/ComfyUI-Gemini

Using Gemini in ComfyUI

Primary LanguagePythonGNU General Public License v3.0GPL-3.0

Gemini项目图

Gemini in ComfyUI

🆕 最新 Gemini 1.5 Pro 模型已加入！

G1 5发

  • 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，每分钟只有 2 次，每天只有 1000 次

Dingtalk_20240411194828

已支持文件上传功能，不过还仅限于单个文件（图片、txt文件、pdf文件、音频mp3文件等），未来会支持多文件上传（用于读取视频）

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

All-in-One.LoRa.Training.mp4

V2.0 聊天机器人节点

12.22.mp4

将 Gemini pro vision 用于批量打标

12.30.mp4

项目介绍 | Info

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

  • 目前 Gemini API 免费开放（20240502 开始计费），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，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 | Features

  • 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 设置为了环境变量，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：

Dingtalk_20231220180446

聊天机器人

image

参数说明 | Parameters

  • 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 | How to use

  • 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 | Install

  • 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 | Workflow

V3.0 平替 DALL·3

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

Dingtalk_20240411195451

V2.0 工作流（隐式）（V1.1工作流依旧可用）

Gemini-pro Chatbot【Zho】

image

V1.1 工作流（隐式）

Gemini-pro【Zho】

Dingtalk_20231220183708

Genimi-pro-vision【Zho】

Dingtalk_20231220192932

Dingtalk_20231220190218

更新日志 | Changelog

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

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

Star History Chart

Credits