Skip to main content
Nano Banana 2 Lite の API リファレンスです。Nano Banana 2 Lite(Gemini 3.1 Flash-Lite Image)は、Google の Nano Banana 画像生成ファミリーの Flash-Lite ティアに位置し、低レイテンシと低コスト向けに調整されています。

クイックスタート

あなたの Comfy ワークスペースでキーを作成し、COMFY_API_KEY としてエクスポートします。Python と TypeScript のスニペットは Comfy SDK を使用しており(pip install comfy-sdknpm install @comfyorg/sdk)、cURL のスニペットは同じ呼び出しを生の HTTP で実行するものです。 モデル ID: vertexai/gemini-3.1-flash-lite-image エンドポイント: POST https://api.comfy.org/v2/models/vertexai/gemini-3.1-flash-lite-image

スキーマ

入力

object[]
必須
モデルとの現在の会話のコンテンツ。単一ターンのクエリでは単一のインスタンスです。マルチターンのクエリでは、会話履歴と最新のリクエストを含む繰り返しフィールドです。
object[]
必須
object
URI ベースのデータ。
string
URI
string
data フィールドまたは fileUri フィールドで指定されたファイルのメディアタイプ。指定可能な値は以下のとおりです。gemini-2.0-flash-lite および gemini-2.0-flash では、オーディオファイルの最大長は 8.4 時間、ビデオファイル(音声なし)の最大長は 1 時間です。詳細については、Gemini のオーディオとビデオの要件を参照してください。テキストファイルは UTF-8 でエンコードされている必要があります。テキストファイルのコンテンツはトークン制限にカウントされます。画像の解像度に制限はありません。指定可能な値: application/pdf, audio/mpeg, audio/mp3, audio/wav, image/png, image/jpeg, image/webp, text/plain, video/mov, video/mpeg, video/mp4, video/mpg, video/avi, video/wmv, video/mpegps, video/flv, image/heic, image/heif, audio/flac, video/webm
object
生のバイト形式のインラインデータ。gemini-2.0-flash-lite および gemini-2.0-flash では、inlineData を使用して最大 3000 枚の画像を指定できます。
string (byte)
プロンプトにインラインで含める画像、PDF、またはビデオの base64 エンコード。メディアをインラインで含める場合は、データのメディアタイプ(mimeType)も指定する必要があります。サイズ制限: 20MB形式: byte
string
data フィールドまたは fileUri フィールドで指定されたファイルのメディアタイプ。指定可能な値は以下のとおりです。gemini-2.0-flash-lite および gemini-2.0-flash では、オーディオファイルの最大長は 8.4 時間、ビデオファイル(音声なし)の最大長は 1 時間です。詳細については、Gemini のオーディオとビデオの要件を参照してください。テキストファイルは UTF-8 でエンコードされている必要があります。テキストファイルのコンテンツはトークン制限にカウントされます。画像の解像度に制限はありません。指定可能な値: application/pdf, audio/mpeg, audio/mp3, audio/wav, image/png, image/jpeg, image/webp, text/plain, video/mov, video/mpeg, video/mp4, video/mpg, video/avi, video/wmv, video/mpegps, video/flv, image/heic, image/heif, audio/flac, video/webm
string
モデルがこのパートの動画をどのように読み取るか。“AGENTIC” を設定すると、固定レートのフレームサンプリングの代わりに、モデルが検査するセグメントを決定できるようになります。デフォルトの固定レートサンプリングでは省略します。gemini-3.7-flash 以降の Flash モデルでサポートされています。
string
テキストプロンプトまたはコードスニペット。
boolean
この part がモデルによる思考/推論のステップであることを示します。
string
指定可能な値: user, model
object
生成のサンプリング、長さ、出力の設定。すべてのフィールドは任意です。以下で default を宣言しているフィールドは省略時にその値が適用され、それ以外はモデル自身の動作にフォールバックします。
object
画像生成の設定
string
生成済み画像のアスペクト比
object
任意。生成済み画像の画像出力フォーマット。
integer
任意。出力画像の圧縮品質。
string
任意。出力を保存する画像フォーマット。
string
任意。生成される画像のサイズを指定します。サポートされる値は 1K、2K、4K です。指定しない場合、モデルはデフォルト値の 1K を使用します。
integer
レスポンスで生成できるトークンの最大数。1 トークンは約 4 文字です。100 トークンはおよそ 60~80 語に相当します。範囲: 1665536
`TEXT`, `IMAGE`[]
integer
seed を特定の値に固定すると、モデルは繰り返しのリクエストに対して同じレスポンスを返すよう最善を尽くします。決定論的な出力は保証されません。また、モデルや temperature などのパラメータ設定を変更すると、同じ seed 値を使用していてもレスポンスが変化する可能性があります。デフォルトでは、ランダムな seed 値が使用されます。以下のモデルで利用可能です: gemini-2.5-flash, gemini-2.5-pro, gemini-2.5-flash-preview-04-1, gemini-2.5-pro-preview-05-0, gemini-2.0-flash-lite-00, gemini-2.0-flash-001
string[]
number
デフォルト:"1"
