Google Gemini パートナーノードで利用できる Gemini 4 テキストモデルのひとつです。参照画像とテキストによる指示を渡すと、モデルは求められたテキストを書き出します。アートディレクションされたプロンプト、詳細なキャプション、画像に含まれる内容を構造化して分解した説明などです。返されるのはプレーンテキストなので、結果はチャットウィンドウで終わることなく、同じワークフロー内の別のノードへ渡すことができます。
Gemini 4 Hydrogen が得意なこと
- プロンプトのリバースエンジニアリング: 画像を、被写体、構図、カメラ、ライティング、配色、テクスチャ、スタイルを網羅した再利用可能なポジティブプロンプトに変換します
- 詳細なキャプション: 静止画に対して長い説明文を、段落をまたいでも説明の一貫性を保てるだけの推論の深さで作成します
- 構造化された視覚分析: 1つの段落ではなく、レイアウト、チャート、シーンの要素ごとの内訳を求めることができます
- マルチモーダルなコンテキスト: 画像に加えて、このノードは
Gemini Input Filesを介してオーディオクリップ、ビデオクリップ、ファイルを受け付け、合計で最大16枚の画像を扱えます - バッチ注釈:
Save Textノードを使って画像のフォルダーをワークフローに通し、すべての結果がファイルとして保存されるようにします
Gemini 4 Hydrogen による画像からのプロンプト生成
公式テンプレートは1枚の画像を読み込み、標準的なAIアートのポジティブプロンプトを求めるプロンプトとともにその画像をGemini 4 Hydrogen へ送信し、応答を Preview Any に表示してテキストファイルに書き出します。
ワークフローをダウンロード
JSONをダウンロードするか、テンプレートライブラリで「Gemini 4 Hydrogen」を検索してください
blue_poppies_field.png
LoadImage ノード · blue_poppies_field.pngLoadImageノードに画像を読み込み、Google Geminiノードのimages入力に接続します。- 別の種類の回答が欲しい場合は、
Text (User Prompt)ノードのテキストを編集します。テンプレートのプロンプトは、被写体、構図、カメラ、ライティング、色、テクスチャ、スタイルを求め、ポジティブプロンプトのみを要求します。 - ワークフローを実行します。応答は
Preview Anyに表示され、Save TextはComfyUI/output/Gemini/配下にGemini4_Hydrogenで始まる名前の.txtファイルを書き出します。ファイル内では、USER PROMPT:の後にあなたのプロンプトが、OUTPUT:の後にモデルの応答が続きます。
出力を変更するノード設定
Hydrogen には
temperature や top_p ウィジェットはありません。出力のばらつきはプロンプト、思考レベル、シードによって生じ、決定論的な出力は保証されません。Gemini 4 モデルファミリー
Google Gemini ノードは 3 つの Gemini 4 テキストモデルを提供します。入力セットは共通で、思考の深さと返せる回答の長さが異なります:
現時点でテンプレートが用意されているのは Hydrogen のみです。Argon や Carbon を試すには、Hydrogen のワークフローを複製し、
model ドロップダウンを切り替えます。グラフの他の部分は変わりません。
注意事項
Gemini 4 Hydrogen テンプレートには ComfyUI 0.46.0 以降が必要です。以前のビルドでは、
Google Gemini ノードに Gemini 4 モデルが一覧表示されません。このテンプレートの Comfy Cloud バージョンはまだありません。- このワークフローはお客様の Comfy アカウントで実行され、他のパートナーノードと同じクレジットで課金されます。モデルごとの料金についてはパートナーノードクレジットを、同時に処理できるリクエスト数については同時実行数の上限を参照してください。
- オリジナルの Gemini チャットワークフローは、
Batch Imagesの例を含め、Google Gemini ページに掲載されています。