クイックスタート
あなたの 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)を使用しており、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: vertexai/gemini-3.1-flash-lite-image
エンドポイント: POST https://api.comfy.org/v2/models/vertexai/gemini-3.1-flash-lite-image
- 結果を待つ
- キューに送信し、後で収集する
同じボディを
POST https://api.comfy.org/v2/models/vertexai/gemini-3.1-flash-lite-image/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、結果は準備ができ次第、このプロセスまたは別のプロセスから収集されます。キュー配信 では、ステータス、キャンセル、収集の流れを説明します。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。許容される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コンテンツはトークン制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。許容される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コンテンツはトークン制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。固定レートのフレームサンプリングではなく、モデルが検査するセグメントを決定できるようにするには “AGENTIC” を設定します。デフォルトの固定レートサンプリングを使用する場合は省略します。gemini-3.7-flash 以降の Flash モデルでサポートされています。
生成のためのサンプリング、長さ、出力の設定です。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自体の動作に従います。任意。出力を保存する画像形式です。対象は Vertex AI の経路、つまり Comfy 自身の認証情報で処理されるリクエストと、GCP サービスアカウントで認証される BYOK リクエストです。これらの経路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、このフィールド名を示す 400 エラーで拒否されます。省略時は image/png がデフォルトです。Google AI Studio の APIキーで認証される BYOK リクエストは例外です。この上流にはそのようなプロパティが存在せず、指定されていると呼び出し全体が拒否されるため、このフィールドは反映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。どの経路でも、送信した値を前提とせず、返されたレスポンスのパート (inlineData.mimeType、uploadImagesToStorage が設定されている場合は fileData.mimeType) からメディアタイプを読み取ってください。seed 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返すよう最善を尽くします。決定論的な出力は保証されません。また、temperature などのモデルやパラメータ設定を変更すると、同じ seed 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 seed 値が使用されます。次のモデルで利用できます: 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
temperature は、topP と topK が適用される応答生成時のサンプリングに使用されます。temperature 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 temperature は、自由度の低い応答や創造性を必要としないプロンプトに適しており、高い temperature はより多様な、または創造的な結果につながります。temperature が 0 の場合、常に確率が最も高いトークンが選択されます。この場合、特定のプロンプトに対する応答はほぼ決定的になりますが、わずかなばらつきが生じる可能性はあります。モデルが返す応答が一般的すぎる、短すぎる、またはフォールバック応答を返す場合は、temperature を上げてみてください範囲:
0 ~ 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全体の中で最も確率が高いものです。Top-K が 3 の場合、次に選択されるトークンは、temperature を用いて確率が上位 3 のトークンの中から選択されます。範囲:
1 ~ …指定した場合、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、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 temperature を用いて A または B を次のトークンとして選択し、C は候補から除外されます。
ランダム性の低い応答を得たい場合は低い値、ランダム性の高い応答を得たい場合は高い値を指定してください。範囲:
0 ~ 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「できるだけ簡潔に答えてください」「応答に専門用語を使わないでください」などです。テキスト文字列はトークン上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 content は別々の段落にしてください。
1 つのメッセージを構成する順序付けられた part のリスト。part ごとに異なる IANA MIME タイプを使用できます。トークンの最大数や画像の枚数など入力の上限については、Google のモデルページにあるモデルの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。以下の値がサポートされています: user: 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: 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 の値は、マルチターンの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、生成済みの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 時間後に期限切れになります。
ビデオ入力の場合、Duration 形式でのビデオの開始と終了のオフセット。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。メタデータは、ビデオデータが inlineData または fileData で提示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数。-315,576,000,000 から +315,576,000,000 まで(両端を含む)でなければなりません。範囲:
-315576000000 から 315576000000時間幅の符号付き秒数。-315,576,000,000 から +315,576,000,000 まで(両端を含む)でなければなりません。範囲:
-315576000000 から 315576000000GET /v2/models/vertexai/gemini-3.1-flash-lite-image/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 が呼び出しを検証する際に使用す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。指定可能な値は以下のとおりです。gemini-2.0-flash-lite と 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制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生バイトのインラインデータです。gemini-2.0-flash-lite と 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 エンコードです。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。指定可能な値は以下のとおりです。gemini-2.0-flash-lite と 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制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読み取る方法です。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決定できるようにするには “AGENTIC” を設定します。デフォルトの固定レートサンプリングを使用する場合は省略します。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
inlineData.data に base64 バイトが、inlineData.mimeType にメディアタイプが含まれます。バイト列をデコードしてファイルに保存してください。uploadImagesToStorage: true の場合、アップロードされた画像は代わりに、署名付き URL には fileData.fileUri、メディアタイプには fileData.mimeType を使用します。これらの画像は、URL が失効する前にダウンロードしてください。URL は作成から 24 時間後に失効します。アップロードに失敗した場合、その画像はインラインのまま残るため、各パートの inlineData または fileData を確認してください。テキストパートが含まれることもあり、画像が必ず最初のパートであるとは限りません。上記のクイックスタートのサンプルにある candidates[0].content.parts[0].inlineData.data というパスは、このページのサンプルレスポンスに含まれる単一のインラインパートを読み取るものです。実際のレスポンスに対しては、位置 0 を指定するのではなく、parts をスキャンして目的のキーを探してください。
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。