描述問題/錯誤/問題
大家好，
我正在 n8n 中為一個課程專案構建工作流程，但卡在音頻轉錄的最後一步。
目標是：
- 從 Telegram 接收語音訊息
- 使用 Telegram → Get a File（透過 file_id）下載音頻
- 將音頻轉換為文字（語音轉文字）
- 將轉錄內容發送給 AI Agent
問題
在 n8n 中推薦且可靠的方式是什麼：
取得 Telegram 語音訊息（.oga / opus）
將其發送給非 OpenAI 的語音轉文字 API（例如 Groq Whisper 或類似服務）
獲得穩定的轉錄輸出
特別關注：
處理 Telegram 二進制音頻文件的最佳實踐
HTTP Request 節點中 multipart/form-data 是否存在已知限制
如果直接二進制上傳不可靠，推薦的解決方案
任何可行的模式或示例工作流程將非常感謝 
錯誤訊息是什麼（如果有）?
我卡住的地方
在此階段：
- Telegram → Get a File 正常運作
- 我收到了二進制音頻文件（
.oga、audio/ogg）
- 當嘗試將此文件發送到 Whisper/STT API 時，工作流程中斷
我測試了多種方法：
- 帶有 Form-Data + 二進制文件的 HTTP Request 節點
- 使用 fetch + FormData 的 Code 節點
- n8n 中的不同二進制映射
但我總是得到以下錯誤：
file must be one of [flac mp3 mp4 mpeg mpga m4a ogg opus wav webm]file not received- multipart/form-data 問題
- 無效的請求 / 錯誤的請求
此時，我能成功下載文件，但無法可靠地將其發送到轉錄 API。
請分享您的工作流程
預期工作流程（來自教程）
我遵循的教程建議：
Telegram → Get a File
OpenAI → Whisper → Transcribe a Recording
將 Whisper 輸出連接到 AI Agent
在 AI Agent 中使用此表達式：
{{$json.message.text ?? $node["OpenAI"].json.text}}
因此 Agent 可以處理：
文字訊息
音頻轉錄
但我不使用 OpenAI！！
我想避免使用 OpenAI（出於成本考量），所以我嘗試使用替代的語音轉文字解決方案（例如 Groq Whisper API 或類似服務）。
分享最後一個節點返回的輸出
關於您的 n8n 設置的信息
- n8n 版本: 2.23.4
- 資料庫（預設值：SQLite）: 預設
- n8n EXECUTIONS_PROCESS 設置（預設值：own、main）: 預設
- 透過以下方式執行 n8n（Docker、npm、n8n cloud、desktop app）: web
- 作業系統: 雲端（非自託管）
嗨 @SilvyElba，歡迎！
這裡有兩個可以修復的問題。
首先，刪除帶有 fetch/FormData 的 Code 節點，它對二進制數據很容易出問題。改用 HTTP Request 節點：將 Body 設定為 Form-Data，添加一個名為 file 的參數，類型設為 n8n Binary File，並將 Input Data Field Name 設定為你的二進制屬性，通常是 data。添加一個 model 欄位，設定為 whisper-large-v3，並將其指向 Groq 的端點 https://api.groq.com/openai/v1/audio/transcriptions，使用 Bearer 令牌標頭。
其次，「file must be one of」錯誤是關於檔案名稱，而不是音頻。Whisper 從副檔名讀取格式，而 Telegram 發送的是 .oga，這不在列表中。將二進制檔案的檔案名稱改為以 .ogg 結尾，這個錯誤就會消除。
若要具體處理重新命名，請在「Telegram Get a File」步驟之後新增一個 Code 節點：
const binary = $input.first().binary;
binary.data.fileName = binary.data.fileName.replace('.oga', '.ogg');
return $input.first();
然後在「HTTP Request」節點中，將 Body 設定為「Form-Data」，新增一個 file 參數，型態設為「n8n Binary File」，Input Data Field Name = data，並新增 model 作為字串欄位，設定為 whisper-large-v3。這個組合與 Groq 的端點搭配使用時，效果相當穩定。
好消息：你的檔案沒問題 - .oga 就是 ogg/opus，已經在允許清單裡了。「檔案必須是其中之一 […ogg opus…]」的錯誤信息會造成誤導：Groq/OpenAI Whisper 是從多部分上傳中的檔名副檔名偵測格式，而 Telegram 的「取得檔案」給出的二進制檔案名稱沒有可用的副檔名。所以你傳送位元組是正確的，但 API 拒絕了，因為該部分的檔名不是 *.ogg。修正檔名就能運作 - 不需要轉換。
步驟 1 - 修正二進制檔名。就在 Telegram → 取得檔案之後，加上一個代碼節點（為每個項目執行一次）：
item.binary.data.fileName = 'audio.ogg';
item.binary.data.mimeType = 'audio/ogg';
