type == "voice"。
  • 提取關鍵欄位:
  • 訊息 ID (Message ID):{{ $json.body.events[0].message.id }}
  • 即時回覆金鑰 (Reply Token):{{ $json.body.events[0].replyToken }}

2. 呼叫 LINE Content API 下載語音二進位檔案 (Binary)

  • 在 n8n 中新增一個 HTTP Request 節點,向 LINE 伺服器請求獲取該語音檔:
  • Method:GET
  • URL:[https://api-data.line.me/v2/bot/message/](https://api-data.line.me/v2/bot/message/){{ $json.body.events[0].message.id }}/content
  • Authentication:Header Auth(Authorization: Bearer <LINE Access Channel Token>)
  • Response Format:選擇 File / Binary Data,將音訊下載並儲存在 n8n 的記憶體中(檔名預設為 data)。

3. 串接 OpenAI Whisper API 進行語音轉文字 (STT)

  • 新增另一個 HTTP Request 節點,將二進位音訊發送至 Whisper API:

  • Method:POST

  • URL:[https://api.openai.com/v1/audio/transcriptions](https://api.openai.com/v1/audio/transcriptions)

  • Authentication:Header Auth(Authorization: Bearer <OpenAI API Key>)

  • Send Body:開啟 Form-Data (Multipart/Form-Data)

  • model:whisper-1

  • language:zh(指定中文提升精準度)

  • file:指定 n8n 的 Binary Property 名稱 data

  • 轉譯結果:Whisper 會回傳辨識後的文字內容 text(例如:「下週一早上十點跟主管對報表」)。

4. 接回 AI 待辦主管線與 LINE 回覆

  • 將 Whisper 輸出的 text,直接接回先前的 Dify 結構化解析 ➔ If 時間分流 ➔ Notion / Google Calendar 落地 流程。
  • 最終由 LINE Reply API 回覆告知使用者:
🎙️ *語音辨識結果*:「下週一早上十點跟主管對報表」

✅ *AI 待辦任務已自動建立!*
📋 任務:跟主管對報表
⏰ 時間:下週一早上 10:00

今天我們成功打通了「語音 ➔ 文字 ➔ 結構化任務 ➔ 多平台落地」的全自動化鏈路,讓待辦事項的輸入變得無比輕鬆。明天「Day 20」我們將繼續拓展多模態領域——「LINE 圖片辨識(OCR / Vision)與發票/清單自動擷取」,讓你能拍下手寫筆記或紙本發票,直接轉化為看板任務!


圖片
  熱門推薦
圖片
{{ item.channelVendor }} | {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言