用途
fal-ai-media 用于通过 fal.ai MCP 统一生成图像、视频和音频。当用户希望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，或提出“生成图像”“创建视频”“文本转语音”“制作缩略图”等类似需求时，可激活该技能。
资料特别提示：这是一个容易漂移（drift-prone）的技能。fal.ai 的模型 ID、定价、输入和 MCP 工具名变化很快，因此在承诺具体模型、参数、输出格式或成本之前，应先搜索或获取当前模型元数据。
主要能力
该技能通过 fal.ai MCP 提供以下工具：
- search — 按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 — 上传文件作为输入
图像生成方面，资料给出 Nano Banana 2（快速）和 Nano Banana Pro（高保真）两个模型示例。Nano Banana 2 适合快速迭代、草稿、文生图和图像编辑；Nano Banana Pro 适合生产图像、写实、排版和详细提示。常见图像参数包括 prompt、image_size、num_images、seed、guidance_scale。图像编辑可使用 Nano Banana 2 配合输入图像进行 inpainting、outpainting 或风格迁移，需先 upload 源图像，再在 generate 中传入 image_url。
视频生成方面，资料给出 Seedance 1.0 Pro（ByteDance）、Kling Video v3 Pro、Veo 3（Google DeepMind）示例。Seedance 1.0 Pro 适合文生视频、图生视频且运动质量高；Kling Video v3 Pro 适合文/图生视频并带原生音频生成；Veo 3 适合带生成声音、视觉质量高的视频。视频参数包括 prompt、duration、aspect_ratio、seed、image_url。图生视频需先上传图像，再在 generate 中传入 image_url。
音频生成方面，资料给出 CSM-1B（对话语音）和 ThinkSound（视频转音频）示例。CSM-1B 用于文本转语音，具有自然对话质量；ThinkSound 根据视频内容生成匹配音频。此外，资料还提到 ElevenLabs（通过 API，不使用 MCP）用于专业语音合成，以及 VideoDB Generative Audio 用于语音、音乐和音效生成。
使用方式
使用前必须配置 fal.ai MCP 服务器。资料给出的配置示例为添加到 ~/.claude.json：
"fal-ai": { "command": "npx", "args": ["-y", "fal-ai-mcp-server"], "env": { "FAL_KEY": "YOUR_FAL_KEY_HERE" } }
API key 需在 fal.ai 获取。
生成前可先估算成本，例如：
estimate_cost( estimate_type: "unit_price", endpoints: { "fal-ai/nano-banana-pro": { "unit_quantity": 1 } } )
模型发现可使用：
search(query: "text to video") find(endpoint_ids: ["fal-ai/seedance-1-0-pro"]) models()
适用场景
- 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
- 制作缩略图等媒体生成任务
- 图像编辑，如 inpainting、outpainting、风格迁移
- 图生视频
- 视频转音频
限制与注意事项
资料明确提示 fal.ai 的模型 ID、定价、输入和 MCP 工具名变化很快，使用前应查询当前模型元数据，不应直接承诺具体模型、参数、输出格式或成本。
使用 seed 可在迭代提示时获得可复现结果。建议先用成本较低的模型（Nano Banana 2）迭代提示，再切换到 Pro 生成最终结果。视频提示应描述性强但简洁，聚焦运动和场景。图生视频比纯文生视频结果更可控。运行昂贵的视频生成前应检查 estimate_cost。
相关技能包括：tasteforge-video（离线品味蒸馏和模态规划，其端点候选和请求清单仅供参考，不是已提交任务或已保存的 Fal 工作流；TasteForge 交接不授权上传或生成，需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 schema）、videodb（视频处理、编辑和流式传输）、video-editing（AI 驱动的视频编辑工作流）、content-engine（社交平台内容创作）。
关于具体收费、价格、平台支持范围等，资料未提供完整信息，暂未提供。