Como conectar vários modelos de IA ao n8n com uma única chave da CometAPI

Como conectar vários modelos de IA ao n8n com uma única API?

Conectar modelos de IA provedor por provedor pode funcionar em um protótipo, mas se torna frágil conforme o uso cresce. Cada provedor traz credenciais, endpoints, formatos de requisição, limites de taxa, cobrança e estruturas de resposta separados. No n8n, isso frequentemente cria nós HTTP duplicados e ramificações específicas do provedor; assim, adicionar um modelo ou alterar um caminho de fallback significa editar várias partes do fluxo.

n8n e CometAPI resolvem camadas diferentes desse problema. O n8n controla quando um job roda, valida entradas, roteia tarefas síncronas e assíncronas, faz retentativas em falhas e armazena resultados. O CometAPI centraliza o acesso aos modelos por trás de uma única chave de API e uma única URL base. Juntos, mantêm as mudanças de provedor fora da camada de orquestração: você pode alternar um ID de modelo preservando a mesma fila, polling, armazenamento e lógica de monitoramento.

Essa combinação é especialmente útil para jobs mistos de imagem e vídeo vindos de planilhas ou ferramentas internas. O fluxo permanece visual e auditável no n8n, enquanto credenciais, disponibilidade de modelos e custos de uso ficam mais fáceis de gerenciar por meio de uma única camada de API.

A forma mais simples de integrar vários provedores de IA em um único app é separar orquestração do acesso a modelos. Deixe o n8n lidar com gatilhos, ramificações, retentativas e armazenamento, enquanto o CometAPI dá a cada ramificação uma única chave de API e uma única URL base. O ID do modelo passa a ser um campo em cada job, em vez de uma conta de provedor, SDK e configuração de cobrança separados.

Neste guia, você construirá um pipeline low-code funcional que lê jobs de imagem e vídeo do Google Sheets, envia-os para modelos da OpenAI e ByteDance via CometAPI, salva IDs de tarefas de vídeo assíncronas, faz polling até a conclusão e faz upsert do resultado final em uma Data Table do n8n.

O que você vai construir

O fluxo final segue este caminho:

Google Sheets Trigger → Normalizar Job → Switch por tipo de mídia → Requisição de imagem ou vídeo no CometAPI → Aguardar e fazer polling de tarefas de vídeo → Enviar upload ou referenciar o output → Upsert na Data Table.

Use estas colunas na planilha de origem:

job_id | media_type | model | prompt | size | seconds | status

Uma linha típica de imagem usa image, gpt-image-2 e 1024x1024. Uma linha de vídeo usa video, seedance-2-5, 1280x720 e uma duração de 4 a 30 segundos.

Antes de começar

Você precisa de uma instância do n8n, uma planilha do Google, uma chave de API do CometAPI e uma Data Table do n8n chamada ai_jobs. Crie estas colunas na Data Table: job_id, media_type, model, status, task_id, result_url, error e updated_at.

Para n8n self-hosted, adicione os seguintes valores ao ambiente usado pelo seu processo do n8n:

COMETAPI_BASE_URL=https://api.cometapi.com/v1COMETAPI_KEY=your_cometapi_key

Reinicie o n8n após alterar o ambiente. No n8n Cloud, ou quando você não quiser expor variáveis de ambiente em expressões de nós, crie uma credencial HTTP Header Auth chamada CometAPI Bearer. Defina o nome do header como Authorization e o valor como Bearer your_cometapi_key. Os exemplos abaixo usam essa credencial e a URL base compatível com OpenAI fixa https://api.cometapi.com/v1.

Use IDs de modelos atuais

Ambos os IDs e capacidades estavam disponíveis na API de diretório de modelos ao vivo da CometAPI em 11 de agosto de 2026. O modelo de imagem suporta geração de texto-para-imagem. Seedance 2.5 suporta geração de texto-para-vídeo e imagem-para-vídeo, clipes de 4 a 30 segundos e os tamanhos documentados 480p e 720p.

Preços em 11 de agosto de 2026: a página do modelo GPT Image 2 lista US$ 4 por milhão de tokens de entrada e US$ 24 por milhão de tokens de saída. A página do modelo Seedance 2.5 lista US$ 0,103 por segundo em 480p e US$ 0,231 por segundo em 720p. Preços podem mudar, então use o diretório de modelos ao vivo ou a página do modelo como a fonte de verdade em tempo de execução.

A diferença arquitetural importante é que a geração de imagem pode ser tratada como uma operação request-response, enquanto a geração de vídeo deve ser tratada como um job com estado. Persistir o ID da tarefa de vídeo antes do polling evita que uma reinicialização da execução do n8n perca o job.

Construa o fluxo no n8n

1. Dispare novos jobs a partir do Google Sheets

Adicione um nó Google Sheets Trigger e escolha Row added or updated. Aponte para a worksheet que contém sua fila de jobs. Adicione um nó IF imediatamente após o gatilho e continue apenas quando status estiver vazio ou igual a queued. Isso evita que linhas concluídas sejam reenviadas quando a planilha mudar.

