雲端方程式 Cloud F1 F1

n8n 核心

n8n 超級翻譯機｜批次翻譯 100 個段落一次搞定

· 約 15 分鐘閱讀 · Alex Hsieh

更新於 2026年2月11日

n8n 超級翻譯機

📥 工作流 JSON 下載：GitHub 範例庫 ｜ 💬 社群討論：Skool 雲端方程式 Cloud F1

專業導讀

你有沒有遇過這種情況？老闆丟了一份 200 行的英文文件過來說「幫我翻成中文」，然後你就開始了痛苦的複製貼上之旅 —— 打開 Google 翻譯，貼一段、翻一段、再貼回去，搞了一整個下午還沒翻完。

我以前也是這樣。後來我用 n8n 做了一台「超級翻譯機」，從 Google Sheets 讀取原文，你可以自由選擇用 ChatGPT 或 Google 翻譯 API 來翻譯，翻完直接寫回試算表。100 個段落，ChatGPT 大概 1 分 49 秒，Google 翻譯 API 只要 42 秒就搞定了。

這篇文章會完整教你怎麼用 n8n 打造這台超級翻譯機，包含雙引擎切換、批次處理邏輯、Prompt 設計和結果回寫。這是我在 YouTube EP07 影片中完整示範的內容，如果你有大量文件、文章、內容要翻譯，這個工具可以大幅提升你的工作效率。

你將學到

  • 用 Google Sheets 管理翻譯原文和結果
  • 雙翻譯引擎（ChatGPT + Google Translation API）的切換機制
  • Loop Over Items 批次處理 10 筆一組的設計邏輯
  • ChatGPT 翻譯的 System Role + Prompt 設計
  • Google Translation API 的 GCP Service Account 授權設定
  • 翻譯結果 Merge + 自動回寫試算表

什麼是 n8n 超級翻譯機？

n8n 超級翻譯機是一個用 n8n 自動化平台打造的批次翻譯工作流，支援 ChatGPT（GPT-4o-mini）和 Google Translation API 兩種翻譯引擎，使用者可以透過一個 True/False 開關自由切換，從 Google Sheets 讀取待翻譯的原文後，以每批 10 筆的方式進行批次處理，翻譯完成後自動將結果 Merge 合併並回寫到試算表。 實測 100 個段落，ChatGPT 約 1 分 49 秒，Google 翻譯 API 約 42 秒。

我在影片裡面先示範了一個 Demo 版本 —— 試算表裡面放了幾組測試資料，包含中文轉英文、英文轉中文、中文轉日文和中文轉韓文。點一下 Test Workflow，系統就會自己去抓試算表裡面的內容，然後完成翻譯。中英日韓都可以，更多語言也都行。

傳統的翻譯工作流程是：打開翻譯工具 → 複製原文 → 貼上 → 等結果 → 複製結果 → 貼回文件。每一條都要重複。如果是 100 條，光是複製貼上的時間就要花掉一兩個小時。這台超級翻譯機就是為了解決這個問題：你只需要把原文放進 Google Sheets，按下執行，然後去泡杯咖啡，回來翻譯就都好了。

💡 Alex 的觀察

來聊聊我對 AI 翻譯的一些觀察。

我在影片裡面實測比較了 ChatGPT 和 Google Translation API 這兩種翻譯方式，發現一個很有趣的現象：「大語言模型，ChatGPT 或者其他的模型翻譯出來的，會比較通順一些些，但是這個也不太一定。」沒錯，ChatGPT 在語境理解上確實更好，翻出來的文字比較自然、比較像人寫的。但 Google 翻譯 API 的優勢在速度 —— 同樣 100 個段落，Google 只花了 42 秒，ChatGPT 則是 1 分 49 秒，接近快兩倍的差異。

所以我的建議是：大家可以根據精確度、語境的需求，或 API 的速度來選擇合適的方案。 ChatGPT 適合更自然的語境翻譯、長篇文本跟口語化的內容；Google 翻譯比較適合標準化的語言，像技術文件或簡單的句子。

老實說，如果你只有 5-10 條要翻譯，手動用 ChatGPT 聊天介面就夠了。但如果超過 20 條，尤其是定期有翻譯需求的工作（像產品文件更新、多語系客服回覆模板），自動化的投資報酬率就非常明顯。

