ComfyPilotComfyPilot
文档 / 开发 / 使用 Gemini Omni 1.2 Flash 配合 Comfy Router

使用 Gemini Omni 1.2 Flash 配合 Comfy Router

通过 Comfy Router 调用 gemini-interactions/gemini-omni-1.2-flash：端点、请求结构以及 Router 返回的响应。

开发 code 更新于 2026-11-09

查看官方原文

使用 Gemini Omni 1.2 Flash 配合 Comfy Router

通过 Comfy Router 调用 gemini-interactions/gemini-omni-1.2-flash：端点、请求结构以及 Router 返回的响应。

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

[tab] 等待结果 ``python Python theme={null} from comfy_sdk import Comfy # 从环境中读取 COMFY_API_KEY。 # SDK 会自动创建幂等键，并在自动重试时复用该键。 with Comfy() as client: result = client.models.run( "gemini-interactions/gemini-omni-1.2-flash", { "input": "Reply with the single word: ok", "stream": False, }, ) print(result) ` `typescript TypeScript theme={null} import { comfy } from "@comfyorg/sdk"; // 从环境中读取 COMFY_API_KEY。 // SDK 会自动创建幂等键，并在自动重试时复用该键。 const { data } = await comfy.models.run("gemini-interactions/gemini-omni-1.2-flash", { input: "Reply with the single word: ok", stream: false, }); console.log(data); ` `bash cURL theme={null} curl https://api.comfy.org/v2/models/gemini-interactions/gemini-omni-1.2-flash \ -H "X-API-Key: $COMFY_API_KEY" \ -H "Idempotency-Key: $(uuidgen)" \ -H "Content-Type: application/json" \ -d "{\"input\": \"Reply with the single word: ok\", \"stream\": false}" ``
[tab] 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。 ``python Python theme={null} import asyncio from comfy_sdk import AsyncComfy # 从环境中读取 COMFY_API_KEY。 # 每次 submit() 调用都会生成自己的 Idempotency-Key，并在自动重试时复用该键。 async def main(): async with AsyncComfy() as client: handle = await client.models.submit( "gemini-interactions/gemini-omni-1.2-flash", { "input": "Reply with the single word: ok", "stream": False, }, ) print("request_id:", handle.request_id) # 配合模型 ID，另一个进程只需这些信息 # 轮询直到请求完成，每次等待服务器指定的 Retry-After。 async for update in handle.iter_events(): print(update.status, update.queue_position) # 提供商自身的负载，与 models.run() 返回的值相同。 # 失败或已取消的请求会在这里抛出带类型的 Router 错误。 result = await handle.get() print(result) asyncio.run(main()) ` `typescript TypeScript theme={null} import { comfy } from "@comfyorg/sdk"; // 从环境中读取 COMFY_API_KEY。 // 每次 submit() 调用都会生成自己的 Idempotency-Key，并在自动重试时复用该键。 const handle = await comfy.models.submit("gemini-interactions/gemini-omni-1.2-flash", { input: "Reply with the single word: ok", stream: false, }); console.log("requestId:", handle.requestId); // 配合模型 ID，另一个进程只需这些信息 // 轮询直到请求完成，每次等待服务器指定的 Retry-After。 for await (const update of handle.events()) { console.log(update.status, update.queuePosition); } // 与 models.run() 返回的结果相同。失败或已取消的请求会在这里被拒绝。 const result = await handle.get(); console.log(result.data); ` `bash cURL theme={null} # 1. 提交。Router 返回 201，以及 request_id、status_url、response_url 和 cancel_url。 curl https://api.comfy.org/v2/models/gemini-interactions/gemini-omni-1.2-flash/requests \ -H "X-API-Key: $COMFY_API_KEY" \ -H "Idempotency-Key: $(uuidgen)" \ -H "Content-Type: application/json" \ -d "{\"input\": \"Reply with the single word: ok\", \"stream\": false}" # 2. 轮询直到状态为 COMPLETED，每次响应都会指定需要等待的 Retry-After 秒数。 REQUEST_ID="<request_id from the 201 body>" curl -i https://api.comfy.org/v2/models/gemini-interactions/gemini-omni-1.2-flash/requests/$REQUEST_ID/status \ -H "X-API-Key: $COMFY_API_KEY" # 3. 收集。请求仍在运行时返回 202 及状态响应体，完成时返回 200 及模型的原始输出。 curl https://api.comfy.org/v2/models/gemini-interactions/gemini-omni-1.2-flash/requests/$REQUEST_ID \ -H "X-API-Key: $COMFY_API_KEY" ``

Schema

输入

input object required

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）。

model 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。

previous\_interaction\_id string

先前存储的交互的 ID，用于支持有状态的多轮视频编辑。

根据 Router 在 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

id string

model string

object string

status string required

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：completed

steps object[] required

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。

steps\[].content object[]

此步骤的带类型内容块。

steps\[].content\[].data 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。

steps\[].content\[].mime\_type string

媒体块上 data 或 uri 的媒体类型。

steps\[].content\[].text 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）。

steps\[].content\[].type string

块类型：text、image、audio、video 或 document。

steps\[].content\[].uri string

对带外传递媒体的引用，调用方从它指定的 URI 获取。

steps\[].type 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。

usage object

Gemini 交互的 token 用量。

usage.input\_tokens\_by\_modality object[]

一种模态的 token 数量。

usage.input\_tokens\_by\_modality\[].modality string

text、image、audio、video、document 之一。

usage.input\_tokens\_by\_modality\[].tokens integer

usage.output\_tokens\_by\_modality object[]

一种模态的 token 数量。

usage.output\_tokens\_by\_modality\[].modality string

text、image、audio、video、document 之一。

usage.output\_tokens\_by\_modality\[].tokens integer

usage.total\_cached\_tokens integer

usage.total\_input\_tokens integer

usage.total\_output\_tokens integer

usage.total\_thought\_tokens integer

usage.total\_tokens integer

示例

输入

{
  "input": "Reply with the single word: ok",
  "stream": false
}

输出

{
  "id": "interactions/3f6c1a90-2b47-4d18-9a55-7c0e8b21d4f3",
  "object": "interaction",
  "status": "completed",
  "steps": [
    {
      "content": [
        {
          "text": "ok",
          "type": "text"
        }
      ],
      "type": "model_output"
    }
  ],
  "usage": {
    "input_tokens_by_modality": [
      {
        "modality": "text",
        "tokens": 9
      }
    ],
    "output_tokens_by_modality": [
      {
        "modality": "text",
        "tokens": 2
      }
    ],
    "total_cached_tokens": 0,
    "total_input_tokens": 9,
    "total_output_tokens": 2,
    "total_thought_tokens": 0,
    "total_tokens": 11
  }
}

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。

[card] 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。
[card] 使用 Router API 模型发现、验证错误、重试与计费。
[card] 限制 Router 目前不支持的功能，以及替代方案。