ComfyUI 中的 Gemini

🆕 最新 Gemini 1.5 Pro 模型已加入！

• 支持系统指令设置（System Instruction）
• 支持多模态 + 多轮对话
• 可以读取视频、音频等文件（上限 20G）
• 支持输入的 token 上限达到了 104万8576
• 目前速率限制比较严格，每分钟只有 2 次，每天只有 1000 次

已支持文件上传功能，目前仅限单个文件（图片、txt文件、pdf文件、mp3音频文件等），未来将支持多文件上传（用于读取视频）

All-in-One LoRa 训练预处理、自动打标、训练、测试 LoRA 一条龙工作流

https://github.com/ZHO-ZHO-ZHO/ComfyUI-Gemini/assets/140084057/d461f656-6888-48a8-b4f8-b70b7e46504d

V2.0 聊天机器人节点

https://github.com/ZHO-ZHO-ZHO/ComfyUI-Gemini/assets/140084057/cb64ee29-a983-47fd-b26b-55386314afdd

将 Gemini pro vision 用于批量打标

https://github.com/ZHO-ZHO-ZHO/ComfyUI-Gemini/assets/140084057/00addc94-1587-40d6-83f4-6b47dc1db665

项目介绍

• 将 Google Gemini 引入 ComfyUI，现在你可以用它生成提示词、描述图像，也可与它畅聊人生

• 目前 Gemini API 免费开放（2024年5月2日开始收费），你可以在这里申请一个自己的 API Key：Gemini API 申请

• 最新 Gemini 1.5 Pro 模型：

  • 支持系统指令设置（System Instruction）
  • 支持多模态 + 多轮对话
  • 可以读取视频、音频等文件（上限 20G）
  • 支持输入的 token 上限达到了 104万8576
  • 目前速率限制比较严格，每分钟只有 2 次，每天只有 1000 次

• 版本：V3.0 新增 Gemini 1.5 Pro 模型、系统指令、文件上传

详细说明

• Gemini 目前提供 3 种模型：

  • Gemini-pro: 文本模型

  • Genimi-pro-vision: 文本 + 图像模型

  • Gemini 1.5 Pro：文本 + 图像 + 文件（音频、视频等各类）模型

• Gemini 1.5 Pro 新节点：

  • 🆕Gemini_15P_Advance_Zho：支持系统指令设置（System Instruction）

  • 🆕Gemini_15P_Chat_Advance_Zho：支持系统指令设置（System Instruction）+ 多轮对话

  • 📄Gemini_FileUpload_Zho：支持单文件上传（图片、音频、文本txt、pdf等），暂未支持视频（多文件）上传

  • 📄Gemini_File_Zho：文件读取对话，最大 token 数为 1048576

• 2 类节点:

  • 隐式 API KEY：将 Gemini_API_Key 设置为环境变量，更安全，方便分享工作流（不会外泄 API KEY）

    ㊙️Gemini_Zho：同时支持 3 种模型，其中 Genimi-pro-vision 和 Gemini 1.5 Pro 可接受图像作为输入

    ㊙️Gemini_Vsion_ImgURL_Zho：Genimi-pro-vision 和 Gemini 1.5 Pro 模型，接受图像链接作为输入

    ㊙️Gemini_Chat_Zho：Genimi-pro 和 Gemini 1.5 Pro 模型，支持上下文对话，聊天机器人，Gemini 1.5 Pro 支持图像输入的上下文对话

  • 显式API KEY：直接在节点中输入 Gemini_API_Key，仅供个人私密使用，请勿将包含 API KEY 的工作流分享出去

    ✨Gemini_API_Zho：同时支持 3 种模型，其中 Genimi-pro-vision 和 Gemini 1.5 Pro 可接受图像作为输入

    ✨Gemini_API_Vsion_ImgURL_Zho：Genimi-pro-vision 和 Gemini 1.5 Pro 模型，接受图像链接作为输入

    ✨Gemini_API_Chat_Zho：Genimi-pro 和 Gemini 1.5 Pro 模型，支持上下文对话，聊天机器人，Gemini 1.5 Pro 支持图像输入的上下文对话

• 辅助节点:

  • ✨DisplayText_Zho：显示文本

  • ✨ConcatText_Zho：使用 "，" 连接文本

• 节点示例：

聊天机器人

参数说明

• image（非必要）：选择 Gemini-pro 时无需接入图像，选择 Genimi-pro-vision 时需要接入图像，选择 Gemini 1.5 Pro 既可接入也可不接
• prompt：提示词
• model_name：模型选择，Gemini-pro 或 Genimi-pro-vision 或 Gemini 1.5 Pro
• stream：流式传输响应
• api_key：输入 Gemini_API_Key （仅在显式节点上有）

使用方法

• 首先需要申请一个自己的 Gemini_API_Key：Gemini API 申请

• 选择隐式节点㊙️（推荐）：将你的 Gemini_API_Key 添加到 config.json 文件中，运行时会自动加载

• 选择显示节点✨：直接将 Gemini_API_Key 输入到节点的 api_key 中（注意：请勿将包含此节点的工作流分享出去，以免泄露你的 API Key）

• 使用注意：本地使用请确保你可以有效连接到 Google Gemini 的服务，推荐使用 Colab 或 Kaggle（无连接问题）

• 使用新版 Gemini 1.5 Pro 需要更新依赖 google-generativeai > 0.4.1

安装

• 推荐使用管理器 ComfyUI Manager 安装

• 手动安装：

  1. cd custom_nodes
  2. git clone https://github.com/ZHO-ZHO-ZHO/ComfyUI-Gemini.git
  3. cd custom_nodes/ComfyUI-Gemini
  4. pip install -r requirements.txt
  5. 重启 ComfyUI

工作流

V3.0 平替 DALL·3

Gemini 1.5 Pro + Stable Diffusion + ComfyUI = DALL·3

V2.0 工作流（隐式）（V1.1工作流依旧可用）

Gemini-pro 聊天机器人【Zho】

V1.1 工作流（隐式）

Gemini-pro【Zho】

Genimi-pro-vision【Zho】

更新日志

20240411

• V3.0版：新增 Gemini 1.5 Pro 模型、系统指令、文件上传

• 新增 平替 DALL·3 工作流（Gemini 1.5 Pro + Stable Diffusion + ComfyUI = DALL·3）

20231229

• V2.1版：修复 60.0秒超时错误，方法来自官方：https://github.com/google/generative-ai-python/issues/117

20231222

• V2.0版：新增上下文聊天节点，相当于聊天机器人
  • 💬Gemini_Chat_Zho（隐式）
  • 💬Gemini_API_Chat_Zho（显示）

20231221

• V1.1版：修改 API KEY 的加载方式为自动添加 config.json ，将 API KEY 写入即可

• 已登陆 manager 不用手动安装了

20231220

• 实现 Genimi-pro-vision 模型调用，支持图像或图像链接输入
• 增加隐式节点，更加安全
• 增加辅助节点

20231219

• 创建 ComfyUI Gemini 项目，实现 Gemini-pro 模型调用

Stars

关于我

📬 联系我：

• 邮箱：zhozho3965@gmail.com
• QQ 群：839821928

🔗 社交媒体：

• 个人页：-Zho-
• Bilibili：我的B站主页
• X（Twitter）：我的Twitter
• 小红书：我的小红书主页

💡 支持我：

• B站：B站充电
• 爱发电：为我充电

致谢

• DisplayText节点参考了：ComfyUI_Custom_Nodes_AlekPet，感谢 AlekPet ！