我特別喜歡這個工作流的設計是那個「翻譯方式切換」的機制 —— 用一個 Edit Fields 裡面的 True/False 開關，True 就走 ChatGPT，False 就走 Google 翻譯 API。這是一個簡單的開關切換，可以根據需求選擇合適的翻譯工具和翻譯的頁面。你不需要重新建工作流，切換一下就好。

還有一點，我在影片裡提到使用 GPT-4o-mini 而不是 GPT-4o：「因為這個翻譯模型成本比較低，適合一般的任務使用。」翻譯這種相對簡單的任務，用 mini 版本就夠了，省下來的成本在批量處理時很可觀。

🔧 完整工作流教學

好，我們來看一下超級翻譯機的實際運作。整個工作流分三大步驟：第一步讀取要翻譯的內容並決定翻譯方法，第二步用 ChatGPT 翻譯，第三步用 Google Translation API 翻譯。兩條路線最後都會合併結果回寫到試算表。

Step 1：選取要翻譯的內容，決定翻譯方法

1-1. 手動觸發（When Clicking Test Workflow）

我們使用手動觸發來啟動工作流，因為翻譯通常是有需要才執行，不需要每天自動跑。

1-2. Edit Fields — 翻譯方式切換

這是工作流最聰明的設計之一。在 Edit Fields 節點裡面，我們設定了兩個關鍵欄位：

  • ChatGPT 翻譯模式：設為 True 就用 ChatGPT API 翻譯，設為 False 就用 Google Translation API
  • Sheet 分頁名稱：選擇 Demo（少量測試）或 Batch（100 個段落的批次翻譯）

1-3. 讀取 Google Sheets 內容（Fetch Data）

系統會從試算表裡面讀取待翻譯的內容。在 Google Sheets 節點裡，我直接用 URL 對應到試算表，然後從 JSON 設定裡面讀取對應的 Sheet 名稱，確保讀取的內容正確無誤。

試算表的欄位很簡單：

欄位說明範例
原文待翻譯內容我是翻譯機
原始語系來源語言代碼zh
目標語系翻譯目標語言en
翻譯結果 (ChatGPT)自動填入I am a translator
翻譯結果 (API)自動填入I am a translation machine

1-4. Loop Over Items — 批次處理和數據分流

因為我們一次會處理大量的數據，所以不會一次性擷取所有的數據，而是透過 Loop Over Items 這個元件來批次處理。我設定單次最多處理 10 筆數據，確保系統穩定進行。

我在影片裡用了一個很好的比喻：「它就像餐廳裡面排隊分流的，像麥當勞啦、摩斯啦、Costco。分批點餐，一次過多訂單跑到櫃檯，員工就受不了了，就是系統會過載。」這就是為什麼需要批次處理 —— 一次丟 100 筆給 API，系統絕對吃不消。

1-5. IF Node — 判斷翻譯條件

根據前面 Edit Fields 的設定，IF Node 會決定要走 ChatGPT 路線還是 Google Translation API 路線。True 走 ChatGPT，False 走 Google。

Step 2：用 ChatGPT 翻譯對應語言的內容

2-1. OpenAI 節點設定

打開 OpenAI 節點，這個過程其實蠻簡單的。操作上使用 Message a Model（文本溝通），Model 選擇 GPT-4o-mini，因為翻譯成本較低，適合一般任務。

2-2. Prompt 設計（關鍵！）

我們會設計一個翻譯專屬的 Prompt，讓 ChatGPT 精確處理多語言翻譯需求：

System Role：設定為「多國語言大師」，讓 ChatGPT 理解自己的角色是一個專業的翻譯 AI，專注在準確的語言轉換。

翻譯規則包含：

  • 預設語言規則：如果沒有指定翻譯語言，自動翻成臺灣繁體中文
  • 如果翻譯內容是空的，嘗試重試並回報「翻譯語言內容為空，請提供要翻譯的文句」（這是一個錯誤處理機制）
  • 語言代碼轉換表：讓 AI 辨認 en、zh、ja、ko 等語系代碼

