gemini-interactions/gemini-omni-1.2-flash 的 API 参考,该模型由 Comfy Router 从 Gemini Interactions 提供。
输入: 文本、图像、音频、视频 · 输出: 文本 + 视频
快速开始
在你的 Comfy 工作区中创建一个密钥,并将其导出为COMFY_API_KEY。Python 与 TypeScript 代码片段使用 Comfy SDK(pip install comfy-sdk 和 npm install @comfyorg/sdk);cURL 代码片段则是通过原始 HTTP 发起的同一调用。
模型 ID: gemini-interactions/gemini-omni-1.2-flash
端点: POST https://api.comfy.org/v2/models/gemini-interactions/gemini-omni-1.2-flash
- 等待结果
- 排队并稍后收集
相同的请求体,发送到
POST https://api.comfy.org/v2/models/gemini-interactions/gemini-omni-1.2-flash/requests。只要运行被接纳,Router 就会返回 201 及 request_id,结果准备就绪后即可收集,不论是在当前进程还是另一个进程中。排队投递介绍了状态、取消与收集的完整流程。Schema
输入
object
必填
可以是提示词字符串,也可以是带类型的内容部分数组(文本、图像、音频、视频、文档)。
string
Gemini 模型标识符:
gemini-omni-1.2-flash 或 gemini-omni-1.1-flash(正式可用),或弃用的 gemini-omni-flash-preview。在 Comfy Router 路由 POST /v2/models/gemini-interactions/{model} 上,它由路径提供,可以省略。这三种拼写(即 Comfy Router 以 gemini-interactions/<model> 寻址的集合)正是此操作所服务的拼写(supportedGeminiInteractionModels);这里将它们逐一列出,而不是约束为枚举,因为代理会自行验证模型,并对它不服务的拼写返回自己的 400 响应。string
先前存储的交互的 ID,用于支持有状态的多轮视频编辑。
GET /v2/models/gemini-interactions/gemini-omni-1.2-flash/openapi.json 提供的 schema 生成;该 schema 也是它在请求到达提供商之前校验调用时所依据的同一份文档。
输出
string
string
string
string
必填
在 Router 响应中始终为
completed。提供商的其他状态(in_progress、requires_action、failed、cancelled、incomplete、budget_exceeded)不会通过 Router 作为 200 响应到达调用方;它们会作为携带提供商响应体的 Comfy Router 错误返回。可能的值:completedobject[]
必填
交互时间线,按顺序排列。这里从
GeminiInteraction 上无类型的 steps 收窄而来,以便输出叶子节点可寻址;提供商会不断添加步骤类型,因此每一项都是 additionalProperties: true,只声明 Router 调用方会读取的字段。object[]
此步骤的带类型内容块。
string
Base64 编码的内联媒体,出现在以内联方式传递的媒体块上。Google 将内联媒体限制为 4 MB,超过后要求使用
delivery: uri。string
媒体块上
data 或 uri 的媒体类型。string
生成的文本。出现在
text 块上,并且这是每夜 Router SDK 测试用例所断言的叶子节点:具体是在 model_output 步骤上(steps[type=model_output].content[].text)。string
块类型:
text、image、audio、video 或 document。string
对带外传递媒体的引用,调用方从它指定的 URI 获取。
string
步骤类型。
model_output 是生成的答案;user_input 是检索路由回显的调用方自己的轮次;thought 是内部推理。工具步骤(function_call、function_result、code_execution_call、google_search_call 等)是开放式的,Google 会不断添加。object
Gemini 交互的 token 用量。
object[]
一种模态的 token 数量。
string
text、image、audio、video、document 之一。integer
object[]
一种模态的 token 数量。
string
text、image、audio、video、document 之一。integer
integer
integer
integer
integer
integer
示例
输入
输出
发布前须知
SDK 会生成Idempotency-Key 并在自动重试中复用它。手动重试时,请复用原始 key。Router 最长可保持连接 10 分钟。
请求失败时,Router 会发送 X-Comfy-Error-Type 响应头说明原因。422 表示 Router 在调用提供商之前就拒绝了输入,413 表示请求体超出了 Router 可接受的大小。已生成的资源请及时下载,因为结果 URL 会过期。
上文任何字段描述中提到的尺寸限制,都是提供商对该字段自身的限定,引自提供商的规范。Router 会对整个请求体另行设置上限,base64 编码的媒体内容也计入其中:参见请求体大小。
本页记录的是通过 Comfy Router 调用的某一个合作伙伴模型。同一个 comfy-sdk / @comfyorg/sdk 包还提供第二个客户端,用于在 Comfy Cloud 上运行完整的 ComfyUI 工作流图:Comfy(api_key=...) / new Comfy({ apiKey }),并带有 client.workflows、client.assets 和 client.jobs。请参阅 Comfy SDKs。
请求头
身份验证、幂等性、请求 ID、错误分类、重试节奏、消费限额。
使用 Router API
模型发现、验证错误、重试与计费。
限制
Router 目前不支持的功能,以及替代方案。