YouTube-Videozusammenfassungen aus Transkripten erstellen - n8n-Workflow

Benutzer, die nach fortgeschrittenen LangChain-Integrationstechniken mithilfe von n8n-Vorlagen suchen.
Inhaltsanalysten, die schnelle, automatisierte Zusammenfassungen langer YouTube-Videos benötigen.
Entwickler, die KI-gestützte n8n-Workflow-Lösungen zur Inhaltsanalyse erstellen.
Jeder, der ein Beispiel dafür benötigt, wie externe APIs (SearchAPI) mit LLMs in einer einzigen n8n-Knotenautomatisierung kombiniert werden können.

Dieser umfassende n8n-Workflow bietet eine robuste Lösung für die Inhaltsanalyse, indem er lange YouTube-Videos automatisch zusammenfasst. Er nutzt den spezialisierten SearchAPI n8n-Knoten, um zeitgestempelte Transkripte präzise abzurufen. Aufgrund der inhärenten Längenbeschränkungen von Large Language Models (LLMs) verarbeitet der n8n-Workflow die Rohdaten des Transkripts intelligent. Er aggregiert die Segmente und setzt dann einen LangChain Summarization Chain n8n-Knoten ein, gekoppelt mit einem Recursive Character Text Splitter n8n-Knoten, um die Zusammenfassung mehrerer Teile effizient zu bewältigen. Dieser n8n-Workflow ist ein Paradebeispiel dafür, wie spezialisierte n8n-Vorlagen genutzt werden können, um komplexe, zuverlässige KI-Operationen zu erstellen. Die Verwendung dieses spezifischen n8n-Workflows spart im Vergleich zur manuellen Zusammenfassung erhebliche Zeit.

1. Trigger: Der n8n-Workflow wird manuell über den n8n-Trigger When clicking ‘Test workflow’ gestartet, ideal zum Testen dieser leistungsstarken n8n-Vorlage.


2. Transkript abrufen: Der n8n-Knoten SearchAPI wird ausgeführt und fragt die Engine youtubetranscripts nach der definierten videoid (z.B. 2XTdEG0Sus0) ab. Dieser n8n-Knoten benötigt gültige SearchAPI-Anmeldeinformationen.


3. Daten vorbereiten: Der n8n-Knoten Split Out zerlegt die Array-Struktur des Transkripts in einzelne Elemente und bereitet die Daten für den nächsten n8n-Knoten vor.


4. Text zusammenführen: Der n8n-Knoten Summarize fasst alle einzelnen Transkriptsegmente wieder zu einem einzigen, zusammenhängenden Textblock zusammen, bereit für die LLM-Verarbeitung durch den nächsten n8n-Knoten.


5. LLM definieren: Der n8n-Knoten OpenRouter Chat Model konfiguriert die spezifische LLM-Verbindung und das Modell, das zur Zusammenfassung verwendet wird (Qwen 0.6B-Modell in diesem n8n-Workflow).


6. Teiler festlegen: Der n8n-Knoten Recursive Character Text Splitter wird so konfiguriert, dass das große zusammengeführte Transkript vor der Zusammenfassung in handhabbare Blöcke (6000 Zeichen) aufgeteilt wird, um sicherzustellen, dass der LangChain n8n-Knoten die Daten effizient verarbeitet.


7. Zusammenfassung erstellen: Abschließend verarbeitet der n8n-Knoten Summarization Chain den gesamten Text mithilfe des bereitgestellten LLM und Text-Splitters und liefert eine prägnante Zusammenfassung des Videoinhalts. Dieser leistungsstarke n8n-Workflow schließt den Vorgang automatisch ab.

1. n8n-Workflow importieren: Kopieren Sie den bereitgestellten JSON-Code und fügen Sie ihn direkt in Ihre n8n-Instanz ein, indem Sie die Option „Neu“ -> „Aus JSON importieren“ verwenden.


2. SearchAPI-Anmeldeinformationen: Sie müssen Anmeldeinformationen für den SearchAPI n8n-Knoten einrichten. Sie benötigen ein SearchAPI-Konto und einen API-Schlüssel, um den Abrufdienst für Transkripte zu aktivieren.


3. OpenRouter-/LLM-Anmeldeinformationen: Richten Sie Anmeldeinformationen für den n8n-Knoten OpenRouter Chat Model ein. Hierfür ist ein OpenRouter API-Schlüssel erforderlich.


4. Konfiguration: Aktualisieren Sie die Parameter des SearchAPI n8n-Knotens, insbesondere die video_id, um das YouTube-Video anzusteuern, das Sie zusammenfassen möchten. Dies stellt sicher, dass der n8n-Workflow den richtigen Inhalt ins Visier nimmt.


5. Ausführung: Nachdem Sie die Anmeldeinformationen gesichert und die Video-ID konfiguriert haben, führen Sie den n8n-Workflow manuell über die Schaltfläche „Workflow testen“ im n8n-Trigger-Knoten When clicking ‘Test workflow’ aus. Diese n8n-Vorlage ist für die sofortige Verwendung konzipiert.

When clicking ‘Test workflow’ (n8n-Trigger): Ein manueller n8n-Trigger, der für den sofortigen Test und die Bereitstellung dieses spezifischen n8n-Workflows verwendet wird.
SearchAPI (Benutzerdefinierter n8n-Knoten): Funktion: Ruft die Rohdaten des Transkripts für eine angegebene YouTube-Video-ID ab. Wichtige Konfiguration: Engine auf youtubetranscripts gesetzt, Ziel-videoid ist 2XTdEG0Sus0.
Split Out (n8n-Knoten): Funktion: Normalisiert die Eingabestruktur, indem das transcripts-Array in einzelne Elemente aufgeteilt wird, um die Daten für die Aggregation innerhalb des n8n-Workflows vorzubereiten.
Summarize (n8n-Knoten): Funktion: Führt die einzelnen text-Felder aus den Transkript-Elementen zu einer einzigen, großen Textzeichenfolge zusammen und liefert so eine entscheidende Eingabe für den nachgeschalteten LLM n8n-Knoten.
OpenRouter Chat Model (LangChain n8n-Knoten): Funktion: Definiert die spezifische LLM-Verbindung und das Modell, das für die Zusammenfassung verwendet wird. Wichtige Konfiguration: Nutzt das Modell qwen/qwen3-0.6b-04-28:free über OpenRouter API-Anmeldeinformationen.
Recursive Character Text Splitter (LangChain n8n-Knoten): Funktion: Stellt sicher, dass das lange Transkript vor der Einspeisung in den Zusammenfassungs-n8n-Knoten ordnungsgemäß segmentiert wird (in Blöcken von 6000 Zeichen), wodurch Fehler aufgrund von LLM-Token-Limits vermieden werden.

• Summarization Chain (LangChain n8n-Knoten): Funktion: Orchestriert den mehrstufigen Zusammenfassungsprozess, indem das verbundene LLM-Modell und der Text-Splitter genutzt werden, um die endgültige Zusammenfassung aus den zusammengeführten Transkriptdaten zu erstellen und so diesen wichtigen Schritt des n8n-Workflows abzuschließen.