// 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。
[HINT] Baixe o diretório completo da skill incluindo SKILL.md e todos os arquivos relacionados
| 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 |
通过 MCP 使用 fal.ai 模型生成图像、视频和音频。
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。
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
}
)
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
}
)
| 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） |
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"
}
)
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
}
)
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"
}
)
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"
}
)
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"
}
)
| 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 |
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
}
)
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"
}
)
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)
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")
生成前，检查估算成本：
estimate_cost(
estimate_type: "unit_price",
endpoints: {
"fal-ai/nano-banana-pro": {
"unit_quantity": 1
}
}
)
查找特定任务的模型：
search(query: "text to video")
find(endpoint_ids: ["fal-ai/seedance-1-0-pro"])
models()
seed 以获得可重现的结果estimate_costvideodb — 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