# ComfyUI_Gemini_Pro 插件零基础入门教程 ## 1. 插件简介 ComfyUI_Gemini_Pro 是一个连接谷歌 Gemini AI 大脑的插件，就像给你的 ComfyUI 安装了一个超级聪明的助手。这个插件最厉害的地方是它什么都能"看懂"和"听懂"——不管你给它文字、图片、视频还是音频，它都能帮你分析和处理。 **插件原地址：** https://github.com/penposs/ComfyUI_Gemini_Pro **能给我们带来什么效果？** - 把图片丢给它，它能告诉你图片里有什么内容 - 给它一段文字，它能帮你续写、改写或者总结 - 放个视频给它，它能分析视频内容 - 甚至音频文件也能处理，比如帮你转录成文字 - 就像有个万能的智能助手，随时帮你处理各种内容 ## 2. 如何安装 ### 方法一：直接下载安装 1. 打开你的 ComfyUI 文件夹 2. 找到 `custom_nodes` 文件夹（就是放自定义节点的地方） 3. 在命令行里输入： ``` cd custom_nodes git clone https://github.com/penposs/ComfyUI_Gemini_Pro.git ``` ### 方法二：手动安装 1. 下载插件压缩包 2. 解压到 `ComfyUI/custom_nodes/` 目录下 3. 重启 ComfyUI ### 安装依赖包 安装完插件后，还需要安装一些必要的支持包： ```bash # 先删除可能冲突的旧包 pip uninstall -y google-api-python-client google-generativeai # 安装最新版本 pip install google-generativeai --upgrade ``` ## 3. 节点详解 ### 3.1 Gemini Pro Node - 万能 AI 助手节点 这个节点就像一个超级智能的万能助手，你可以把任何类型的内容丢给它，它都能帮你处理。就像跟一个很聪明的朋友聊天一样。 #### 3.2 参数详解 | 参数名 (界面显示) | 参数名 (代码) | 参数类型 | 建议值 | 通俗解释 | 专业解释 | 使用例子 | |:---|:---|:---|:---|:---|:---|:---| | 用户提示词 | prompt | 文本输入 | 根据需要填写 | 就像跟朋友说话一样，告诉AI你想要它做什么 | 用户输入的主要指令或问题 | "帮我分析这张图片里有什么" | | 系统提示词 | system_prompt | 文本输入 | 可选 | 给AI设定一个角色，比如让它扮演老师或翻译官 | 设定AI的行为模式和响应风格 | "你是一个专业的图像分析师" | | 输入类型 | input_type | 下拉选择 | text | 告诉AI你要给它什么类型的东西：文字、图片、视频还是音频 | 指定输入内容的媒体类型 | 选择"image"来分析图片 | | 模型版本 | model | 下拉选择 | gemini-pro | 选择AI的"大脑型号"，不同型号能力不同 | 指定使用的Gemini模型版本 | 用gemini-pro处理文字，gemini-pro-vision处理图片 | | API密钥 | api_key | 文本输入 | 必填 | 就像你的身份证，证明你有权限使用这个AI服务 | Google Gemini API的访问密钥 | 从Google AI Studio获取的密钥 | | 代理服务器 | proxy | 文本输入 | 可选 | 如果网络不好，可以设置代理来连接AI服务 | 网络代理服务器地址 | "http://127.0.0.1:7890" | | 延迟时间 | delay_time | 数字输入 | 1.0 | 每次请求之间等待的时间，像红绿灯一样控制节奏 | 请求间隔时间（秒） | 设置2.0表示每次请求间隔2秒 | | 最大输出长度 | max_output_tokens | 数字输入 | 1000 | AI回答的最大长度，就像限制作文字数一样 | 生成文本的最大token数量 | 设置2000获得更长的回答 | | 创造性温度 | temperature | 数字输入 | 0.7 | 控制AI回答的创造性，0最保守，1最有创意 | 生成文本的随机性程度 | 0.1用于准确回答，0.9用于创意写作 | ### 3.3 图像输入节点（如果存在） 如果插件包含专门的图像输入节点，其参数通常包括： | 参数名 (界面显示) | 参数名 (代码) | 参数类型 | 建议值 | 通俗解释 | 专业解释 | 使用例子 | |:---|:---|:---|:---|:---|:---|:---| | 图像输入 | image | 图像连接 | 必填 | 把图片连接到这里，就像把照片贴到节点上 | 输入的图像数据 | 连接Load Image节点的输出 | | 图像质量 | image_quality | 下拉选择 | high | 选择图片处理质量，高质量更清晰但处理更慢 | 图像压缩和处理质量 | 选择"high"获得最佳分析效果 | ### 3.4 视频输入节点（如果存在） | 参数名 (界面显示) | 参数名 (代码) | 参数类型 | 建议值 | 通俗解释 | 专业解释 | 使用例子 | |:---|:---|:---|:---|:---|:---|:---| | 视频输入 | video | 视频连接 | 必填 | 把视频文件连接到这里进行分析 | 输入的视频数据 | 连接Load Video节点的输出 | | 帧率采样 | frame_rate | 数字输入 | 1 | 每秒取几帧画面来分析，数字越大分析越详细 | 视频帧采样频率 | 设置0.5表示每2秒取一帧 | ### 3.5 音频输入节点（如果存在） | 参数名 (界面显示) | 参数名 (代码) | 参数类型 | 建议值 | 通俗解释 | 专业解释 | 使用例子 | |:---|:---|:---|:---|:---|:---|:---| | 音频输入 | audio | 音频连接 | 必填 | 把音频文件连接到这里进行处理 | 输入的音频数据 | 连接Load Audio节点的输出 | | 音频格式 | audio_format | 下拉选择 | auto | 选择音频格式，auto让AI自动识别 | 音频文件格式类型 | 选择"mp3"或"wav" | ## 4. 使用技巧和建议 ### 4.1 提示词编写技巧 - **具体明确**：不要说"帮我处理图片"，而要说"帮我描述这张图片里的动物和背景" - **分步骤**：复杂任务可以分解，比如"先分析图片内容，然后给出改进建议" - **设定角色**：在系统提示词里让AI扮演专家，如"你是一个专业摄影师" ### 4.2 参数调优建议 - **temperature（创造性温度）**： - 0.1-0.3：适合事实性回答，如图片描述 - 0.5-0.7：适合一般对话 - 0.8-1.0：适合创意写作 - **max_output_tokens（最大输出长度）**： - 简单问答：500-1000 - 详细分析：1000-2000 - 长文写作：2000-4000 ### 4.3 不同输入类型的最佳实践 - **文本输入**：直接在prompt里写问题 - **图像输入**：连接图片后，在prompt里写"分析这张图片" - **视频输入**：可以问"这个视频在讲什么？" - **音频输入**：常用"转录这段音频"或"总结音频内容" ## 5. 常见问题解答 ### Q1: 提示API密钥无效怎么办？ **A:** 检查以下几点： 1. 确保从 Google AI Studio 获取了正确的密钥 2. 密钥复制时没有多余的空格 3. 确认密钥还在有效期内 ### Q2: 网络连接失败怎么解决？ **A:** 尝试以下方法： 1. 检查网络连接是否正常 2. 如果在国内，可能需要设置代理 3. 增加delay_time（延迟时间）到2-3秒 ### Q3: AI回答不准确怎么办？ **A:** 优化策略： 1. 让提示词更具体详细 2. 调低temperature值（如0.2-0.4） 3. 在系统提示词里要求"请准确回答" ### Q4: 处理大文件时很慢怎么办？ **A:** 解决方案： 1. 降低图片/视频质量 2. 视频可以降低帧率采样 3. 音频可以先转换为较小的格式 ### Q5: 如何获得更有创意的回答？ **A:** 创意优化： 1. 提高temperature值到0.8-1.0 2. 在系统提示词里设定创意角色 3. 用开放性问题而非封闭性问题 ## 6. 实用工作流程建议 ### 6.1 图片分析工作流程 ``` Load Image → Gemini Pro Node → Save Text ``` - 设置input_type为"image" - prompt写"详细分析这张图片的内容、风格和情感" - temperature设置为0.3（准确性优先） ### 6.2 内容创作工作流程 ``` Text Input → Gemini Pro Node → Display Text ``` - 系统提示词：设定写作风格 - temperature设置为0.7-0.9（创意性优先） - max_output_tokens设置为2000以上 ### 6.3 多媒体分析工作流程 ``` Load Video/Audio → Gemini Pro Node → Text Analysis → Save/Display ``` - 对于视频，可以问"总结视频主要内容" - 对于音频，可以问"转录并总结要点" ## 7. 总结 ComfyUI_Gemini_Pro 插件就像给你的 ComfyUI 请了个全能助手，不管是文字、图片、视频还是音频，它都能帮你处理。关键是要学会跟它"说话"——用清晰的提示词告诉它你想要什么，然后调整参数来获得最佳效果。 记住最重要的三点： 1. **提示词要具体明确** - 告诉AI你到底想要什么 2. **参数要合理设置** - 根据任务类型调整温度和输出长度 3. **多试多练** - 不同的设置组合会有不同的效果 希望这个教程能帮你轻松上手这个强大的AI助手插件！
ComfyUI图像合并插件comfyui-merge使用教程 2025-07-03 22:44 ComfyUI 图像合并插件教程 (comfyui-merge) 1. 插件简介 这是一个专门用来合并图片的 ComfyUI 插件，就像用 PS 把多张图片叠在一起那样。它的特别之处在于你精确控制每张图片的混合方式。 GitHub 地址：https://github.com/LingSss9/com
%20(1).png)
