vertexai/gemini-nano-banana-2.1 的 API 参考,由 Comfy Router 从 Google 提供。
输入: 文本、图像、视频 · 输出: 图像 + 文本
快速开始
在你的 Comfy 工作区中创建密钥,并将其导出为COMFY_API_KEY。Python 和 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 发出的同一调用。
模型 ID: vertexai/gemini-nano-banana-2.1
端点: POST https://api.comfy.org/v2/models/vertexai/gemini-nano-banana-2.1
- 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/vertexai/gemini-nano-banana-2.1/requests。一旦运行被接纳,Router 便会返回 201 和 request_id,结果准备就绪后即可收集,可以从当前进程或另一个进程收集。队列投递介绍了状态、取消和结果收集。服务提供商
除非请求中指定了其他提供商,否则该模型直接由 Comfy Router 提供服务。下列提供商同样提供该模型,使用相同的端点和相同的模型 ID,通过model_provider 查询参数进行选择。
- Comfy(默认):
POST https://api.comfy.org/v2/models/vertexai/gemini-nano-banana-2.1 - MiniMax,模型 ID 为
minimax/minimax-nano-banana-2.1:POST https://api.comfy.org/v2/models/vertexai/gemini-nano-banana-2.1?model_provider=minimax
strict_mode 默认为 false,因此 Router 会把本页所述的原生请求体转换为提供商自身的 schema,并将响应转换回来。请参阅 API 参考中的 model_provider、strict_mode 和 fallback_provider,以及服务提供商了解所有以此方式路由的模型。
Schema
输入
在 data 或 fileUri 字段中指定的文件的媒体类型。可接受的值包括以下内容。对于 gemini-2.0-flash-lite 和 gemini-2.0-flash,音频文件的最长时长为 8.4 小时,视频文件(无音频)的最长时长为 1 小时。更多信息请参阅 Gemini 音频和视频依赖项。文本文件必须采用 UTF-8 编码。文本文件的内容会计入 token 限制。图像分辨率无限制。可能值:
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在 data 或 fileUri 字段中指定的文件的媒体类型。可接受的值包括以下内容。对于 gemini-2.0-flash-lite 和 gemini-2.0-flash,音频文件的最长时长为 8.4 小时,视频文件(无音频)的最长时长为 1 小时。更多信息请参阅 Gemini 音频和视频依赖项。文本文件必须采用 UTF-8 编码。文本文件的内容会计入 token 限制。图像分辨率无限制。可能值:
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模型如何读取此部分中的视频。设置为 “AGENTIC” 可让模型决定检查哪些片段,而不是采用固定帧率采样。省略该字段则使用默认的固定帧率采样。在 gemini-3.7-flash 及更新的 Flash 模型上受支持。
可选。在 Vertex AI 路径上,输出应保存为的图像格式:由 Comfy 自有凭据提供服务的请求,以及使用 GCP 服务账号进行身份验证的 BYOK 请求。这些路径上接受的值为
image/png 和 image/jpeg,匹配时不区分大小写,并在转发请求之前规范化为小写;任何其他值都会被拒绝,并返回一个指明此字段的 400 错误。省略时默认为 image/png。使用 Google AI Studio API 密钥进行身份验证的 BYOK 请求是例外:该上游没有此属性,如果存在该字段就会拒绝整个调用,因此该字段会从请求中删除,而不是被接受或拒绝,输出格式由 AI Studio 选择。在所有路径上,都应从返回给你的响应部分读回媒体类型(inlineData.mimeType,或在设置了 uploadImagesToStorage 时读取 fileData.mimeType),而不是假定你发送的值。当种子固定为特定值时,模型会尽力为重复请求提供相同的响应。不保证输出具有确定性。此外,更改模型或参数设置(例如温度)可能会导致响应发生变化,即使使用相同的种子值也是如此。默认情况下,使用随机种子值。适用于以下模型: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