return item;
```
（使用你的二進制屬性名稱 - 通常是 `data`）。
步驟 2 - 用 HTTP Request 節點傳送到 Groq（使用原生節點，不要用代碼節點 + fetch - 原生節點能正確構建多部分格式）：
- 方法：POST
- URL：https://api.groq.com/openai/v1/audio/transcriptions
- 驗證 → 通用 → 標題驗證：名稱 `Authorization`，值 `Bearer YOUR_GROQ_KEY`
- 傳送主體：開啟，主體內容類型：表單資料 (multipart/form-data)
- 參數：
- `file` → 參數類型：n8n 二進制檔案（舊版本稱為「表單二進制資料」）→ 輸入資料欄位名稱：`data`
- `model` → （表單欄位）→ whisper-large-v3（或 whisper-large-v3-turbo）
- 可選 `response_format` → json
就這樣。Groq 相容 OpenAI、速度快，還有寬鬆的免費額度 - 完美避免 OpenAI 的成本。
步驟 3 - AI Agent 表達式，只要替換節點名稱：
`{{ $json.message.text ?? $node["HTTP Request"].json.text }}`
（Groq 在 `.text` 中傳回轉錄，形狀與 OpenAI 相同。）
導致你確切錯誤的陷阱：
- 「未收到檔案」→ 表單資料參數必須是二進制檔案類型，不是文字欄位，且輸入欄位名稱必須符合二進制屬性（`data`）。
- 「檔案必須是其中之一 [...]」→ 缺少/空白的檔名副檔名 → 代碼節點重新命名可修正。
- 不要手動設定 `Content-Type: multipart/...` 標題 - 讓 n8n 自動設定邊界；手動設定會破壞請求。
在 n8n cloud 2.23.x 上穩定運作。````
為確認 @work6 所說的內容，那就是完整的工作流程。如果即使在重新命名後仍然收到「檔案未收到」的錯誤，有一點要補充：
Telegram 的 Get a File 節點有時會將 MIME 類型返回為 application/octet-stream，而不是 audio/ogg。Groq 的 API 可能會拒絕這個。在您的 Code 節點中強制設定這兩個欄位：
item.binary.data.fileName = 'audio.ogg';
@Work6 已經包含了這一點，只是確保不會被跳過，因為這很容易被忽略。
另外對於 AI Agent 運算式，如果您的 HTTP Request 節點有自訂名稱，請相應地更新它。
嘿 @SilvyElba — 那個 .oga + 手動 multipart/form-data 的舞蹈確實是走原始 HTTP Request 路線最痛苦的部分。上面的 .oga → .ogg 重新命名 + Form-Data 修正如果你想留在 Groq 上是很可靠的。
如果你願意試試一個託管的多供應商選項，能完全避開二進位管道的複雜性，這裡有另一個角度。
披露：我在 Eden AI 工作，所以把這當作眾多選項中的一個 — 但它解決了你確切的痛點，所以我覺得值得分享。
Eden AI 是一個聚合器（在 Deepgram、AssemblyAI、Gladia、Amazon、Google、Whisper… 前面用一個 API/金鑰），而且有一個社群節點：n8n-nodes-edenai。對你來說相關的部分：它的 Expert Models 節點直接接受二進位屬性並為你上傳檔案 — 沒有手動 Form-Data、沒有 .oga 重新命名、沒有「檔案未收到」。
快速步驟：
- Settings → Community Nodes → Install
n8n-nodes-edenai（並將你的 Eden AI API 金鑰新增為認證）。
Telegram Trigger → Telegram (Get File) 這樣你就有二進位格式的語音檔案。- Eden AI – Expert Models 節點：
- Feature：
audio
- Subfeature：
speech to text (async) — 這是一個非同步任務，節點會自動輪詢直到完成。
- Input Type：
File → File Source： Binary Property → 指向你的 Telegram 二進位欄位（例如 data）。那就是整個「二進位處理」部分。
- Provider： 選你喜歡的 — Deepgram 和 Gladia 速度快、成本效益高，AssemblyAI 在準確性 + 說話者分離上表現強勁。你可以從下拉選單切換供應商，不需要重新配置。
- （選擇性）在 Options 中設定幾個 Fallback Models，這樣如果你的主要供應商出錯就會用下一個重試 — 對於你遇到的那種 4xx 間歇性故障很有幫助。
轉錄結果會在節點輸出中回傳（不需要自己處理 multipart 回應）。
關於成本，既然那是你離開 OpenAI 的主要原因：Eden AI 收取供應商直通定價 — 在每個請求的價格上沒有加價。唯一的利潤是在你儲值時收取 ~5.5%。所以你不會在原始價格上打敗 Groq 直接購買，但你確實可以為每個任務選擇最便宜的供應商（Deepgram/Gladia 很有競爭力）並從一個節點自由切換。真正的好處在這裡是消除了二進位/form-data 的複雜性 + 多供應商的靈活性和回退。如果有用的話很樂意分享一個工作流 JSON 範例。