temperature は、topP と topK が適用されるときに行われる応答生成中のサンプリングに使用されます。temperature はトークン選択におけるランダム性の度合いを制御します。低い temperature は、あまり自由奔放でない、あるいは創造的でない応答が求められるプロンプトに適しており、高い temperature はより多様な、あるいは創造的な結果につながる可能性があります。temperature が 0 の場合、常に最も確率の高いトークンが選択されます。この場合、特定のプロンプトに対する応答はほぼ決定論的ですが、わずかな変動は依然として起こりえます。モデルが汎用的すぎる応答や短すぎる応答を返す場合、あるいはフォールバック応答を返す場合は、temperature を上げてみてください範囲: 02形式: 浮動小数点
object
オプション。思考機能の構成。思考とは、モデルが複雑なタスクをより小さなステップに分解し、より高品質な応答を生成するプロセスです。
boolean
オプション。true の場合、モデルは応答に自身の思考を含めます。
integer
オプション。モデルの思考プロセスのトークン予算。モデルはこの予算内に収まるよう最善を尽くします。
string
オプション。モデルの思考レベル。指定可能な値: THINKING_LEVEL_UNSPECIFIEDLOWMEDIUMHIGHMINIMAL
integer
デフォルト:"40"
Top-K は、モデルが出力用のトークンを選択する方法を変更します。top-K が 1 の場合、次に選択されるトークンは、モデルの語彙内のすべてのトークンの中で最も確率が高いものになります。top-K が 3 の場合、次のトークンは、温度を使用して、最も確率の高い 3 つのトークンの中から選択されます。範囲: 1
number
デフォルト:"0.95"
指定した場合、nucleus サンプリングが使用されます。 Top-P は、モデルが出力用のトークンを選択する方法を変更します。トークンは、その確率の合計が top-P の値に等しくなるまで、最も確率が高いもの (top-K を参照) から最も低いものへと選択されます。たとえば、トークン A、B、C の確率がそれぞれ 0.3、0.2、0.1 で、top-P の値が 0.5 の場合、モデルは温度を使用して A または B を次のトークンとして選択し、C を候補から除外します。 ランダム性の低い応答には低い値を、ランダム性の高い応答には高い値を指定します。範囲: 01形式: 浮動小数点
object[]
安全でないコンテンツをブロックするためのリクエストごとの設定。GenerateContentResponse.candidates に適用されます。
string
必須
指定可能な値: HARM_CATEGORY_SEXUALLY_EXPLICITHARM_CATEGORY_HATE_SPEECHHARM_CATEGORY_HARASSMENTHARM_CATEGORY_DANGEROUS_CONTENT
string
必須
指定可能な値: OFFBLOCK_NONEBLOCK_LOW_AND_ABOVEBLOCK_MEDIUM_AND_ABOVEBLOCK_ONLY_HIGH
object
モデルをより良いパフォーマンスへ導くための指示。たとえば「できるだけ簡潔に回答してください」や「回答に専門用語を使わないでください」などです。テキスト文字列はトークン制限にカウントされます。systemInstruction の role フィールドは無視され、モデルのパフォーマンスには影響しません。注: parts にはテキストのみを使用し、各部分のコンテンツは別々の段落にしてください。
object[]
必須
単一のメッセージを構成する順序付けられた parts のリスト。異なる parts は異なる IANA MIME タイプを持つ場合があります。トークンの最大数や画像の数など入力の制限については、Google モデルページのモデル仕様を参照してください。
string
テキストプロンプトまたはコードスニペット。
string
メッセージを作成するエンティティの識別情報。次の値がサポートされています。user: メッセージが実在の人物によって送信されたことを示します。通常はユーザーが生成したメッセージです。model: メッセージがモデルによって生成されたことを示します。model 値は、マルチターンの会話中にモデルからのメッセージを会話に挿入するために使用されます。マルチターンでない会話では、このフィールドは空白のままにするか未設定にできます。指定可能な値: usermodel
object[]
モデルの知識と範囲外でアクションまたは一連のアクションを実行するために、システムが外部システムと対話できるようにするコードの一部。Function calling を参照してください。
object[]
string
string
必須
object
関数パラメータの JSON スキーマ
boolean
true の場合、生成された画像はクラウドストレージにアップロードされ、インライン base64 データではなく署名付き URL として返されます。URL は 24 時間後に期限切れになります。
object
ビデオ入力の場合、Duration 形式でのビデオの開始オフセットと終了オフセット。たとえば、1:00 から始まる 10 秒のクリップを指定するには、“startOffset”: { “seconds”: 60 } および “endOffset”: { “seconds”: 70 } を設定します。メタデータは、ビデオデータが inlineData または fileData で提示されている場合にのみ指定してください。
object
ビデオタイムライン位置の再生時間オフセットを表します。
integer
ナノ秒解像度の秒の符号付き端数。端数を伴う負の秒値であっても、nanos 値は非負でなければなりません。範囲: 0 から 999999999 まで
integer
時間幅の符号付き秒数。-315,576,000,000 から +315,576,000,000 まで(両端を含む)でなければなりません。範囲: -315576000000 から 315576000000 まで
object
ビデオタイムライン位置の再生時間オフセットを表します。
integer
ナノ秒解像度の秒の符号付き端数。端数を伴う負の秒値であっても、nanos 値は非負でなければなりません。範囲: 0 から 999999999 まで
integer
時間幅の符号付き秒数。-315,576,000,000 から +315,576,000,000 まで(両端を含む)でなければなりません。範囲: -315576000000 から 315576000000 まで
Router が GET /v2/models/vertexai/gemini-3.1-flash-lite-image/openapi.json で提供する schema から生成済みです。これは、リクエストがプロバイダーに到達する前に Router が呼び出しを検証する際に使用する同一のドキュメントです。

