fal-ai-media

name	fal-ai-media
description	通过 fal.ai MCP 实现统一的媒体生成——图像、视频和音频。涵盖文本到图像（Nano Banana）、文本/图像到视频（Seedance、Kling、Veo 3）、文本到语音（CSM-1B），以及视频到音频（ThinkSound）。当用户想要使用 AI 生成图像、视频或音频时使用。
origin	ecc

fal.ai 媒体生成

通过 MCP 使用 fal.ai 模型生成图像、视频和音频。

何时激活

• 用户希望根据文本提示生成图像
• 根据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
• 用户提及“生成图像”、“创建视频”、“文本转语音”、“制作缩略图”或类似表述

MCP 要求

必须配置 fal.ai MCP 服务器。添加到 ~/.codex.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 — 检查作业状态
• cancel — 取消正在运行的作业
• 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": "未来主义日落城市景观，赛博朋克风格",
    "image_size": "landscape_16_9",
    "num_images": 1,
    "seed": 42
  }
)

Nano Banana Pro（高保真）

最适合：生产级图像、写实感、排版、详细提示。

generate(
  app_id: "fal-ai/nano-banana-pro",
  input_data: {
    "prompt": "专业产品照片，无线耳机置于大理石表面，影棚灯光",
    "image_size": "square",
    "num_images": 1,
    "guidance_scale": 7.5
  }
)

常见图像参数

参数	类型	选项	说明
prompt	字符串	必需	描述您想要的内容
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	可重现性
guidance_scale	数字	1-20	遵循提示的紧密程度（值越高越贴近字面）

图像编辑

使用 Nano Banana 2 并输入图像进行修复、扩展或风格迁移：

# 首先上传源图像
upload(file_path: "/path/to/image.png")

# 然后使用图像输入进行生成
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，具有高运动质量。

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：文生/图生视频，带原生音频生成。

generate(
  app_id: "fal-ai/kling-video/v3/pro",
  input_data: {
    "prompt": "海浪拍打着岩石海岸，乌云密布",
    "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": "夜晚熙熙攘攘的东京街头市场，霓虹灯招牌，人群喧嚣",
    "aspect_ratio": "16:9"
  }
)

图生视频

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	必需	描述视频内容
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	可重现性
image_url	字符串	URL	用于图生视频的源图像

---

音频生成

CSM-1B（对话语音）

文本转语音，具有自然、对话式的音质。

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）

根据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，无 MCP）

如需专业的语音合成，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，使用其生成式音频：

# Voice generation
audio = coll.generate_voice(text="Your narration here", voice="alloy")

# Music generation
music = coll.generate_music(prompt="upbeat electronic background music", duration=30)

# Sound effects
sfx = coll.generate_sound_effect(prompt="thunder crack followed by rain")

---

成本估算

生成前，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

查找特定任务的模型：

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

提示

• 在迭代提示时，使用 seed 以获得可重现的结果
• 先用低成本模型（Nano Banana 2）进行提示迭代，然后切换到 Pro 版进行最终生成
• 对于视频，保持提示描述性但简洁——聚焦于运动和场景
• 图生视频比纯文生视频能产生更可控的结果
• 在运行昂贵的视频生成前，检查 estimate_cost

相关技能

• 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 — 社交媒体平台内容创作