User Role 提供：指定語言代碼（例如 zh → en）、JSON 輸出格式、翻譯目標內容。這樣 ChatGPT 就能識別到底要中翻英還是英翻中，它要翻譯哪一個部分，跟最後產出的翻譯結果會是什麼。

我測試的結果：「我是翻譯機」翻譯成 “I am a translation machine”，中文轉韓文跟中文轉日文都 OK，代表 ChatGPT 已經成功完成多語言的翻譯，而且保持格式一致。

2-3. Parse JSON — 簡化輸出

把 OpenAI 輸出的結果用 Parse JSON 簡化處理：左邊的翻譯結果變成右邊比較結構化的資料。就是左邊變右邊，簡單處理。

2-4. Merge — 合併翻譯結果

把原始的試算表資料跟 OpenAI 輸出的翻譯結果做合併。每一項都有原始內容跟翻譯後的文字。比如原本是「我是翻譯機」，翻譯後是「I am a translator」，Merge 節點把它們合在一起，方便後續更新到試算表。

Step 3：用 Google Translation API 翻譯對應語言的內容

3-1. Google Translation API 設定

這是另一種翻譯方式，適合穩定跟多語言資源的環境。幾個關鍵設定：

  • Credential：使用 Google Service Account 授權（跟一般的 Google OAuth 不一樣）
  • Resource：Language
  • Operation：Translate
  • Text：待翻譯的內容
  • Translate to：目標語言代碼（en、zh、ja、ko 等）

3-2. GCP 權限設定（重要！）

我在影片裡面專門 Demo 了怎麼開啟 Google Translation API 的權限：

  1. 進入 GCP 專案
  2. 點選 ENABLE APIS AND SERVICES
  3. 搜尋 “Translation”，選擇 Google Translation API
  4. 點選 Enable 開啟
  5. 到 IAM → Service Account 建立服務帳號（我取名叫 n8n）
  6. 進入服務帳號，到 Keys 產生一把 JSON Key
  7. 下載 JSON 金鑰，存到 n8n 的 Credential 裡面

如果你沒有開啟 API 權限，在 n8n 測試的時候會直接報錯說沒有 API 權限。

3-3. Set Name — 欄位對應

因為 Google Translation API 的輸出欄位名稱跟 ChatGPT 不一樣，這邊用一個 Edit Fields 把 translatedText 改成對應的欄位名稱（「翻譯結果 API」），方便後續合併資料。

3-4. Merge + Update Content — 合併回寫

跟 ChatGPT 那邊一樣的邏輯，把原始試算表跟 Google Translation API 的結果合併，然後使用 Row Number 做 Mapping，確保每筆翻譯結果寫到正確的行。第 2 行的原始內容對應第 2 行的翻譯結果，第 3 行對應第 3 行，以此類推。

批次翻譯 100 段落實測

我在影片裡面用 Batch 頁面（接近 100 筆內容）做了完整的實測：

ChatGPT 翻譯 100 段落：

  • 10 個 10 個處理，逐批翻譯
  • 你會看到 ChatGPT 10 個 10 個的被填入試算表
  • 執行時間：約 1 分 49 秒（接近兩分鐘）
  • 翻譯速度跟你的 OpenAI API 等級有關，用量越多等級越高
  • 偶爾會有部分內容翻譯失敗或沒有回應（OpenAI API 問題，可以調整詢問速度）

Google Translation API 翻譯 100 段落：

  • 同樣 10 個 10 個處理
  • 翻譯速度相對比較穩定而且比較快
  • 執行時間：只有 42 秒
  • 語言識別靠 GCP 內建的演算法

兩者差異約兩倍，但翻譯品質略有不同。你就看哪一個比較符合你的情境。

完整工作流節點順序：
Manual Trigger
  → Edit Fields (選擇 ChatGPT/Google + Sheet 分頁)
    → Google Sheets (讀取待翻譯內容)
      → Loop Over Items (每批 10 筆)
        → IF Node (ChatGPT or Google?)
          → True: OpenAI → Parse JSON → Merge → Update Sheets
          → False: Google Translation API → Set Name → Merge → Update Sheets

