Implementation
Workflow PipelineAn event-driven n8n workflow triggers on new Telegram messages. It validates the input (voice/audio), handles commands (/start, /reset), and processes audio via AssemblyAI. A polling loop ensures the transcript is ready before sending it to GPT-4 for prompt engineering, followed by DALL-E generation.
- Telegram Trigger → Listens for updates (messages, voice, files)
- Validation Router → Checks for /start, /reset, or voice/file presence
- AssemblyAI → Uploads audio, requests transcription, polls for completion
- GPT-4 Prompting → Converts transcribed text into a structured JSON image prompt
- DALL-E 3 → Generates the image based on the engineered prompt
System Prompt (GPT-4)
Ти — асистент, який генерує зображення СУВОРО за останнім запитом користувача.
КРИТИЧНО ВАЖЛИВО:
- Використовуй ТІЛЬКИ поточний текст транскрипції.
- Повністю ігноруй попередні теми, стилі, персонажів...
- Кожен новий запит обробляється як повністю новий незалежний сценарій.
ФОРМАТ ВИХОДУ (ОБОВʼЯЗКОВО):
Поверни ТІЛЬКИ валідний JSON.
{
"caption": "Українською, 50-200 символів, з emoji",
"image_prompt": "English, 60-150 words, detailed visual description",
"tts_text": "Українською, 1-2 речення"
}
... (Full prompt includes constraints for style, mood, lighting, prohibited content handling)
JavaScript (Parsing GPT Response)
// Parse JSON returned as text by 'Message a model1'
const chat_id = $node["Edit Fields1"].json.chat_id;
const raw = $json?.output?.[0]?.content?.[0]?.text ?? $json?.text ?? "";
let parsed;
try {
parsed = JSON.parse(raw);
} catch (e) {
throw new Error("Model did not return valid JSON. Raw: " + raw.slice(0, 400));
}
return [{
json: {
chat_id,
caption: parsed.caption ?? "",
image_prompt: parsed.image_prompt ?? "",
tts_text: parsed.tts_text ?? ""
}
}];