vertexai/gemini-nano-banana-2.1 の API リファレンスです。Google のモデルを Comfy Router が提供しています。
入力: テキスト、画像、ビデオ · 出力: 画像 + テキスト
クイックスタート
お使いの 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 と 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 raw HTTP で行うものです。
モデル ID: vertexai/gemini-nano-banana-2.1
エンドポイント: POST https://api.comfy.org/v2/models/vertexai/gemini-nano-banana-2.1
- 結果を待つ
- キューに送信して後で収集する
同じボディを
POST https://api.comfy.org/v2/models/vertexai/gemini-nano-banana-2.1/requests に送信します。Router は実行が受け付けられるとすぐに 201 と request_id を返し、結果は準備ができた時点で、このプロセスからでも別のプロセスからでも収集できます。キュー配信では、ステータス、キャンセル、収集について説明します。提供プロバイダー
このモデルは、リクエストで別のプロバイダーが指定されない限り、Comfy Router によって直接提供されます。以下のプロバイダーも、同じエンドポイントと同じモデル ID で提供しており、model_provider クエリパラメータで選択します。
- Comfy(デフォルト):
POST https://api.comfy.org/v2/models/vertexai/gemini-nano-banana-2.1 - MiniMax、
minimax/minimax-nano-banana-2.1として:POST https://api.comfy.org/v2/models/vertexai/gemini-nano-banana-2.1?model_provider=minimax
strict_mode のデフォルトは false のため、Router はこのページに記載されているネイティブなリクエストボディをプロバイダー独自のスキーマに変換し、レスポンスを元の形式に変換して返します。API リファレンスの model_provider、strict_mode、fallback_provider と、この方法でルーティングされるすべてのモデルについては 提供プロバイダー を参照してください。
スキーマ
入力
data フィールドまたは fileUri フィールドで指定されたファイルのメディアタイプです。指定可能な値は次のとおりです。gemini-2.0-flash-lite および gemini-2.0-flash では、オーディオファイルの最大長は 8.4 時間、ビデオファイル(音声なし)の最大長は 1 時間です。詳細は Gemini のオーディオとビデオの要件を参照してください。テキストファイルは UTF-8 でエンコードされている必要があります。テキストファイルのコンテンツはトークン上限にカウントされます。画像の解像度には制限がありません。指定可能な値:
application/pdf, audio/mpeg, audio/mp3, audio/wav, image/png, image/jpeg, image/webp, text/plain, video/mov, video/mpeg, video/mp4, video/mpg, video/avi, video/wmv, video/mpegps, video/flv, image/heic, image/heif, audio/flac, video/webm生のバイト形式のインラインデータです。gemini-2.0-flash-lite および gemini-2.0-flash では、inlineData を使用して最大 3000 枚の画像を指定できます。
プロンプトにインラインで含める画像、PDF、またはビデオの base64 エンコーディングです。メディアをインラインで含める場合は、データのメディアタイプ(mimeType)も指定する必要があります。サイズ上限: 20MB形式:
bytedata フィールドまたは fileUri フィールドで指定されたファイルのメディアタイプです。指定可能な値は次のとおりです。gemini-2.0-flash-lite および gemini-2.0-flash では、オーディオファイルの最大長は 8.4 時間、ビデオファイル(音声なし)の最大長は 1 時間です。詳細は Gemini のオーディオとビデオの要件を参照してください。テキストファイルは UTF-8 でエンコードされている必要があります。テキストファイルのコンテンツはトークン上限にカウントされます。画像の解像度には制限がありません。指定可能な値:
application/pdf, audio/mpeg, audio/mp3, audio/wav, image/png, image/jpeg, image/webp, text/plain, video/mov, video/mpeg, video/mp4, video/mpg, video/avi, video/wmv, video/mpegps, video/flv, image/heic, image/heif, audio/flac, video/webmモデルがこのパートのビデオをどのように読み取るかを指定します。固定レートのフレームサンプリングの代わりに、モデルが検査するセグメントを判断できるようにするには “AGENTIC” を設定します。省略した場合はデフォルトの固定レートサンプリングになります。gemini-3.7-flash 以降の Flash モデルでサポートされています。
生成のサンプリング、長さ、出力に関する設定です。すべてのフィールドは任意です。以下で