ChatGPT vs Google Translation API 翻譯比較

比較項目ChatGPT (GPT-4o-mini)Google Translation API
100 段翻譯時間~1 分 49 秒~42 秒
速度差異基準快約 2 倍
語境理解較佳，上下文理解能力好標準化翻譯
翻譯風格自然通順，像人寫的直接準確，較制式
適合場景長篇文本、口語化內容、文章總結技術文件、簡單句子、大量翻譯
錯誤修正可修改語言錯誤無法修改原文錯誤
容錯度偶爾會翻譯失敗穩定，但翻大量文字段落較差
授權方式OpenAI API KeyGCP Service Account
成本GPT-4o-mini 成本較低按字數計費
支援語言100+130+

我在影片裡面的總結是：「自己選擇你適合的翻譯工具。如果你有大量翻譯的需求，你就可以用這個方法幫助你省力，讓 AI 來幫助你提升翻譯的效率。」如果你還沒用過 n8n，可以先從 n8n 完整教學 開始學起。

✅ 重點整理

  1. 雙引擎設計是最大亮點：ChatGPT 和 Google Translation API 一個 True/False 開關就能自由切換，不需要重新建工作流
  2. Loop Over Items 批次處理是關鍵：10 筆一組，就像麥當勞分批點餐，避免系統過載。一次丟太多訂單到櫃檯，員工就受不了了
  3. ChatGPT Prompt 設計決定品質：System Role 設為「多國語言大師」，加上預設語言規則和錯誤處理，翻譯品質穩定一致
  4. Google API 速度快兩倍：100 段落 ChatGPT 要 1 分 49 秒，Google 只要 42 秒，大量翻譯時差異很明顯
  5. GPT-4o-mini 是翻譯的最佳選擇：成本比 GPT-4o 低很多，翻譯這種任務品質夠用
  6. GCP Service Account 授權要先設好：沒有開啟 Google Translation API 權限，n8n 會直接報錯
  7. Row Number Mapping 確保資料正確：第 2 行對應第 2 行、第 3 行對應第 3 行，翻譯結果精確回寫不會錯位
  8. 免費模板直接匯入使用：下載 JSON 檔匯入 n8n 就能跑

❓ FAQ

Q1: 一次翻譯 100 個段落需要多久？

我在影片裡面做了完整的實測：ChatGPT 翻譯 100 個段落大約花了 1 分 49 秒（接近兩分鐘），Google Translation API 翻譯同樣 100 個段落只花了 42 秒。兩者差了接近兩倍。速度跟你的 API 等級和當下的負載有關，OpenAI 會針對你的用量給不同的等級，用量越多等級越高，速度也越快。

Q2: ChatGPT 和 Google 翻譯哪個比較好？

這取決於你的使用場景。我在影片裡面比較的結論是：ChatGPT 適合更自然的語境翻譯，適合長篇文本跟口語化的內容，上下文理解能力比較好，適合文章的總結跟修改錯誤。Google Translation API 速度比較快、結果是標準化的，適合大量翻譯需求，但它沒有修改語言錯誤的能力。簡單說就是：精確度選 ChatGPT，速度選 Google。

Q3: 支援哪些語言？

基本上中英日韓都沒問題，更多語言也都行。我在 Demo 裡面測試了中文轉英文、英文轉中文、中文轉日文和中文轉韓文，全部都能正確翻譯。ChatGPT 支援 100+ 語言，Google Translation API 支援 130+ 語言。語言代碼用標準的 ISO 格式：英文是 en、中文是 zh、日文是 ja、韓文是 ko。

Q4: 為什麼用 Loop Over Items 分批 10 筆？

我用了一個比喻解釋這個概念：「它就像餐廳裡面排隊分流的，像麥當勞、摩斯、Costco。分批點餐，一次過多訂單員工就受不了了，系統會過載。」如果把 100 筆一次全丟給 API，很容易觸發 rate limit 或超時。10 筆一組是最佳平衡 —— 不會太慢，也不會讓 API 受不了。如果你的 API 等級比較高，可以試著調到 15 或 20。