2. Normalize e valide cada linha

Adicione um nó Code chamado Normalize Job. Esse nó aplica padrões seguros, restringe o fluxo a IDs de modelos aprovados e produz os mesmos campos para ambas as ramificações.

const row = $json;​const allowedModels = {  image: new Set(['gpt-image-2']),  video: new Set(['seedance-2-5']),};​const mediaType = String(row.media_type || '').trim().toLowerCase();if (!allowedModels[mediaType]) {  throw new Error(`media_type must be image or video; received: ${row.media_type}`);}​const defaultModel = mediaType === 'image' ? 'gpt-image-2' : 'seedance-2-5';const model = String(row.model || defaultModel).trim();if (!allowedModels[mediaType].has(model)) {  throw new Error(`Model ${model} is not allowed for ${mediaType} jobs`);}​const prompt = String(row.prompt || '').trim();if (!prompt) throw new Error('prompt is required');​const seconds = mediaType === 'video' ? Number(row.seconds || 4) : null;if (mediaType === 'video' && (!Number.isInteger(seconds) || seconds < 4 || seconds > 30)) {  throw new Error('Seedance 2.5 seconds must be an integer from 4 to 30');}​return [{  json: {    job_id: String(row.job_id || $execution.id),    media_type: mediaType,    model,    prompt,    size: String(row.size || (mediaType === 'image' ? '1024x1024' : '1280x720')),    seconds,    status: 'processing',    updated_at: new Date().toISOString(),  },}];

Adicione um nó Switch após Normalize Job. Direcione image para a ramificação de imagem e video para a ramificação de vídeo.

3. Gere imagens através de um único endpoint

Adicione um nó HTTP Request chamado Create Image com estas configurações:

• Method: POST
• URL: https://api.cometapi.com/v1/images/generations
• Authentication: a credencial Header Auth CometAPI Bearer
• Body Content Type: JSON

{  "model": "={{ $('Normalize Job').item.json.model }}",  "prompt": "={{ $('Normalize Job').item.json.prompt }}",  "size": "={{ $('Normalize Job').item.json.size }}"}

GPT Image 2 retorna dados de imagem base64. Adicione um nó Code chamado Prepare Image File para transformar esses dados em um item binário do n8n:

const job = $('Normalize Job').item.json;const b64 = $json.data?.[0]?.b64_json;if (!b64) throw new Error('CometAPI returned no image data');​return [{  json: {    ...job,    status: 'completed',    task_id: '',    result_url: '',    error: '',    updated_at: new Date().toISOString(),  },  binary: {    media: {      data: b64,      mimeType: 'image/png',      fileName: `${job.job_id}.png`,    },  },}];

Conecte esse nó ao seu nó de armazenamento de objetos preferido, como S3 ou Google Drive. Armazene a URL do arquivo retornado em result_url, depois faça upsert da linha em ai_jobs. Mantenha payloads base64 grandes fora da Data Table.

4. Crie uma tarefa de vídeo assíncrona

Adicione um nó HTTP Request chamado Create Video:

• Method: POST
• URL: https://api.cometapi.com/v1/videos
• Authentication: CometAPI Bearer
• Body Content Type: Form-Data

Adicione quatro campos de formulário: model, prompt, seconds e size. Faça o mapeamento a partir de Normalize Job.

Em seguida, adicione um nó Code chamado Save Video Task:

const job = $('Normalize Job').item.json;const taskId = $json.id || $json.task_id;if (!taskId) throw new Error('Video task ID missing from create response');​return [{  json: {    ...job,    task_id: taskId,    status: $json.status || 'queued',    result_url: '',    error: '',    updated_at: new Date().toISOString(),  },}];

Faça upsert desse item em ai_jobs antes do polling. Salvar o ID da tarefa imediatamente significa que um reinício ou timeout não perde o job.

5. Aguarde, faça polling e armazene a URL do vídeo

Adicione um nó Wait configurado para 15 segundos. Depois adicione um nó HTTP Request chamado Get Video:

• Method: GET
• URL: =https://api.cometapi.com/v1/videos/{{ $json.task_id }}
• Authentication: CometAPI Bearer

Após a requisição, use um nó Switch no campo status:

• queued ou in_progress: retorne ao nó Wait.
• completed: continue para Finalize Video.
• failed ou error: escreva o erro em ai_jobs e pare.

Adicione este nó Code para a ramificação concluída:

const prior = $('Save Video Task').item.json;const resultUrl = $json.video_url || $json.url || $json.data?.video_url;if (!resultUrl) throw new Error('Completed video response has no video URL');​return [{  json: {    ...prior,    status: 'completed',    result_url: resultUrl,    error: '',    updated_at: new Date().toISOString(),  },}];

Faça upsert do item final em ai_jobs por job_id. URLs de vídeo do CometAPI podem ser assinadas e temporárias, então fluxos de produção devem baixar e re-hospedar o arquivo antes de salvar a URL permanente. Se o seu app puder receber requisições de entrada, substitua o polling por um webhook onde o modelo selecionado suportar callbacks.

