fal-ai-media

fal.ai メディア生成

仕様変更が多いスキルです。 fal.aiのモデルID、料金、入力パラメータ、MCPツール名は頻繁に変更されます。特定のモデル、パラメータ、出力形式、コストを約束する前に、現在のモデルメタデータを検索または取得してください。

MCPを介してfal.aiモデルを使用し、画像、動画、音声を生成します。

有効タイミング

• ユーザーがテキストプロンプトから画像を生成したい場合
• テキストや画像から動画を作成する場合
• 音声、音楽、効果音を生成する場合
• メディア生成に関するあらゆるタスク
• ユーザーが「画像生成」「動画作成」「テキスト読み上げ」「サムネイル作成」などと発言した場合

MCP要件

fal.ai MCPサーバーが設定されている必要があります。~/.claude.json に以下を追加してください:

"fal-ai": {
  "command": "npx",
  "args": ["-y", "fal-ai-mcp-server"],
  "env": { "FAL_KEY": "YOUR_FAL_KEY_HERE" }
}

APIキーは fal.ai で取得してください。

MCPツール

fal.ai MCPは以下のツールを提供します:

• search — キーワードで利用可能なモデルを検索
• find — モデルの詳細とパラメータを取得
• generate — パラメータを指定してモデルを実行
• result — 非同期生成のステータスを確認
• status — ジョブの状態を確認
• cancel — 実行中のジョブをキャンセル
• estimate_cost — 生成コストを見積もる
• models — 人気モデルを一覧表示
• upload — 入力として使用するファイルをアップロード

---

画像生成

Nano Banana 2 (高速)

最適: 素早い反復、下書き、テキストからの画像生成、画像編集。

generate(
  app_id: "fal-ai/nano-banana-2",
  input_data: {
    "prompt": "a futuristic cityscape at sunset, cyberpunk style",
    "image_size": "landscape_16_9",
    "num_images": 1,
    "seed": 42
  }
)

Nano Banana Pro (高忠実度)

最適: プロダクション画像、リアリズム、文字表示、詳細なプロンプト。

generate(
  app_id: "fal-ai/nano-banana-pro",
  input_data: {
    "prompt": "professional product photo of wireless headphones on marble surface, studio lighting",
    "image_size": "square",
    "num_images": 1,
    "guidance_scale": 7.5
  }
)

共通画像パラメータ

パラメータ	型	オプション	備考
prompt	string	必須	生成したい内容を記述
image_size	string	square, portrait_4_3, landscape_16_9, portrait_16_9, landscape_4_3	アスペクト比
num_images	number	1-4	生成枚数
seed	number	任意の整数	再現性
guidance_scale	number	1-20	プロンプトへの忠実度（高いほど忠実）

画像編集

入力画像を使用してインペインティング、アウトペインティング、スタイル変換を行うには、Nano Banana 2を使用:

# まずソース画像をアップロード
upload(file_path: "/path/to/image.png")

# 次に画像入力で生成
generate(
  app_id: "fal-ai/nano-banana-2",
  input_data: {
    "prompt": "same scene but in watercolor style",
    "image_url": "<uploaded_url>",
    "image_size": "landscape_16_9"
  }
)

---

動画生成

Seedance 1.0 Pro (ByteDance)

最適: テキストからの動画生成、高モーションクオリティの画像からの動画生成。

generate(
  app_id: "fal-ai/seedance-1-0-pro",
  input_data: {
    "prompt": "a drone flyover of a mountain lake at golden hour, cinematic",
    "duration": "5s",
    "aspect_ratio": "16:9",
    "seed": 42
  }
)

Kling Video v3 Pro

最適: ネイティブ音声生成を伴うテキスト/画像からの動画生成。

generate(
  app_id: "fal-ai/kling-video/v3/pro",
  input_data: {
    "prompt": "ocean waves crashing on a rocky coast, dramatic clouds",
    "duration": "5s",
    "aspect_ratio": "16:9"
  }
)

