在 ComfyUI 中使用 Google Gemini：对话与图像理解

在 ComfyUI 中使用 Google Gemini 合作节点进行多模态对话与图像理解，并把图像转换为绘图提示词

Google Gemini 是由 Google 开发的强大 AI 模型，支持对话和文本生成功能。目前，ComfyUI 已集成 Google Gemini API，让你可以直接在 ComfyUI 中使用相关节点来完成对话功能。

Google Gemini 擅长什么

• 对话与文本生成：直接在 ComfyUI 工作流中与 Google 的多模态 AI 对话
• 多模态推理：借助 Gemini 的推理能力解读图像
• 图像转提示词解读：官方模板附带一个提示词，可将您的图像转换为相应的绘画提示词
• 多图像输入：使用 Batch Images 在单次运行中发送多张图像供 AI 解读

使用方法

[card] 从代码中调用 通过 Comfy Router 以 HTTP 调用，附带可复制粘贴的 Python、TypeScript、Swift 和 cURL 代码片段

它与在下方 ComfyUI 中运行使用同一个 Comfy 账户，并按相同的积分计费。各模型的费率请参见合作伙伴节点积分，可同时在途的请求数量请参见并发限制。

[!TIP] 使用 API 节点需要保证你已经正常登录，并在受许可的网络环境下使用，请参考API 节点总览部分文档来了解使用 API 节点的具体使用要求。

[!TIP] > [tab] 本地用户 > > 请确保你的 ComfyUI 已经更新。 > > ComfyUI 下载 > ComfyUI 更新教程 > > 本指南里的工作流可以在工作流模板中找到。如果找不到，可能是 ComfyUI 没有更新。 > > 如果加载工作流时有节点缺失，可能原因有： > > 1. 你用的不是最新版（每夜版）。 > 2. 启动时有些节点导入失败。 > [tab] 云端用户 > > * Cloud 会在 ComfyUI 稳定版本发布后更新。 > > 所以，如果你发现本文档中有任何核心节点缺失，可能是因为新核心节点尚未在最新稳定版中发布。请等待下一个稳定版发布。

Google Gemini

通过 Gemini 的推理能力，体验 Google 的多模态 AI。

[card] 在 Comfy Cloud 上运行 在 Comfy Cloud 中打开

[card] 下载工作流 下载 JSON，或在模板库中搜索 "Google Gemini"

输入素材

将此文件上传到对应的 LoadImage 节点：

[card] example.png LoadImage 节点 2 · example.png

逐步完成工作流执行

[!NOTE] 在对应的模板中，我们已经内置了一个用于分析和生成角色提示词的 prompt，用来将您的图像解读为相应的绘图提示词

您可以参考图像中的编号，完成基本的文生图工作流执行：

1. 在 Load Image 节点中，加载您需要 AI 解读的图像
2. （可选）如有需要，您可以修改 Google Gemini 中的 prompt，让 AI 执行特定任务
3. 点击 Run 按钮，或使用快捷键 Ctrl(cmd) + Enter 执行对话。
4. 等待 API 返回结果之后，您可以在 Preview Any 节点中查看 AI 返回的相应内容。

补充说明

• 目前，文件输入节点 Gemini Input Files 需要先将文件上传到 ComfyUI/input/ 目录。此节点正在改进中，我们会在更新后修改模板
• 该工作流提供了一个使用 批量图像 作为输入的示例。如果你有多张图像需要 AI 解读，可以参考步骤示意图，通过右键将对应节点的模式设置为 Always 来启用它