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。
主要能力
图像生成
- Nano Banana 2(快速):适合快速迭代、草稿、文本生成图像、图像编辑。
- Nano Banana Pro(高保真):适合生产级图像、写实、排版、详细提示。
- 常见图像参数包括 prompt(必填)、image_size(square、portrait_4_3、landscape_16_9、portrait_16_9、landscape_4_3)、num_images(1-4)、seed(任意整数,用于复现)、guidance_scale(1-20,越高越贴近提示)。
图像编辑
使用 Nano Banana 2 并传入输入图像,可进行局部重绘、扩展或风格迁移。流程为先上传源图像,再带 image_url 生成。
视频生成
- Seedance 1.0 Pro(ByteDance):适合文本生成视频、图像生成视频,运动质量高。
- Kling Video v3 Pro:适合文本或图像生成视频,支持原生音频生成。
- Veo 3(Google DeepMind):适合带生成声音的视频,视觉质量高。
- 图像生成视频:从已有图像开始,提供 image_url 与描述运动的提示。
- 视频参数包括 prompt(必填)、duration("5s"、"10s")、aspect_ratio("16:9"、"9:16"、"1:1")、seed、image_url。
音频生成
- CSM-1B(对话语音):文本转语音,具有自然对话质量,参数为 text 与 speaker_id。
- ThinkSound(视频转音频):根据视频内容生成匹配音频,参数为 video_url 与 prompt。
- ElevenLabs(经 API,不走 MCP):用于专业语音合成,示例代码调用 https://api.elevenlabs.io/v1/text-to-speech/<voice_id>,使用 ELEVENLABS_API_KEY,模型 eleven_turbo_v2_5,voice_settings 含 stability 与 similarity_boost。
- VideoDB 生成式音频:若已配置 VideoDB,可使用其 generate_voice、generate_music、generate_sound_effect。
使用方式
需先配置 fal.ai MCP 服务器,在 ~/.claude.json 中添加:
"fal-ai": { "command": "npx", "args": ["-y", "fal-ai-mcp-server"], "env": { "FAL_KEY": "YOUR_FAL_KEY_HERE" } }
API 密钥可在 fal.ai 获取。
MCP 提供以下工具:search(按关键词查找可用模型)、find(获取模型详情与参数)、generate(带参数运行模型)、result(检查异步生成状态)、status(检查任务状态)、cancel(取消运行中的任务)、estimate_cost(估算生成成本)、models(列出热门模型)、upload(上传文件作为输入)。
生成前可用 estimate_cost 检查预估成本;用 search、find、models 发现模型。
适用场景
需要快速产出图像、视频或音频素材的创作与内容生产任务,例如草稿迭代、生产级图像、短视频生成、语音与音效制作等。
限制与提示
- 必须配置 fal.ai MCP 服务器并提供 FAL_KEY。
- ElevenLabs 需经 API 直接调用,不走 MCP。
- VideoDB 生成式音频需已配置 VideoDB。
- 建议使用 seed 复现结果;先用低成本模型(Nano Banana 2)迭代提示,再用 Pro 出成品;视频提示应描述性强但简洁,聚焦运动与场景;图像生成视频比纯文本生成视频更可控;运行昂贵的视频生成前先检查 estimate_cost。
- 相关技能:videodb(视频处理、编辑与流媒体)、video-editing(AI 驱动的视频编辑工作流)、content-engine(社交平台内容创作)。
暂未提供
关于收费、价格、平台支持范围、生成效果保证等信息,资料中暂未提供。