GeminiVideoOmniV2 - ComfyUI Built-in Node Documentation - ComfyUI

Google Gemini Omni (Video) は、Google の Gemini Omni Flash モデルを使用して、テキストプロンプトから音声付き動画を生成します。必要に応じて参照画像や参照動画を添付し、結果をガイドしたり、既存の映像を編集したりすることもできます。希望する長さ（3〜10秒）はプロンプトに直接記述してください。

入力

共通入力

パラメータ	説明	データ型	必須	範囲
`model`	動画の生成に使用する Gemini 動画モデルです。	DYNAMIC_COMBO	必須	”Omni Flash 1.1" "Omni Flash”

Omni Flash 1.1 入力

パラメータ	説明	データ型	必須	範囲
`prompt`	生成する動画、または添付した動画に適用する編集内容を記述します。長さはプロンプトに直接指定します。例：「a 6-second clip」、または ‘extend’ タスクの場合は「extend by 5 seconds」。生成される長さは3〜10秒で、デフォルトは10秒です。出力には音声が含まれます。（デフォルト: ""）	STRING	必須	-
`resolution`	出力解像度です。（デフォルト: “720p”）	COMBO	必須	”360p" "720p" "1080p" "4k”
`aspect_ratio`	出力アスペクト比は、16:9（横）または9:16（縦）です。‘edit’ および ‘extend’ タスクでは、代わりに入力動画のアスペクト比が維持されます。（デフォルト: “16:9”）	COMBO	必須	”16:9" "9:16”
`task_type`	プロンプトと添付メディアの処理方法を指定します。‘auto’ の場合はモデルが決定します。‘text_to_video’ はプロンプトのみから生成し、添付メディアを拒否します。‘image_to_video’ は1枚の画像をアニメーション化するか、2枚添付した場合は開始フレームから終了フレームまで補間します。‘reference_to_video’ は添付メディアを被写体の参照として扱います。‘edit’ は添付した動画を1本だけ書き換え、‘extend’ はその動画に新しい映像を追加するため、出力は入力動画から始まります。（デフォルト: “auto”）	COMBO	必須	”auto" "text_to_video" "image_to_video" "reference_to_video" "edit" "extend”
`seed`	`seed` は、ノードを再実行するかどうかを制御します。結果は `seed` に関係なく非決定的です。（デフォルト: 42）	INT	必須	0〜2147483647

Omni Flash 入力

パラメータ	説明	データ型	必須	範囲
`prompt`	生成する動画、または添付した動画に適用する編集内容を記述します。長さはプロンプトに直接指定します。例：「a 6-second clip」。長さは3〜10秒です。出力は720p・24 FPS・音声付きです。（デフォルト: ""）	STRING	必須	-
`aspect_ratio`	出力アスペクト比は、16:9（横）または9:16（縦）です。‘edit’ タスクでは、代わりに入力動画のアスペクト比が維持されます。（デフォルト: “16:9”）	COMBO	必須	”16:9" "9:16”
`task_type`	プロンプトと添付メディアの処理方法を指定します。‘auto’ の場合はモデルが決定します。‘text_to_video’ はプロンプトのみから生成し、添付メディアを拒否します。‘image_to_video’ は1枚の画像をアニメーション化するか、2枚添付した場合は開始フレームから終了フレームまで補間します。‘reference_to_video’ は添付メディアを被写体の参照として扱います。‘edit’ は添付した動画を1本だけ書き換えます。（デフォルト: “auto”）	COMBO	必須	”auto" "text_to_video" "image_to_video" "reference_to_video" "edit”
`temperature`	`temperature` はランダム性を制御します。低い値ほど焦点が定まり決定的になり、高い値ほど多様になります。（デフォルト: 1.0）	FLOAT	必須	0.0〜2.0 (step 0.01)
`top_p`	Nucleus サンプリング：累積確率が top_p に達する最小のトークンセットからサンプリングします。（デフォルト: 0.95）	FLOAT	必須	0.0〜1.0 (step 0.01)
`seed`	`seed` は、ノードを再実行するかどうかを制御します。結果は `seed` に関係なく非決定的です。（デフォルト: 42）	INT	必須	0〜2147483647

参照入力

パラメータ	説明	データ型	必須	範囲
`images`	拡張可能スロット：最大14枚の画像（`image_1`…`image_14`）を接続できます。動画のガイドやアニメーションに使用するオプションの参照画像です。‘image_to_video’ タスクでは、1枚目が開始フレーム、2枚目（任意）が終了フレームになります。	IMAGE	任意	0〜14 images
`videos`	拡張可能スロット：最大3本の動画（`video_1`…`video_3`）を接続できます。動画のガイドや編集に使用するオプションの参照動画です。各動画は最長10秒です。	VIDEO	任意	0〜3 videos

注記：

prompt は空にできません。空の場合、ノードはエラーを発生させます。
text_to_video タスクはプロンプトのみから生成します。画像や動画を添付するとエラーが発生します。
image_to_video タスクは画像のみ（動画不可）を受け付け、画像が正確に1枚または2枚必要です。1枚目が開始フレーム、2枚目（任意）が終了フレームです。
edit タスク（両モデル）と extend タスク（Omni Flash 1.1 のみ）は、入力動画が正確に1本必要です。また、aspect_ratio を上書きして、その入力動画のアスペクト比を維持します。
添付できる画像は最大14枚、動画は最大3本です。また、添付する各動画は10秒以下である必要があります。
Omni Flash は常に720p・24 FPSの音声付き動画を出力します。解像度の選択は Omni Flash 1.1 でのみ利用できます。
temperature と top_p のコントロールは Omni Flash モデルでのみ利用できます。Omni Flash 1.1 は固定の生成設定を使用します。

出力

出力名	説明	データ型
`video`（最初の出力）	生成された音声付き動画です。Omni Flash の場合：720p、24 FPS。Omni Flash 1.1 の場合：`resolution` 入力で選択した解像度。	VIDEO
`text`（2番目の出力）	動画とともにモデルが生成したテキストコンテンツです（空の場合があります）。	STRING

このドキュメントは AI によって生成されました。エラーを見つけた場合や改善のご提案がある場合は、ぜひ貢献してください！ GitHub で編集

Source fingerprint (SHA-256): 7a0dda4bcd662c9df3c680297ec9de7886d35e618de8b3ce0cd95b9afd13a892