fal-ai-media

name	fal-ai-media
description	通过 fal.ai MCP 进行统一媒体生成 — 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) 和视频到音频 (ThinkSound)。当用户想要使用 AI 生成图像、视频或音频时使用。

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

• 用户想要从文本提示生成图像
• 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"generate image"、"create video"、"text to speech"、"make a thumbnail"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 提供这些工具：

• search — 通过关键字查找可用模型
• find — 获取模型详细信息和参数
• 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、文本到图像、图像编辑。

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

Nano Banana Pro（高保真）

最适合：生产图像、写实、排版、详细提示。

generate(
  model_name: "fal-ai/nano-banana-pro",
  input: {
    "prompt": "professional product photo of wireless headphones on marble surface, studio lighting",
    "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	string	必需	描述您想要的内容
image_size	string	square、portrait_4_3、landscape_16_9、portrait_16_9、landscape_4_3	纵横比
num_images	number	1-4	生成数量
seed	number	任何整数	可重现性
guidance_scale	number	1-20	遵循提示的程度（越高=更字面）

图像编辑

使用带有输入图像的 Nano Banana 2 进行 inpainting、outpainting 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(
  model_name: "fal-ai/nano-banana-2",
  input: {
    "prompt": "same scene but in watercolor style",
    "image_url": "<uploaded_url>",
    "image_size": "landscape_16_9"
  }
)

---

视频生成

Seedance 1.0 Pro（ByteDance）

最适合：文本到视频、具有高运动质量的图像到视频。

generate(
  model_name: "fal-ai/seedance-1-0-pro",
  input: {
    "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：具有原生音频生成的文本/图像到视频。

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

Veo 3（Google DeepMind）

最适合：具有生成声音的视频、高视觉质量。

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

图像到视频

从现有图像开始：

generate(
  model_name: "fal-ai/seedance-1-0-pro",
  input: {
    "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	string	必需	描述视频
duration	string	"5s"、"10s"	视频长度
aspect_ratio	string	"16:9"、"9:16"、"1:1"	帧比例
seed	number	任何整数	可重现性
image_url	string	URL	图像到视频的源图像

---

音频生成

CSM-1B（对话语音）

具有自然、对话质量的文本到语音。

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

ThinkSound（视频到音频）

从视频内容生成匹配的音频。

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

ElevenLabs（通过 API，无 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 生成音频

如果配置了 VideoDB，请使用其生成音频：

# 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

生成之前，检查估算成本：

estimate_cost(model_name: "fal-ai/nano-banana-pro", input: {...})

模型发现

查找特定任务的模型：

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

提示

• 使用 seed 在提示迭代时获得可重现的结果
• 从较低成本的模型（Nano Banana 2）开始进行提示迭代，然后切换到 Pro 进行最终确定
• 对于视频，保持提示描述性但简洁 — 专注于运动和场景
• 图像到视频比纯文本到视频产生更受控的结果
• 在运行昂贵的视频生成之前检查 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 — 社交平台的内容创建