零代码AI文本拟人化3步导入humanize-text的n8n工作流跑通Standard拟人化管线【免费下载链接】humanize-textOpen-source text humanization pipeline with every intermediate step published. Two LLM rewrites at temp 1.3, then two hops across different NMT engines. Four documented methodologies you can read, modify, and run locally.项目地址: https://gitcode.com/gh_mirrors/hu/humanize-text还在为AI生成的文本机器味太重而发愁开源项目humanize-text提供了一条完整的 AI 文本拟人化管线先用 2 次大模型改写温度 1.3再经过 2 跳不同翻译引擎的跨语言重组把 AI 腔重写为自然的人类文风。更棒的是你不需要写一行代码——导入它自带的 n8n 工作流配置好 API Key点击运行就能跑通这条 Standard 拟人化管线。先搞懂Standard 拟人化管线到底做了什么humanize-text 的核心思想是翻译链Translation Chain单纯让大模型改写谁都会做真正的门道在于多语言、多引擎的接力重组。Standard 管线被拆成一条固定的 4 步链条每一步都公开可查步骤引擎语言跳转作用1LLMtemp 1.3输入 → 中文LLM 拟人化改写 语言切换2LLMtemp 1.3中文 → 日语第二次 LLM 拟人化改写携带上一步上下文3Google 翻译日语 → 德语第一轮翻译跳结构打散4Niutrans德语 → 目标语言第二轮翻译跳跨引擎重构两步 LLM 改写在改写中顺便完成语言切换打碎 AI 文本的统计指纹两段翻译分别由不同架构的 NMT 引擎完成任何单一引擎的指纹都无法存活。每一步的设计理由都能在项目文档里读到docs/pipeline.md。3步导入humanize-text的n8n工作流第1步克隆仓库拿到工作流文件git clone https://gitcode.com/gh_mirrors/hu/humanize-text cd humanize-text你只需要一个文件——现成的 n8n 工作流n8n/humanize_standard.json。它完整封装了 Standard 管线命名为 AI Humanize - Standard Pipeline v1.5。第2步导入n8n工作流打开你的 n8n 实例本地部署或云端均可进入Workflows→Import from File选择刚克隆下来的n8n/humanize_standard.json导入后你会看到一条完整的节点链Start → Input Text → Step 1DeepSeek: → 中文 → Step 2DeepSeek: → 日语 → Step 3Google: → 德语 → Step 4Niutrans: → 西语 → Step 5Niutrans: → 英语 → Output第3步配置API Key并运行工作流默认使用DeepSeek作为 LLM 提供方你需要在两处配置密钥① LLM 密钥Step 1、Step 2 节点点击 Step 1: Chinese Rewrite (DeepSeek) 节点进入Authentication→Header AuthHeader 名Authorization值Bearer 你的DeepSeek密钥对 Step 2: Japanese Rewrite (DeepSeek) 节点重复同样操作 想换 OpenRouter把两个节点的 URL 改成https://openrouter.ai/api/v1/chat/completions更新请求体中的model字段并替换 Header 里的密钥即可。② Niutrans 密钥Step 4、Step 5 节点点击 Step 4: German → Spanish (Niutrans) 节点在 body 参数中把YOUR_NIUTRANS_KEY替换为真实密钥Step 5 节点同理全部配置完成后点击Execute Workflow在 Input Text 节点中粘贴你的 AI 生成文本拟人化结果就会出现在 Output 节点中整个过程零代码没有 Python 环境、没有依赖安装、没有配置文件——这也是 n8n 方式相对 Python 脚本方式 的最大优势。进阶技巧把工作流变成你的更换目标语言默认输出英语。点击 Step 5 节点把to参数从en改成目标语言代码如fr法语、zh中文即可。完整支持列表见 docs/configuration.md。批量处理把 Start 手动触发节点替换为电子表格或数据库触发器就能自动批量拟人化多条文本非常适合内容批量生产场景。常见问题跑通之后该知道什么处理要多久通常每段文本 10–30 秒LLM 改写步骤Step 1–2耗时最多。一共需要几个 API Key两个来源的密钥即可LLM 提供方DeepSeek 默认或 OpenRouter Niutrans均有免费额度Step 3 的 Google 翻译走免费公共接口无需密钥。结果能过检测吗项目在 examples/showcase/ 公开了 5 组端到端实测样例含每一步中间产物最终输出均被检测器判为human。但请注意检测是概率性的管线不保证每次都能绕过检测器技术术语和引用在往返翻译中也可能产生漂移——重要内容务必人工复核。更多问答见 docs/faq.md。小结3 步跑通克隆仓库 → 导入 n8n/humanize_standard.json → 配置 Key 运行全程零代码管线透明2 次 LLM 改写 2 跳跨引擎翻译每一步都有文档可查高度可扩展改语言、换模型、接批量触发都只是改一个节点参数的事完整操作步骤参考官方指南docs/n8n-guide.md【免费下载链接】humanize-textOpen-source text humanization pipeline with every intermediate step published. Two LLM rewrites at temp 1.3, then two hops across different NMT engines. Four documented methodologies you can read, modify, and run locally.项目地址: https://gitcode.com/gh_mirrors/hu/humanize-text创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考