default を宣言しているフィールドは省略時にその値が適用され、それ以外のフィールドはモデル固有の動作に従います。任意。出力を保存する画像形式で、Vertex AI のパス(Comfy 独自の認証情報で処理されるリクエスト、および GCP サービスアカウントで認証される BYOK リクエスト)に適用されます。これらのパスで受け付けられる値は
image/png と image/jpeg で、大文字と小文字を区別せずに照合され、リクエストが転送される前に小文字に正規化されます。それ以外の値は、このフィールドを名指しした 400 で拒否されます。省略時は image/png がデフォルトです。例外は Google AI Studio の APIキーで認証される BYOK リクエストです。その上流にはこのプロパティが存在せず、含まれていると呼び出し全体が拒否されるため、このフィールドは尊重も拒否もされずにリクエストから削除され、出力形式は AI Studio が選択したものになります。どのパスでも、送信した値を前提とせず、返されたレスポンスパートからメディアタイプを読み取ってください(inlineData.mimeType、または uploadImagesToStorage が設定されている場合は fileData.mimeType)。シードを特定の値に固定すると、モデルは繰り返しのリクエストに対して同じ応答を提供するようできる限り努めます。決定論的な出力は保証されません。また、モデルや、温度などのパラメータ設定を変更すると、同じシード値を使用していても応答にばらつきが生じることがあります。デフォルトでは、ランダムなシード値が使用されます。次のモデルで利用可能です: gemini-2.5-flash, gemini-2.5-pro, gemini-2.5-flash-preview-04-1, gemini-2.5-pro-preview-05-0, gemini-2.0-flash-lite-00, gemini-2.0-flash-001
温度は、応答生成中のサンプリングに使用され、これは topP と topK が適用されるときに発生します。温度はトークン選択のランダム性の度合いを制御します。低い温度は、より自由度が低く、創造性を求めない応答が必要なプロンプトに適しています。一方、高い温度はより多様または創造的な結果につながる可能性があります。温度が 0 の場合、最も確率の高いトークンが常に選択されます。この場合、特定のプロンプトに対する応答はほとんど決定論的ですが、少量のばらつきが生じる可能性は依然としてあります。モデルが一般的すぎる応答や短すぎる応答を返す場合、またはフォールバック応答を返す場合は、温度を上げてみてください。範囲:
0 から 2形式: floatTop-K は、モデルが出力用のトークンを選択する方法を変更します。Top-K が 1 の場合、次に選択されるトークンは、モデルの語彙内のすべてのトークンの中で最も確率が高いものになります。Top-K が 3 の場合、次のトークンは、温度を使用して、最も確率の高い 3 つのトークンの中から選択されます。範囲:
1 から …指定すると、nucleus サンプリングが使用されます。
Top-P は、モデルが出力用のトークンを選択する方法を変更します。トークンは、その確率の合計が top-P の値に等しくなるまで、最も確率が高いもの (top-K を参照) から最も低いものへと選択されます。たとえば、トークン A、B、C の確率がそれぞれ 0.3、0.2、0.1 で、top-P の値が 0.5 の場合、モデルは温度を使用して A または B のいずれかを次のトークンとして選択し、C は候補から除外します。
ランダム性の低い応答には低い値を、ランダム性の高い応答には高い値を指定します。範囲:
0 から 1形式: float指定可能な値:
HARM_CATEGORY_SEXUALLY_EXPLICIT, HARM_CATEGORY_HATE_SPEECH, HARM_CATEGORY_HARASSMENT, HARM_CATEGORY_DANGEROUS_CONTENTモデルをより良いパフォーマンスへと導くための指示。たとえば、「できるだけ簡潔に回答してください」や「応答に専門用語を使用しないでください」などです。テキスト文字列はトークン制限にカウントされます。systemInstruction の role フィールドは無視され、モデルのパフォーマンスには影響しません。注: parts にはテキストのみを使用し、各 part の内容は別々の段落にしてください。
単一のメッセージを構成する順序付きのパートのリスト。パートごとに異なる IANA MIME タイプを持つ場合があります。トークンの最大数や画像の数など入力の制限については、Google のモデルページにあるモデル仕様を参照してください。
メッセージを作成するエンティティの識別情報。次の値がサポートされています: user: これは、メッセージが実在の人物によって送信されたことを示します。通常はユーザーが生成したメッセージです。model: これは、メッセージがモデルによって生成されたことを示します。model 値は、マルチターン会話中にモデルからのメッセージを会話に挿入するために使用されます。マルチターンでない会話では、このフィールドは空白のままにするか、未設定にできます。指定可能な値:
user, modeltrue の場合、生成済み画像はクラウドストレージにアップロードされ、インラインの base64 データではなく署名付き URL として返されます。URL は 24 時間後に失効します。
ビデオ入力の場合、ビデオの開始と終了のオフセットを Duration 形式で指定します。たとえば 1:00 から始まる 10 秒のクリップを指定するには、“startOffset”: { “seconds”: 60 } と “endOffset”: { “seconds”: 70 } を設定します。このメタデータは、ビデオデータが inlineData または fileData で提供されている場合にのみ指定してください。