Q5: Google Translation API 的授權怎麼設定？

跟一般的 Google OAuth 不一樣，Google Translation API 需要用 Service Account 授權。步驟是：先到 GCP 控制台啟用 Translation API，然後到 IAM 建立一個 Service Account（我取名叫 n8n），進去產生一把 JSON Key 下載下來，最後把這個 JSON 金鑰存到 n8n 的 Credential 裡面。如果你沒有開啟 API 權限，n8n 執行的時候會報錯說沒有 API 權限。更多 Google OAuth 設定可以參考 n8n Google OAuth 教學。

Q6: 翻譯失敗怎麼辦？

我在影片裡面有提到：「有時候你的部分內容其實會翻譯失敗或沒有回應，這可能是代表 OpenAI API 出現問題，但是不是每一次都有。如果錯誤的時候，你可以調整詢問的速度。」在 Prompt 設計裡面我也加了錯誤處理 —— 如果翻譯內容是空的，系統會提示「翻譯語言內容為空，請提供要翻譯的文句」。對於偶發的 API 錯誤，建議的做法是：重新執行一次只針對失敗的那些行，或者在 Loop 之間加一個短暫的 Wait 節點。更多錯誤處理技巧可以參考 n8n 錯誤處理指南。

🎯 下一步行動

🎓 想更有系統地學會這些技巧？ 到 AI 職場工作術（雲端方程式 Cloud F1 旗艦課程） 看看完整的實作路徑。

不用想太多，先動手做最重要。我建議你按照這個順序：

  1. 準備一份 Google Sheets，放 3-5 條測試資料（中翻英、英翻中各幾條）
  2. 在 n8n 建立工作流，先用 Manual Trigger + Edit Fields + Google Sheets 讀取資料
  3. 先測 ChatGPT 路線，設定 OpenAI 節點，看看翻譯品質是否符合預期
  4. 品質 OK 之後加上 Loop Over Items，設定每批 10 筆
  5. 再加上 Google Translation API 路線，設定 GCP Service Account
  6. 準備 Batch 頁面 100 條資料，跑一次完整的批次翻譯測試

每個高手都是從新手開始的。我在影片裡說的：「如果你有大量文件文章內容要翻譯，你就使用這個自動化的工具。用試算表加 AI 的內容，取代傳統的手動翻譯，你可以提升很多工作效率。」

想看完整的手把手操作，可以觀看 YouTube EP07 影片。如果有任何問題，歡迎到 Skool 雲端方程式 Cloud F1 社群 討論，裡面有 500+ 學員一起學習，完全免費加入。

如果你想學更多 n8n 翻譯相關的工作流，推薦閱讀 n8n 字幕翻譯教學 和 n8n 自動化新手指南。

🔗 相關資源

本文改編自 YouTube 影片 EP07，由 Alex Hsieh 撰寫。最後更新：2026-02-11

想把這篇學到的用進日常工作？

「AI 職場工作術」課程把這類實戰經驗整理成一步步的教學，帶你系統化練出跟 AI 協作的產能。

看 AI 職場工作術課程 →

本文作者：Alex Hsieh，SRE / DevOps 背景出身，現為企業 AI 導入顧問，也是「AI 相談室」課程講師。專注把 AI 自動化真正落地到企業日常流程，而不是停留在 Demo。

目錄
  1. 專業導讀
  2. 你將學到
  3. 什麼是 n8n 超級翻譯機？
  4. 💡 Alex 的觀察
  5. 🔧 完整工作流教學
  6. Step 1：選取要翻譯的內容，決定翻譯方法
  7. Step 2：用 ChatGPT 翻譯對應語言的內容
  8. Step 3：用 Google Translation API 翻譯對應語言的內容
  9. 批次翻譯 100 段落實測
  10. ChatGPT vs Google Translation API 翻譯比較
  11. ✅ 重點整理
  12. ❓ FAQ
  13. Q1: 一次翻譯 100 個段落需要多久？
  14. Q2: ChatGPT 和 Google 翻譯哪個比較好？
  15. Q3: 支援哪些語言？
  16. Q4: 為什麼用 Loop Over Items 分批 10 筆？
  17. Q5: Google Translation API 的授權怎麼設定？
  18. Q6: 翻譯失敗怎麼辦？
  19. 🎯 下一步行動
  20. 🔗 相關資源

相關文章