gemini-interactions/gemini-omni-1.1-flash の API Reference です。Comfy Router が Gemini Interactions から提供します。
クイックスタート
Comfy ワークスペースでキーを作成し、COMFY_API_KEY としてエクスポートします。Python と TypeScript のスニペットは Comfy SDK(pip install comfy-sdk、npm install @comfyorg/sdk)を使用しています。cURL のスニペットは、同じ呼び出しを生の HTTP で実行するものです。
モデル ID: gemini-interactions/gemini-omni-1.1-flash
エンドポイント: POST https://api.comfy.org/v2/models/gemini-interactions/gemini-omni-1.1-flash
- Wait for the result
- Queue and collect later
スキーマ
入力
object
必須
プロンプト文字列、または型付きコンテンツパーツ(text、image、audio、video、document)の配列のいずれか。
string
Gemini モデルの識別子(例:
gemini-omni-flash-preview)。Comfy Router のルート POST /v2/models/gemini-interactions/{model} ではパスから渡されるため、省略できます。このオペレーションが提供する綴り、つまり Comfy Router が gemini-interactions/<model> として扱う集合は、gemini-omni-flash-preview と gemini-omni-1.1-flash(supportedGeminiInteractionModels)です。これらは enum に制約するのではなくここに記述しています。プロキシ自身がモデルを検証し、提供しない綴りに対しては独自の 400 を返すためです。string
以前に保存されたインタラクションの ID。ステートフルなマルチターンのビデオ編集を可能にします。
GET /v2/models/gemini-interactions/gemini-omni-1.1-flash/openapi.json で提供するスキーマから生成されています。これは、リクエストがプロバイダーに到達する前に Router が呼び出しの検証に使用する同一のドキュメントです。
出力
string
string
string
string
必須
Router のレスポンスでは常に
completed です。プロバイダーのその他のステータス(in_progress、requires_action、failed、cancelled、incomplete、budget_exceeded)が Router を通じて呼び出し元に 200 として届くことはありません。それらはプロバイダーのボディを伴う Comfy Router エラーとして返されます。指定可能な値: completedobject[]
必須
インタラクションのタイムラインを順番に示します。ここでは
GeminiInteraction の型なし steps から絞り込み、出力のリーフを参照できるようにしています。プロバイダーは step の種類を追加し続けるため、各項目は additionalProperties: true であり、Router の呼び出し元が読み取るフィールドのみを宣言しています。object[]
この step の型付きコンテンツブロック。
string
インラインで配信されるメディアブロックにおける、Base64 エンコードされたインラインメディア。Google はインラインメディアを 4 MB に制限しており、それを超える場合は
delivery: uri を要求します。string
メディアブロックにおける
data または uri のメディアタイプ。string
生成されたテキスト。
text ブロックに存在し、ナイトリーの Router SDK ケースが検証するリーフでもあります(具体的には model_output step 上の steps[type=model_output].content[].text)。string
ブロックの種類:
text、image、audio、video、document。string
帯域外で配信されるメディアへの参照。呼び出し元はそれが示す URI から取得します。
string
step の種類。
model_output は生成された回答、user_input は retrieval ルートによってエコーバックされた呼び出し元自身のターン、thought は内部推論です。ツールの step(function_call、function_result、code_execution_call、google_search_call、…)は拡張可能で、Google が随時追加しています。object
Gemini インタラクションのトークン使用量。
object[]
1 つのモダリティのトークン数。
string
text、image、audio、video、document のいずれか。integer
object[]
1 つのモダリティのトークン数。
string
text、image、audio、video、document のいずれか。integer
integer
integer
integer
integer
integer
例
入力
出力
出荷前の確認
SDK はIdempotency-Key を生成し、自動リトライで再利用します。手動リトライでは元のキーを再利用してください。Router は最大 10 分間接続を保持できます。
リクエストが失敗すると、Router は理由を示す X-Comfy-Error-Type レスポンスヘッダーを送信します。422 は、プロバイダーを呼び出す前に Router が入力を拒否したことを意味します。生成されたアセットは 結果 URL の有効期限 があるため、早めにダウンロードしてください。
ヘッダー
認証、冪等性、リクエスト ID、エラー分類、リトライ間隔、支出上限。
Router API の利用
モデルの検出、バリデーションエラー、リトライ、課金。
制限事項
Router が現在対応していないことと、代替手段。