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、オーディオを生成します。

アクティベーション条件

• ユーザーがテキストプロンプトから画像を生成したい
• テキストまたは画像から動画を作成する
• 音声、音楽、効果音を生成する
• その他のメディア生成タスク
• ユーザーが「画像を生成して」「動画を作って」「テキスト音声合成」「サムネイルを作成」などと言う

MCP 要件

fal.ai MCP サーバーを設定する必要があります。~/.claude.json に追加してください：

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

API キーは fal.ai で取得してください。

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 — ジョブのステータスを確認
• cancel — 実行中のジョブをキャンセル
• estimate_cost — 生成コストを推定
• models — 人気のあるモデルをリスト表示
• 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)

最適用途: 迅速な反復、ドラフト、テキスト・画像生成、画像編集。

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 (高忠実度)

最適用途: 本番用画像、リアリティ、タイポグラフィ、詳細なプロンプト。

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
  }
)

一般的な画像パラメータ

パラメータ	型	オプション	備考
prompt	文字列	必須	生成したい内容を説明
image_size	文字列	square、portrait_4_3、landscape_16_9、portrait_16_9、landscape_4_3	アスペクト比
num_images	数値	1-4	生成枚数
seed	数値	任意の整数	再現性
guidance_scale	数値	1-20	プロンプトの厳密性（高いほどより厳密）

画像編集

入力画像を使用して Nano Banana 2 でインペイント、アウトペイント、スタイル転送を実行：

# まずソース画像をアップロード
upload(file_path: "/path/to/image.png")

# その後、画像入力で生成
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"
  }
)

---

動画生成

Seedance 1.0 Pro (ByteDance)

最適用途: テキスト・動画生成、高いモーション品質の画像・動画生成。

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

最適用途: テキスト/画像・動画生成（ネイティブオーディオ生成対応）。

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)

最適用途: 生成音声付き動画、高い視覚品質。

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

画像・動画生成

既存の画像から開始：

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"
  }
)

動画パラメータ

パラメータ	型	オプション	備考
prompt	文字列	必須	動画を説明
duration	文字列	"5s"、"10s"	動画の長さ
aspect_ratio	文字列	"16:9"、"9:16"、"1:1"	フレーム比
seed	数値	任意の整数	再現性
image_url	文字列	URL	画像・動画生成のソース画像

---

オーディオ生成

CSM-1B (会話型音声合成)

自然で会話的なテキスト音声合成。

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 (動画からのオーディオ生成)

動画コンテンツに合わせたオーディオを生成。

generate(
  model_name: "fal-ai/thinksound",
  input: {
    "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 生成オーディオ

VideoDB が設定されている場合、その生成オーディオを使用：

# 音声生成
audio = coll.generate_voice(text="Your narration here", voice="alloy")

# 音楽生成
music = coll.generate_music(prompt="upbeat electronic background music", duration=30)

# 効果音
sfx = coll.generate_sound_effect(prompt="thunder crack followed by rain")

---

コスト推定

生成前に推定コストを確認：

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

モデル検索

特定のタスク向けのモデルを検索：

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

ヒント

• プロンプトの反復時には seed を使用して再現性のある結果を得る
• プロンプトの反復には低コストモデル (Nano Banana 2) から始め、最終版では Pro に切り替える
• 動画の場合、プロンプトは説明的かつ簡潔に — モーションとシーンに焦点を当てる
• 画像・動画生成は純粋なテキスト・動画生成よりもより制御可能な結果をもたらす
• 高コストの動画生成を実行する前に 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駆動の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生成