Veo 3 (Google DeepMind)

最適: 生成音声付き動画、高画質。

generate(
  app_id: "fal-ai/veo-3",
  input_data: {
    "prompt": "a bustling Tokyo street market at night, neon signs, crowd noise",
    "aspect_ratio": "16:9"
  }
)

画像から動画へ

既存の画像から開始:

generate(
  app_id: "fal-ai/seedance-1-0-pro",
  input_data: {
    "prompt": "camera slowly zooms out, gentle wind moves the trees",
    "image_url": "<uploaded_image_url>",
    "duration": "5s"
  }
)

動画パラメータ

パラメータ	型	オプション	備考
prompt	string	必須	動画の内容を記述
duration	string	"5s", "10s"	動画の長さ
aspect_ratio	string	"16:9", "9:16", "1:1"	フレーム比率
seed	number	任意の整数	再現性
image_url	string	URL	画像から動画生成の際のソース画像

---

音声生成

CSM-1B (会話音声)

自然で会話のような品質のテキスト読み上げ。

generate(
  app_id: "fal-ai/csm-1b",
  input_data: {
    "text": "Hello, welcome to the demo. Let me show you how this works.",
    "speaker_id": 0
  }
)

ThinkSound (動画から音声へ)

動画コンテンツからマッチする音声を生成。

generate(
  app_id: "fal-ai/thinksound",
  input_data: {
    "video_url": "<video_url>",
    "prompt": "ambient forest sounds with birds chirping"
  }
)

ElevenLabs (API経由、MCPなし)

プロフェッショナルな音声合成には、ElevenLabsを直接使用:

import os
import requests

resp = requests.post(
    "https://api.elevenlabs.io/v1/text-to-speech/<voice_id>",
    headers={
        "xi-api-key": os.environ["ELEVENLABS_API_KEY"],
        "Content-Type": "application/json"
    },
    json={
        "text": "Your text here",
        "model_id": "eleven_turbo_v2_5",
        "voice_settings": {"stability": 0.5, "similarity_boost": 0.75}
    }
)
with open("output.mp3", "wb") as f:
    f.write(resp.content)

VideoDB 生成音声

VideoDBが設定されている場合、その生成音声機能を使用:

# 音声生成
audio = coll.generate_voice(text="Your narration here", voice="alloy")

# 音楽生成
music = coll.generate_music(prompt="upbeat electronic background music", duration=30)

# 効果音
sfx = coll.generate_sound_effect(prompt="thunder crack followed by rain")

---

コスト見積もり

生成前に、推定コストを確認:

estimate_cost(
  estimate_type: "unit_price",
  endpoints: {
    "fal-ai/nano-banana-pro": {
      "unit_quantity": 1
    }
  }
)

モデル検索

特定のタスクに適したモデルを検索:

search(query: "text to video")
find(endpoint_ids: ["fal-ai/seedance-1-0-pro"])
models()

ヒント

• プロンプトの反復時には seed を使用して再現可能な結果を得る
• プロンプトの試行には低コストのモデル（Nano Banana 2）を使用し、最終版ではProに切り替える
• 動画の場合、プロンプトは説明的でありながら簡潔に — 動きやシーンに焦点を当てる
• 画像から動画への変換は、テキストのみの動画生成よりも制御された結果が得られる
• 高額な動画生成を実行する前に estimate_cost でコストを確認する

関連スキル

• tasteforge-video — オフラインのテイスト蒸留とモダリティ計画。そのエンドポイント候補とリクエストマニフェストは参照のみであり、送信されたジョブや保存されたFalワークフローではありません。TasteForgeの引き継ぎはアップロードや生成を許可しません。実行前に、個別に認可されたプロバイダーワークフローを使用し、その現在のエンドポイントスキーマを確認してください。
• videodb — 動画処理、編集、ストリーミング
• video-editing — AIを活用した動画編集ワークフロー
• content-engine — ソーシャルプラットフォーム向けコンテンツ作成