Skip to main content
Google Gemini es un potente modelo de IA desarrollado por Google que admite funciones conversacionales y de generación de texto. Actualmente, ComfyUI ha integrado la API de Google Gemini, lo que te permite usar directamente los nodos relacionados en ComfyUI para completar funciones conversacionales.

​
Para qué sirve Google Gemini

  • Conversación y generación de texto: chatea con la IA multimodal de Google directamente dentro de un flujo de trabajo de ComfyUI
  • Razonamiento multimodal: interpreta imágenes con las capacidades de razonamiento de Gemini
  • Interpretación de imagen a prompt: la plantilla oficial incluye un prompt que convierte tus imágenes en los prompts de dibujo correspondientes
  • Entrada de varias imágenes: usa Batch Images para enviar varias imágenes a la interpretación de la IA en una sola ejecución

​
Usarlo

Llámalo desde código

Llámalo por HTTP a través de Comfy Router, con fragmentos de Python, TypeScript, Swift y cURL listos para copiar y pegar
Esto se ejecuta en la misma cuenta de Comfy y se factura con los mismos créditos que ejecutarlo en ComfyUI más abajo. Consulta Precios de los Nodos asociados para ver las tarifas por modelo y Límites de concurrencia para saber cuántas solicitudes puedes tener en curso.
Para usar los Nodos asociados, debes asegurarte de haber iniciado sesión correctamente y de estar utilizando un entorno de red permitido. Consulta la sección Descripción general de los Nodos asociados de la documentación para conocer los requisitos específicos de uso de los Nodos asociados.
Asegúrate de que tu ComfyUI esté actualizado.Los flujos de trabajo de esta guía se encuentran en las Plantillas de flujos de trabajo. Si no los encuentras en las plantillas, es posible que tu ComfyUI esté desactualizado.Si faltan nodos al cargar un flujo de trabajo, estas son las posibles razones:
  1. No estás usando la última versión de ComfyUI (versión nocturna)
  2. Algunos nodos fallaron al importarse durante el inicio

​
Google Gemini

Experimenta con la IA multimodal de Google y las capacidades de razonamiento de Gemini. Google Gemini workflow preview

Ejecutar en Comfy Cloud

Abrir en Comfy Cloud

Descargar flujo de trabajo

Descarga el JSON o busca “Google Gemini” en la Biblioteca de plantillas
Materiales de entrada Sube este archivo al nodo LoadImage correspondiente:

example.png

nodo LoadImage 2 · example.png
example.png

​
Completar la ejecución del flujo de trabajo paso a paso

Guía paso a paso de OpenAI Chat
En la plantilla correspondiente, hemos creado un prompt para analizar y generar prompts de rol, que sirve para interpretar tus imágenes y convertirlas en los prompts de dibujo correspondientes.
Puedes guiarte por los números de la imagen para completar la ejecución básica del flujo de trabajo de texto a imagen:
  1. En el nodo Load Image, carga la imagen que necesitas que la IA interprete
  2. (Opcional) Si es necesario, puedes modificar el prompt en Google Gemini para que la IA ejecute tareas específicas
  3. Haz clic en el botón Run o usa el atajo Ctrl(cmd) + Enter para ejecutar la conversación.
  4. Después de esperar a que la API devuelva los resultados, puedes ver el contenido correspondiente devuelto por la IA en el nodo Preview Any.

​
Notas adicionales

  • Actualmente, el nodo de entrada de archivos Gemini Input Files requiere que primero cargues los archivos en el directorio ComfyUI/input/. Este nodo está en proceso de mejora y modificaremos la plantilla después de las actualizaciones
  • El flujo de trabajo incluye un ejemplo que usa Batch Images como entrada. Si tienes varias imágenes que necesitan interpretación de la IA, puedes consultar el diagrama de pasos y usar el clic derecho para establecer el modo del nodo correspondiente en Always y habilitarlo