WaveSpeedAI

So migrieren Sie von fal.ai zu WaveSpeedAI: Modellzuordnung und Code-Änderungen

Eine Schritt-für-Schritt-Anleitung für den Umzug einer Integration von fal.ai zu WaveSpeedAI: Endpunktzuordnung für Seedance, Kling, Veo, Wan, Nano Banana und Seedream sowie Code-Änderungen für Python und JavaScript.

By WaveSpeedAI6 min read

Der Umzug einer Integration von fal.ai zu WaveSpeedAI erfordert drei Änderungen: einen anderen API-Schlüssel, einen anderen Modellpfad und einen anderen Ort, an dem die Ausgabe-URL ausgelesen wird. Beide Plattformen folgen demselben Muster: einen Job absenden und das Ergebnis abrufen. Die Struktur Ihres Codes bleibt daher gleich.

Diese Anleitung enthält die Modellzuordnung für die am häufigsten genutzten Endpunkte, die Codeänderungen in Python und JavaScript, einen kleinen Adapter, mit dem Sie ein Modell nach dem anderen umstellen können, sowie eine Checkliste für eine sichere Umstellung.

Modell-IDs auf beiden Plattformen geprüft am 22. November 2026.

Was sich ändert und was gleich bleibt

fal.aiWaveSpeedAI
Auth-HeaderAuthorization: Key $FAL_KEYAuthorization: Bearer $WAVESPEED_API_KEY
AbsendenQueue-Endpunkt für die Modell-IDPOST https://api.wavespeed.ai/api/v3/<model path>
ErgebnisStatus, dann Ergebnis, jeweils per Request-IDGET https://api.wavespeed.ai/api/v3/predictions/<id>/result
Client-Aufruffal_client.subscribe(id, arguments=...)wavespeed.run(path, input)
AusgabeHängt vom Modell ab, zum Beispiel video.url oder images[0].urlImmer outputs, eine Liste von URLs
WebhooksUnterstütztUnterstützt
DateieingabenURLURL

Das Ausgabeformat ist die Änderung, die den meisten Code betrifft, und sie ist eine Vereinfachung: Jedes WaveSpeedAI-Modell liefert seine Dateien in derselben outputs-Liste zurück.

Modellzuordnung

Jede Zeile wurde auf beiden Seiten geprüft. Auf beiden Plattformen gibt es Modelle in mehreren Varianten; die Tabelle listet die wichtigsten Text- und Bild-Endpunkte auf.

Modellfal.ai-IDWaveSpeedAI-Pfad
Seedance 2.5 Text-zu-Videobytedance/seedance-2.5/us/text-to-videobytedance/seedance-2.5/text-to-video
Seedance 2.5 Bild-zu-Videobytedance/seedance-2.5/us/image-to-videobytedance/seedance-2.5/image-to-video
Kling 4.0 Text-zu-Videokling/v4/text-to-videokwaivgi/kling-v4.0/text-to-video
Kling 4.0 Bild-zu-Videokling/v4/image-to-videokwaivgi/kling-v4.0/image-to-video
Veo 3.1 Text-zu-Videofal-ai/veo3.1google/veo3.1/text-to-video
Veo 3.1 Fast Text-zu-Videofal-ai/veo3.1/fastgoogle/veo3.1-fast/text-to-video
Wan 3.0 Text-zu-Videoalibaba/wan-3.0/text-to-videoalibaba/wan-3.0/text-to-video
Wan 3.0 Bild-zu-Videoalibaba/wan-3.0/image-to-videoalibaba/wan-3.0/image-to-video
Nano Banana Pro Text-zu-Bildfal-ai/nano-banana-progoogle/nano-banana-pro/text-to-image
Nano Banana Pro Bearbeitungfal-ai/nano-banana-pro/editgoogle/nano-banana-pro/edit
Seedream 5.5 Text-zu-Bildbytedance/seedream/v5.5/text-to-imagebytedance/seedream-v5.5
Seedream 5.5 Bearbeitungbytedance/seedream/v5.5/editbytedance/seedream-v5.5/edit

Für alles, was nicht aufgeführt ist, durchsuchen Sie den Modellkatalog. Der Pfad wird auf jeder Modellseite zusammen mit den Parametern und dem Preis angezeigt.

