fal.ai メディア生成

fal.aiモデルをMCP経由で使用して画像、動画、音声を生成します。

アクティベーション条件

• テキストプロンプトから画像を生成したい場合
• テキストや画像から動画を作成する場合
• 音声、音楽、効果音を生成する場合
• あらゆるメディア生成タスク
• ユーザーが「画像を生成」「動画を作成」「テキスト読み上げ」「サムネイルを作って」などと言った場合

MCP要件

fal.ai MCPサーバーの設定が必要です。~/.claude.jsonに追加：

"fal-ai": {
  "command": "npx",
  "args": ["-y", "fal-ai-mcp-server"],
  "env": { "FAL_KEY": "YOUR_FAL_KEY_HERE" }
}

APIキーはfal.aiで取得できます。

MCPツール

fal.ai MCPは以下のツールを提供します：

• search — キーワードで利用可能なモデルを検索
• find — モデルの詳細とパラメータを取得
• generate — パラメータを指定してモデルを実行
• result — 非同期生成のステータスを確認
• status — ジョブステータスを確認
• cancel — 実行中のジョブをキャンセル
• estimate_cost — 生成コストを見積もり
• models — 人気モデルの一覧表示
• upload — 入力として使用するファイルをアップロード

---

画像生成

Nano Banana 2（高速）

用途：素早いイテレーション、ドラフト、テキストから画像、画像編集。

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

Nano Banana Pro（高忠実度）

用途：プロダクション画像、リアリズム、タイポグラフィ、詳細なプロンプト。

generate(
  app_id: "fal-ai/nano-banana-pro",
  input_data: {
    "prompt": "professional product photo of wireless headphones on marble surface, studio lighting",
    "image_size": "square",
    "num_images": 1,
    "guidance_scale": 7.5
  }
)

共通画像パラメータ

パラメータ	型	オプション	備考
prompt	string	必須	生成したいものの説明
image_size	string	square, portrait_4_3, landscape_16_9, portrait_16_9, landscape_4_3	アスペクト比
num_images	number	1-4	生成枚数
seed	number	任意の整数	再現性
guidance_scale	number	1-20	プロンプトへの忠実度（高い=より忠実）

画像編集

Nano Banana 2で入力画像を使用してインペインティング、アウトペインティング、スタイル変換：

# First upload the source image
upload(file_path: "/path/to/image.png")

# Then generate with image input
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"
  }
)

---

動画生成

Seedance 1.0 Pro（ByteDance）

用途：テキストから動画、高いモーション品質の画像から動画。

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

用途：ネイティブ音声生成付きのテキスト/画像から動画。

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

Veo 3（Google DeepMind）

用途：生成サウンド付き動画、高品質ビジュアル。

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

画像から動画

既存の画像から開始：

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"
  }
)

動画パラメータ

パラメータ	型	オプション	備考
prompt	string	必須	動画の説明
duration	string	"5s", "10s"	動画の長さ
aspect_ratio	string	"16:9", "9:16", "1:1"	フレーム比率
seed	number	任意の整数	再現性
image_url	string	URL	画像から動画のソース画像

---

音声生成

CSM-1B（会話音声）

自然で会話的な品質のテキスト読み上げ。

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（動画から音声）

動画コンテンツにマッチする音声を生成。

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

ElevenLabs（API経由、MCPなし）

プロフェッショナルな音声合成にはElevenLabsを直接使用：

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生成音声

VideoDBが設定されている場合、その生成音声を使用：

# 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")

---

コスト見積もり

生成前にコスト見積もりを確認：

estimate_cost(
  estimate_type: "unit_price",
  endpoints: {
    "fal-ai/nano-banana-pro": {
      "unit_quantity": 1
    }
  }
)

モデル検索

特定タスク用のモデルを検索：

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

ヒント

• プロンプトのイテレーション時に再現可能な結果を得るためseedを使用
• プロンプトイテレーションには低コストモデル（Nano Banana 2）から始め、最終版にProに切り替え
• 動画では説明的で簡潔なプロンプトを — モーションとシーンに焦点
• 画像から動画の方がテキストのみの動画生成より制御しやすい
• 高価な動画生成の前にestimate_costを確認

関連スキル

• videodb — 動画処理、編集、ストリーミング
• video-editing — AI搭載動画編集ワークフロー
• content-engine — ソーシャルプラットフォーム向けコンテンツ作成