時間幅の符号付き秒です。-315,576,000,000 から +315,576,000,000 まで(両端を含む)の範囲で指定する必要があります。範囲:
-315576000000 から 315576000000時間幅の符号付き秒です。-315,576,000,000 から +315,576,000,000 まで(両端を含む)の範囲で指定する必要があります。範囲:
-315576000000 から 315576000000GET /v2/models/vertexai/gemini-nano-banana-2.1/openapi.json で提供するスキーマから生成されており、リクエストがプロバイダーに到達する前に呼び出しを検証する際に使われるドキュメントと同じものです。
出力
data フィールドまたは fileUri フィールドで指定されたファイルのメディアタイプです。指定可能な値は次のとおりです。gemini-2.0-flash-lite および gemini-2.0-flash では、オーディオファイルの最大長は 8.4 時間、ビデオファイル(音声なし)の最大長は 1 時間です。詳細については、Gemini のオーディオとビデオの要件を参照してください。テキストファイルは UTF-8 でエンコードされている必要があります。テキストファイルの内容はトークン上限にカウントされます。画像の解像度に制限はありません。指定可能な値:
application/pdf, audio/mpeg, audio/mp3, audio/wav, image/png, image/jpeg, image/webp, text/plain, video/mov, video/mpeg, video/mp4, video/mpg, video/avi, video/wmv, video/mpegps, video/flv, image/heic, image/heif, audio/flac, video/webm生のバイト形式のインラインデータです。gemini-2.0-flash-lite および gemini-2.0-flash では、inlineData を使用して最大 3000 枚の画像を指定できます。
プロンプトにインラインで含める画像、PDF、またはビデオの base64 エンコーディングです。メディアをインラインで含める場合は、データのメディアタイプ(mimeType)も指定する必要があります。サイズ制限: 20MB形式:
bytedata フィールドまたは fileUri フィールドで指定されたファイルのメディアタイプです。指定可能な値は次のとおりです。gemini-2.0-flash-lite および gemini-2.0-flash では、オーディオファイルの最大長は 8.4 時間、ビデオファイル(音声なし)の最大長は 1 時間です。詳細については、Gemini のオーディオとビデオの要件を参照してください。テキストファイルは UTF-8 でエンコードされている必要があります。テキストファイルの内容はトークン上限にカウントされます。画像の解像度に制限はありません。指定可能な値:
application/pdf, audio/mpeg, audio/mp3, audio/wav, image/png, image/jpeg, image/webp, text/plain, video/mov, video/mpeg, video/mp4, video/mpg, video/avi, video/wmv, video/mpegps, video/flv, image/heic, image/heif, audio/flac, video/webmモデルがこのパートのビデオをどのように読み取るかです。“AGENTIC” を設定すると、固定レートのフレームサンプリングではなく、検査するセグメントをモデルが決定します。省略した場合はデフォルトの固定レートサンプリングになります。gemini-3.7-flash 以降の Flash モデルでサポートされています。
指定可能な値:
HARM_CATEGORY_SEXUALLY_EXPLICIT, HARM_CATEGORY_HATE_SPEECH, HARM_CATEGORY_HARASSMENT, HARM_CATEGORY_DANGEROUS_CONTENT指定可能な値:
HARM_CATEGORY_SEXUALLY_EXPLICIT, HARM_CATEGORY_HATE_SPEECH, HARM_CATEGORY_HARASSMENT, HARM_CATEGORY_DANGEROUS_CONTENT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 は理由を説明する 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、413 はリクエスト本文が Router の受け入れ可能なサイズを超えてい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。
上記のフィールド説明に記載されているサイズ制限は、プロバイダーの仕様から引用した、そのフィールドに対するプロバイダー自身の上限です。Router はリクエスト本文全体に対して別の上限を適用し、base64 エンコードされたメディアもこれにカウントされます。リクエスト本文のサイズ を参照してください。
このページは、Comfy Router 経由で呼び出す 1 つのパートナーモデルについて説明しています。同じ comfy-sdk / @comfyorg/sdk パッケージには、Comfy Cloud 上で ComfyUI のワークフローグラフ全体を実行するための 2 つ目のクライアントも含まれています: Comfy(api_key=...) / new Comfy({ apiKey })、および client.workflows、client.assets、client.jobs。Comfy SDKs を参照してください。
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。