Mapa completo de nós

O fluxo completo pode ser montado com os seguintes nós:

1. Google Sheets Trigger — Row added or updated
2. IF — Processar apenas linhas novas ou em fila
3. Code — Normalize Job
4. Switch — Imagem ou vídeo
5. Ramificação de imagem: HTTP Request → Prepare Image File → Object Storage → Data Table Upsert
6. Ramificação de vídeo: HTTP Request → Save Video Task → Data Table Upsert → Wait → HTTP Request → Status Switch
7. Vídeo concluído: Finalize Video → Object Storage ou URL permanente → Data Table Upsert
8. Vídeo com falha: Set Error → Data Table Upsert

Para uma ramificação de falha, use esta expressão em um nó Edit Fields:

{  "job_id": "={{ $('Save Video Task').item.json.job_id }}",  "status": "failed",  "task_id": "={{ $('Save Video Task').item.json.task_id }}",  "result_url": "",  "error": "={{ $json.error?.message || $json.message || 'Video generation failed' }}",  "updated_at": "={{ $now.toISO() }}"}

Teste o fluxo

Adicione estas duas linhas à planilha de origem:

img-001 | image | gpt-image-2 | A cinematic product photo of a glass robot on a dark desk | 1024x1024 | | queuedvid-001 | video | seedance-2-5 | A paper airplane flies through a sunlit studio, smooth tracking shot | 1280x720 | 4 | queued

A requisição de imagem deve retornar uma estrutura similar a:

{  "created": 1786400000,  "data": [    { "b64_json": "iVBORw0KGgoAAA..." }  ]}

A requisição de criação de vídeo deve retornar uma estrutura de tarefa similar a:

{  "id": "video_task_abc123",  "object": "video",  "status": "queued",  "progress": 0}

Após o polling, uma resposta concluída deve conter o mesmo ID de tarefa, status: completed e um video_url. Campos opcionais exatos podem variar por modelo, razão pela qual o código de normalização lê o status de tarefa estável e a URL de resultado em vez de copiar toda a resposta do provedor para o seu banco de dados.

Erros comuns e correções

Checklist de produção

• Proteja credenciais. Mantenha a chave de API em credenciais do n8n ou variáveis de ambiente no servidor. Nunca a coloque na planilha nem a retorne para um navegador.
• Faça cada job idempotente. Use job_id como a chave de upsert na Data Table. Antes de criar uma nova tarefa, pule linhas já marcadas como processing ou completed.
• Controle polling e concorrência. Faça polling de jobs de vídeo a cada 10–20 segundos, limite o número de tentativas e limite execuções simultâneas. Faça backoff em respostas 429, 500 e 503 em vez de criar tarefas duplicadas.
• Valide a política de modelos antes de cada requisição. Mantenha uma allowlist por tipo de mídia. Atualize a disponibilidade e os preços dos modelos a partir do diretório ao vivo em uma agenda, mas implemente mudanças de modelos por meio de revisão em vez de deixar usuários de planilha enviarem IDs arbitrários.
• Acompanhe o custo por job. Armazene modelo, resolução, duração e campos de uso com cada resultado. Um job Seedance 2.5 de quatro segundos em 720p custa cerca de US$ 0,924 na taxa listada em 11 de agosto de 2026; os mesmos quatro segundos em 480p custam cerca de US$ 0,412. Faça cumprir a duração e a resolução máximas antes de enviar a requisição.
• Re-hospede mídia gerada. Trate URLs assinadas do provedor como links de entrega, não armazenamento permanente. Baixe a mídia concluída, faça upload para seu bucket controlado e salve a URL durável mais o checksum.
• Mantenha trilha de auditoria. Armazene o modelo de requisição, parâmetros sanitizados, ID de tarefa, transições de status, contagem de retentativas, tempo de resposta e local do ativo final. Não registre chaves de API nem prompts privados completos.

Por que esse padrão escala

O fluxo permanece simples porque cada novo provedor ou modelo é uma decisão de roteamento, não uma nova integração de conta. A planilha continua sendo a fila de jobs, o n8n continua sendo a camada de orquestração e o CometAPI continua sendo a camada única de acesso. Adicione um modelo estendendo a allowlist e a configuração da ramificação; o gatilho, a persistência de tarefas, o polling, o armazenamento e a lógica de monitoramento permanecem inalterados.

Essa é a resposta prática para integração de IA com múltiplos provedores: um endpoint e chave controlados, roteamento explícito de modelos, caminhos síncronos e assíncronos separados e um registro durável para cada job.

FAQs

O n8n pode chamar vários provedores de IA por uma única API?

Sim. Com uma camada de API unificada como o CometAPI, o n8n pode enviar requisições para diferentes modelos suportados enquanto mantém a credencial do provedor e a integração HTTP centralizadas.

Posso usar o CometAPI com o nó HTTP Request do n8n?

Sim. O nó HTTP Request pode enviar requisições para o endpoint do CometAPI com a autenticação requerida e os parâmetros específicos do modelo.

O n8n pode alternar automaticamente modelos de IA quando um falha?

Sim. Use uma ramificação IF/Switch após a requisição da API e direcione falhas re-tentáveis ou específicas de modelo para um modelo de fallback. O fallback deve suportar a mesma modalidade e capacidades necessárias.