出力

object[]
object
object[]
string[]
integer
string
string (date)
フォーマット: date
integer
string
string
object
モデルとの現在の会話のコンテンツです。単一ターンのクエリでは、これは単一のインスタンスになります。マルチターンのクエリでは、これは会話履歴と最新のリクエストを含む繰り返しフィールドになります。
object[]
必須
object
URI ベースのデータ。
string
URI
string
data フィールドまたは fileUri フィールドで指定されたファイルのメディアタイプです。指定できる値は次のとおりです。gemini-2.0-flash-lite および gemini-2.0-flash では、オーディオファイルの最大長は 8.4 時間、ビデオファイル(音声なし)の最大長は 1 時間です。詳細については、Gemini のオーディオとビデオの要件を参照してください。テキストファイルは UTF-8 でエンコードする必要があります。テキストファイルの内容はトークン制限にカウントされます。画像の解像度に制限はありません。指定可能な値: application/pdf, audio/mpeg, audio/mp3, audio/wav, image/png, image/jpeg, image/webp, text/plain, video/mov, video/mpeg, video/mp4, video/mpg, video/avi, video/wmv, video/mpegps, video/flv, image/heic, image/heif, audio/flac, video/webm
object
生のバイト形式のインラインデータです。gemini-2.0-flash-lite および gemini-2.0-flash では、inlineData を使用して最大 3000 枚の画像を指定できます。
string (byte)
プロンプトにインラインで含める画像、PDF、またはビデオの base64 エンコードです。メディアをインラインで含める場合は、データのメディアタイプ(mimeType)も指定する必要があります。サイズ制限: 20MBフォーマット: byte
string
data フィールドまたは fileUri フィールドで指定されたファイルのメディアタイプです。指定できる値は次のとおりです。gemini-2.0-flash-lite および gemini-2.0-flash では、オーディオファイルの最大長は 8.4 時間、ビデオファイル(音声なし)の最大長は 1 時間です。詳細については、Gemini のオーディオとビデオの要件を参照してください。テキストファイルは UTF-8 でエンコードする必要があります。テキストファイルの内容はトークン制限にカウントされます。画像の解像度に制限はありません。指定可能な値: application/pdf, audio/mpeg, audio/mp3, audio/wav, image/png, image/jpeg, image/webp, text/plain, video/mov, video/mpeg, video/mp4, video/mpg, video/avi, video/wmv, video/mpegps, video/flv, image/heic, image/heif, audio/flac, video/webm
string
モデルがこのパートの動画をどのように読み取るか。“AGENTIC” を設定すると、固定レートのフレームサンプリングの代わりに、モデルが検査するセグメントを決定できるようになります。デフォルトの固定レートサンプリングでは省略します。gemini-3.7-flash 以降の Flash モデルでサポートされています。
string
テキストプロンプトまたはコードスニペット。
boolean
このパートがモデルによる思考/推論ステップであることを示します。
string
指定可能な値: user, model
string
object[]
string
指定可能な値: HARM_CATEGORY_SEXUALLY_EXPLICIT, HARM_CATEGORY_HATE_SPEECH, HARM_CATEGORY_HARASSMENT, HARM_CATEGORY_DANGEROUS_CONTENT
string
コンテンツが指定された安全性カテゴリに違反する確率指定可能な値: NEGLIGIBLE, LOW, MEDIUM, HIGH, UNKNOWN
string
