fal.ai 媒体生成
易过时技能。 fal.ai 的模型 ID、定价、输入和 MCP 工具名称变化很快。在承诺特定模型、参数、输出格式或费用之前，请搜索或获取当前的模型元数据。
使用 fal.ai 模型通过 MCP 生成图像、视频和音频。
何时激活
- 用户想要根据文本提示生成图像
- 从文本或图像创建视频
- 生成语音、音乐或音效
- 任何媒体生成任务
- 用户说“生成图像”、“创建视频”、“文本转语音”、“制作缩略图”或类似内容
MCP 要求
必须配置 fal.ai MCP 服务器。添加到 ~/.claude.json：
"fal-ai": {
"command": "npx",
"args": ["-y", "fal-ai-mcp-server"],
"env": { "FAL_KEY": "YOUR_FAL_KEY_HERE" }
}
在 fal.ai 获取 API 密钥。
MCP 工具
fal.ai MCP 提供以下工具：
search— 通过关键词查找可用模型find— 获取模型详情和参数generate— 使用参数运行模型result— 检查异步生成状态status— 检查任务状态cancel— 取消正在运行的任务estimate_cost— 估算生成成本models— 列出热门模型upload— 上传文件用作输入
图像生成
Nano Banana 2 (快速)
最适合：快速迭代、草稿、文生图、图像编辑。
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 (高保真度)
最适合：生产级图像、逼真度、文字排版、详细提示。
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
}
)
通用图像参数
| 参数 | 类型 | 选项 | 说明 |
|---|---|---|---|
prompt | 字符串 | 必填 | 描述你想要的 |
image_size | 字符串 | square, portrait_4_3, landscape_16_9, portrait_16_9, landscape_4_3 | 宽高比 |
num_images | 数字 | 1-4 | 生成数量 |
seed | 数字 | 任意整数 | 可复现性 |
guidance_scale | 数字 | 1-20 | 对提示的遵循程度（越高越字面） |
图像编辑
使用 Nano Banana 2 配合输入图像进行局部重绘、外部扩展或风格迁移：
# 首先上传源图像
upload(file_path: "/path/to/image.png")
# 然后使用图像输入生成
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"
}
)
视频生成
Seedance 1.0 Pro (字节跳动)
最适合：文生视频、图生视频，具有高动态质量。
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
最适合：文/图生视频，原生音频生成。
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)
最适合：带生成声音的视频，高视觉质量。
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"
}
)
图像转视频
从现有图像开始：
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"
}
)
视频参数
| 参数 | 类型 | 选项 | 说明 |
|---|---|---|---|
prompt | 字符串 | 必填 | 描述视频 |
duration | 字符串 | "5s", "10s" | 视频长度 |
aspect_ratio | 字符串 | "16:9", "9:16", "1:1" | 帧比例 |
seed | 数字 | 任意整数 | 可复现性 |
image_url | 字符串 | URL | 图生视频的源图像 |
音频生成
CSM-1B (对话式语音)
文本转语音，具有自然的对话质量。
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 (视频转音频)
从视频内容生成匹配的音频。
generate(
app_id: "fal-ai/thinksound",
input_data: {
"video_url": "<video_url>",
"prompt": "ambient forest sounds with birds chirping"
}
)
ElevenLabs (通过 API，非 MCP)
对于专业语音合成，直接使用 ElevenLabs：
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 生成式音频
如果配置了 VideoDB，可使用其生成式音频：
# 语音生成
audio = coll.generate_voice(text="Your narration here", voice="alloy")
# 音乐生成
music = coll.generate_music(prompt="upbeat electronic background music", duration=30)
# 音效
sfx = coll.generate_sound_effect(prompt="thunder crack followed by rain")
成本估算
在生成之前，检查估算成本：
estimate_cost(
estimate_type: "unit_price",
endpoints: {
"fal-ai/nano-banana-pro": {
"unit_quantity": 1
}
}
)
模型发现
为特定任务查找模型：
search(query: "text to video")
find(endpoint_ids: ["fal-ai/seedance-1-0-pro"])
models()
技巧
- 使用
seed在迭代提示时获得可复现的结果 - 从较低成本的模型（Nano Banana 2）开始迭代提示，然后切换到 Pro 版用于最终输出
- 对于视频，保持提示描述性强但简洁——专注于运动和场景
- 图像转视频比纯文生视频产生更可控的结果
- 在运行昂贵的视频生成之前，检查
estimate_cost
相关技能
tasteforge-video— 离线品味蒸馏与模态规划。其端点候选和请求清单仅作为参考，并非已提交的任务或保存的 Fal 工作流。TasteForge 的交接不授权上传或生成；请使用单独授权的提供商工作流，并在执行前验证其当前端点模式。videodb— 视频处理、编辑和流媒体video-editing— AI 驱动的视频编辑工作流content-engine— 社交媒体内容创作