مشتری امروز صبر نمی‌کند؛ اگر جواب نگیرد، سراغ رقیب‌تان می‌رود. دستیار هوشمند واتساپ به‌جای شما به پیام، ویس و عکس مشتری‌ها جواب می‌دهد؛ حتی ساعت ۳ بامدادروزهای تعطیلوقتی سر جلسه‌اید
همین یک پیام می‌تواند فروش امشب شما باشد، یا فروش امشب رقیب‌تان.
یک نوع پیام را انتخاب کنید و مسیرش را داخل ورکفلو دنبال کنید.
همه‌ی چیزی که یک دستیار واتساپ حرفه‌ای لازم دارد، در یک فایل.
ویس مشتری با Gemini دقیق به متن تبدیل می‌شود، جواب ساخته می‌شود و با صدای طبیعی و صمیمی Gemini 3.8 TTS برمی‌گردد. صدا و لحن گوینده را با یک کلمه عوض کنید.
عکس محصول، فاکتور یا اسکرین‌شات را تحلیل می‌کند و همراه با کپشن مشتری جواب دقیق می‌دهد.
۱۰ پیام آخر هر مشتری یادش می‌ماند.
همه‌ی هوش مصنوعی با یک کلید رایگان Gemini.
تبدیل صدا به MP3 داخل خود n8n؛ روی n8n Cloud هم کار می‌کند.
اگر ساخت صدا خطا بدهد، جواب متنی می‌رود؛ هیچ مشتری بی‌جواب نمی‌ماند.
Phone Number ID خودش از پیام خوانده می‌شود؛ تنظیم دستی ندارد.
کنار هر بخش ورکفلو یک یادداشت توضیح فارسی هست.
هر قدم را که انجام دادید علامت بزنید؛ پیشرفتتان در همین مرورگر ذخیره می‌شود.
به aistudio.google.com/apikey بروید، روی Create API key بزنید و کلید را کپی کنید. همین یک کلید برای تحلیل ویس و عکس، ساخت جواب و ساخت صدا کافی است.
فایل JSON را دانلود کنید. در n8n منوی Workflows ← Import from File را بزنید و فایل را انتخاب کنید.
روی هر گره‌ای که علامت هشدار دارد کلیک کنید و اعتبارنامه‌اش را بسازید. روی هر مقدار سبز کلیک کنید تا کپی شود.
گره AI Agent را باز کنید و در System Message خط آخر را با اطلاعات کسب‌وکارتان جایگزین کنید: خدمات، قیمت‌ها، ساعات کاری، آدرس و راه‌های تماس.
تو دستیار هوشمند واتساپ هستی. - همیشه فارسی، عامیانه، کوتاه و دوستانه جواب بده. - از تیتر (#)، جدول و لیست‌های طولانی استفاده نکن؛ جواب باید در واتساپ خوانا باشد. - اگر ورودی توضیح یک تصویر بود، بر اساس همان توضیح و سؤال کاربر جواب بده. - اگر جواب چیزی را نمی‌دانی، حدس نزن و صادقانه بگو. [اینجا اطلاعات کسب‌وکار، خدمات، قیمت‌ها و راه‌های تماس را اضافه کن]
ورکفلو را Active کنید؛ وبهوک خودکار در Meta ثبت می‌شود. بعد از گوشی این چهار حالت را امتحان کنید:
ورکفلو از ۵ بخش ساخته شده؛ روی هر بخش بزنید تا گره‌هایش را ببینید.
هر رویداد واتساپ اینجا وارد می‌شود و بر اساس نوع پیام به مسیر درست می‌رود.
هر پیام جدید را از وبهوک واتساپ می‌گیرد.
با فیلد messages[0].type تصمیم می‌گیرد: متن مستقیم به بخش ۳، ویس و عکس به بخش ۲، بقیه به پیام «پشتیبانی نمی‌شود».
برای ویدیو، فایل، استیکر و لوکیشن پیام راهنما می‌فرستد. ری‌اکشن‌ها و رویدادهای «خوانده شد» بی‌صدا نادیده گرفته می‌شوند.
ویس و عکس از یک مسیر مشترک رد می‌شوند: یک دانلود و یک درخواست به Gemini.
لینک موقت فایل را از واتساپ می‌گیرد.
فایل را با توکن واتساپ دانلود می‌کند.
فایل را به متن Base64 تبدیل می‌کند تا مستقیم داخل درخواست برود.
با مدل gemini-3.5-flash-lite: ویس را دقیق به متن تبدیل می‌کند و عکس را به فارسی توضیح می‌دهد.
همه‌ی مسیرها اینجا یکی می‌شوند تا گره‌های بعدی فقط با یک ساختار کار کنند.
شماره‌ی کاربر؛ برای ارسال جواب و کلید حافظه.
نوع پیام اصلی؛ تعیین می‌کند جواب صوتی باشد یا متنی.
متنی که به هوش مصنوعی می‌رسد: پیام متنی، متن پیاده‌شده‌ی ویس، یا توضیح عکس همراه با کپشن.
جواب نهایی اینجا ساخته می‌شود.
با پرامپت سیستمی شما جواب می‌سازد. اطلاعات کسب‌وکار را اینجا بنویسید.
پیش‌فرض gemini-3.5-flash-lite؛ برای کیفیت بالاتر gemini-3.8-flash.
۱۰ پیام آخر هر کاربر را با کلید شماره‌اش نگه می‌دارد. با ری‌استارت n8n پاک می‌شود؛ برای حافظه‌ی دائمی Postgres یا Redis بگذارید.
اگر پیام مشتری ویس بود جواب صوتی می‌رود، وگرنه متنی.
بررسی می‌کند پیام اصلی ویس بوده یا نه.
جواب را با gemini-3.8-flash-tts به صدا تبدیل می‌کند. صدا با voice و لحن با style در بدنه‌ی همین گره.
واتساپ WAV قبول نمی‌کند؛ این گره‌ها بدون ffmpeg آن را به MP3 تبدیل می‌کنند.
ارسال جواب. اگر ساخت صدا خطا بدهد، جواب خودکار متنی ارسال می‌شود.
| چه چیزی | کجا | چطور |
|---|---|---|
| صدای گوینده | Gemini TTS ← بدنه | مقدار voice: 'Kore' را عوض کنید؛ مثلاً Puck، Charon، Zephyr یا Leda |
| لحن گفتار | Gemini TTS ← بدنه | فیلد style؛ مثلاً 'calm and professional' |
| TTS ارزان‌تر | Gemini TTS | gemini-3.8-flash-lite-tts |
| کیفیت جواب‌ها | Gemini Chat Model | gemini-3.8-flash |
| طول حافظه | Memory | Context Window Length |
| پیام پشتیبانی‌نشده | Send Unsupported | Text Body |
فایل ورکفلو را بگیرید، طبق ۷ قدم بالا راه‌اندازی کنید و واتساپتان را هوشمند کنید.