温度用于响应生成过程中的采样,采样会在应用 topP 和 topK 时进行。温度控制 token 选择中的随机程度。较低的温度适合需要不那么开放式或创造性响应的提示词,而较高的温度可以产生更多样或更具创造性的结果。温度为 0 表示始终选择概率最高的 token。在这种情况下,给定提示词的响应大多是确定性的,但仍可能出现少量变化。如果模型返回的响应过于笼统、过短,或模型给出回退响应,请尝试提高温度范围:
0 到 2格式:floatTop-K 会改变模型选择 token 进行输出的方式。top-K 为 1 表示下一个选中的 token 是模型词表中所有 token 里概率最高的。top-K 为 3 表示通过使用温度从概率最高的 3 个 token 中选择下一个 token。范围:
1 到 …如果指定,则使用核采样。
Top-P 会改变模型选择 token 进行输出的方式。token 会按概率从最高(参见 top-K)到最低进行选择,直到它们的概率之和等于 top-P 值。例如,如果 token A、B、C 的概率分别为 0.3、0.2 和 0.1,且 top-P 值为 0.5,则模型会通过使用温度选择 A 或 B 作为下一个 token,并排除 C 作为候选。
指定较低的值可获得随机性更低的响应,指定较高的值可获得随机性更高的响应。范围:
0 到 1格式:float可能的值:
HARM_CATEGORY_SEXUALLY_EXPLICIT、HARM_CATEGORY_HATE_SPEECH、HARM_CATEGORY_HARASSMENT、HARM_CATEGORY_DANGEROUS_CONTENT用于引导模型获得更好性能的指令。例如,“尽可能简洁地回答”或“响应中不要使用技术术语”。文本字符串会计入 token 上限。systemInstruction 的 role 字段会被忽略,且不会影响模型的性能。注意:parts 中只应使用文本,且每个 part 中的内容应位于单独的段落中。
组成单条消息的有序 parts 列表。不同的 part 可能具有不同的 IANA MIME 类型。有关输入限制(例如最大 token 数或图像数量),请参阅 Google 模型页面上的模型规格。
创建消息的实体的身份。支持以下值:user 表示消息由真人发送,通常是用户生成的消息。model 表示消息由模型生成。model 值用于在多轮对话期间将来自模型的消息插入对话中。对于非多轮对话,此字段可以留空或未设置。可能的值:
user、model用于视频输入,表示视频的起始和结束偏移量,采用 Duration 格式。例如,要指定从 1:00 开始的 10 秒片段,请设置 “startOffset”: { “seconds”: 60 } 和 “endOffset”: { “seconds”: 70 }。只有在视频数据以 inlineData 或 fileData 形式提供时,才应指定该元数据。
GET /v2/models/vertexai/gemini-nano-banana-2.1/openapi.json 处提供的 schema 生成,该文档与 Router 在请求到达提供商之前用于校验调用的文档相同。
输出
由 data 或 fileUri 字段指定的文件的媒体类型。可接受的值包括以下几种。对于 gemini-2.0-flash-lite 和 gemini-2.0-flash,音频文件的最大长度为 8.4 小时,视频文件(不含音频)的最大长度为一小时。有关更多信息,请参阅 Gemini 音频和视频要求。文本文件必须使用 UTF-8 编码。文本文件的内容计入 token 限制。图像分辨率无限制。可能的值:
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由 data 或 fileUri 字段指定的文件的媒体类型。可接受的值包括以下几种。对于 gemini-2.0-flash-lite 和 gemini-2.0-flash,音频文件的最大长度为 8.4 小时,视频文件(不含音频)的最大长度为一小时。有关更多信息,请参阅 Gemini 音频和视频要求。文本文件必须使用 UTF-8 编码。文本文件的内容计入 token 限制。图像分辨率无限制。可能的值:
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模型如何读取此部分的视频。设置为 “AGENTIC” 可让模型自行决定要检查哪些片段,而不是按固定帧率采样。省略则使用默认的固定帧率采样。在 gemini-3.7-flash 及更新的 Flash 模型上受支持。
可能的值:
HARM_CATEGORY_SEXUALLY_EXPLICIT, HARM_CATEGORY_HATE_SPEECH, HARM_CATEGORY_HARASSMENT, HARM_CATEGORY_DANGEROUS_CONTENT可能的值:
HARM_CATEGORY_SEXUALLY_EXPLICIT、HARM_CATEGORY_HATE_SPEECH、HARM_CATEGORY_HARASSMENT、HARM_CATEGORY_DANGEROUS_CONTENT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。