レスポンスが作成されたタイムスタンプ。
string
レスポンスの生成に使用されたモデルのバージョン。
object
string
string
object[]
string
指定可能な値: HARM_CATEGORY_SEXUALLY_EXPLICIT, HARM_CATEGORY_HATE_SPEECH, HARM_CATEGORY_HARASSMENT, HARM_CATEGORY_DANGEROUS_CONTENT
string
コンテンツが指定された安全性カテゴリに違反する確率指定可能な値: NEGLIGIBLELOWMEDIUMHIGHUNKNOWN
string
レスポンスの一意な識別子。
object
integer
出力専用。入力のうちキャッシュされた部分(キャッシュ済みコンテンツ)のトークン数。
integer
レスポンス内のトークン数。
object[]
モダリティ別の候補トークンの内訳。
string
入力または出力コンテンツのモダリティの種類。指定可能な値: MODALITY_UNSPECIFIEDTEXTIMAGEVIDEOAUDIODOCUMENT
integer
指定されたモダリティのトークン数。
integer
リクエスト内のトークン数。cachedContent が設定されている場合でも、これは有効なプロンプト全体のサイズであり、キャッシュ済みコンテンツ内のトークン数も含まれます。
object[]
モダリティ別のプロンプトトークンの内訳。
string
入力または出力コンテンツのモダリティの種類。指定可能な値: MODALITY_UNSPECIFIEDTEXTIMAGEVIDEOAUDIODOCUMENT
integer
指定されたモダリティのトークン数。
integer
思考(thoughts)出力に含まれるトークン数。
integer
ツール使用プロンプトに含まれるトークン数。
object[]
モダリティごとのツール使用プロンプトトークンの内訳。
string
入力または出力コンテンツのモダリティの種類。指定可能な値: MODALITY_UNSPECIFIED, TEXT, IMAGE, VIDEO, AUDIO, DOCUMENT
integer
指定されたモダリティのトークン数。
integer
トークンの合計数(プロンプト + 候補)。
string
リクエストに使用されたトラフィックタイプ(例: PROVISIONED_THROUGHPUT)。

入力

出力

デフォルトでは、生成された画像パートには inlineData.data に base64 バイトが、inlineData.mimeType にメディアタイプが含まれます。バイト列をデコードしてファイルに保存してください。uploadImagesToStorage: true の場合、アップロードされた画像は代わりに、署名付き URL には fileData.fileUri、メディアタイプには fileData.mimeType を使用します。これらの画像は、URL が失効する前にダウンロードしてください。URL は作成から 24 時間後に失効します。アップロードに失敗した場合、その画像はインラインのまま残るため、各パートの inlineData または fileData を確認してください。テキストパートが含まれることもあり、画像が必ず最初のパートであるとは限りません。

出荷前の確認

SDK は Idempotency-Key を生成し、自動リトライで再利用します。手動リトライでは元のキーを再利用してください。Router は最大 10 分間接続を保持できます。 リクエストが失敗すると、Router は理由を説明する X-Comfy-Error-Type レスポンスヘッダーを送信します。422 は、プロバイダーを呼び出す前に Router が入力を拒否したことを意味し、413 はリクエスト本文が Router の受け入れ可能なサイズを超えていたことを意味します。生成されたアセットは 結果 URL の有効期限 があるため、早めにダウンロードしてください。 上記のフィールド説明に記載されているサイズ制限は、プロバイダーの仕様から引用した、そのフィールドに対するプロバイダー自身の上限です。Router はリクエスト本文全体に対して別の上限を適用し、base64 エンコードされたメディアもこれにカウントされます。リクエスト本文のサイズ を参照してください。

ヘッダー

認証、冪等性、リクエスト ID、エラー分類、リトライ間隔、支出上限。

Router API の利用

モデルの検出、バリデーションエラー、リトライ、課金。

制限事項

Router が現在対応していないことと、代替手段。