Parameternamen können abweichen. Dasselbe Modell kann eine Eingabe auf der einen Plattform image_url und auf der anderen image nennen oder Dauer und Auflösung unterschiedlich ausdrücken. Prüfen Sie die Parameterliste auf der Modellseite, statt eine Payload unverändert zu übernehmen.

Python

Vorher:

import fal_client

result = fal_client.subscribe(
    "kling/v4/text-to-video",
    arguments={"prompt": "A paper boat drifting down a rain-soaked street at dusk"},
)
print(result["video"]["url"])

Nachher:

import wavespeed

output = wavespeed.run(
    "kwaivgi/kling-v4.0/text-to-video",
    {"prompt": "A paper boat drifting down a rain-soaked street at dusk"},
)
print(output["outputs"][0])

Installieren Sie das SDK mit pip install wavespeed und setzen Sie WAVESPEED_API_KEY in der Umgebung.

JavaScript

Vorher:

import { fal } from "@fal-ai/client";

const result = await fal.subscribe("fal-ai/nano-banana-pro", {
  input: { prompt: "A glass teapot on a sunlit windowsill, macro product photo" },
});
console.log(result.data.images[0].url);

Nachher:

import wavespeed from "wavespeed";

const output = await wavespeed.run(
  "google/nano-banana-pro/text-to-image",
  { prompt: "A glass teapot on a sunlit windowsill, macro product photo" }
);
console.log(output["outputs"][0]);

Installation mit npm install wavespeed.

Reines HTTP

curl --request POST 'https://api.wavespeed.ai/api/v3/google/veo3.1-fast/text-to-video' \
  --header "Authorization: Bearer $WAVESPEED_API_KEY" \
  --header 'Content-Type: application/json' \
  --data '{"prompt": "A paper boat drifting down a rain-soaked street at dusk"}'
curl --request GET "https://api.wavespeed.ai/api/v3/predictions/$PREDICTION_ID/result" \
  --header "Authorization: Bearer $WAVESPEED_API_KEY"

Der erste Aufruf liefert data.id zurück. Der zweite liefert data.status (created, processing, completed oder failed) und, sobald der Job abgeschlossen ist, die Datei-URLs in data.outputs.

Ein Modell nach dem anderen mit einem Adapter umstellen

Sie müssen nicht alles auf einmal umziehen. Dieser Adapter behält Ihre bestehenden Aufrufstellen bei und leitet nur die Modelle um, die Sie zugeordnet haben. So können Sie einen Endpunkt nach dem anderen migrieren und vergleichen.

import fal_client
import wavespeed

FAL_TO_WAVESPEED = {
    "kling/v4/text-to-video": "kwaivgi/kling-v4.0/text-to-video",
    "fal-ai/veo3.1/fast": "google/veo3.1-fast/text-to-video",
    "fal-ai/nano-banana-pro": "google/nano-banana-pro/text-to-image",
}

def generate(fal_model_id: str, arguments: dict) -> list[str]:
    """Gibt eine Liste von Ausgabe-URLs zurück, unabhängig davon, welche Plattform die Anfrage bedient hat."""
    path = FAL_TO_WAVESPEED.get(fal_model_id)
    if path:
        return wavespeed.run(path, arguments)["outputs"]

    result = fal_client.subscribe(fal_model_id, arguments=arguments)
    if "video" in result:
        return [result["video"]["url"]]
    return [image["url"] for image in result.get("images", [])]

Da die Funktion immer eine Liste von URLs zurückgibt, hängt der Rest Ihrer Anwendung nicht mehr davon ab, welche Plattform den Job ausgeführt hat. Dieselbe Funktion ist zugleich ein fertiger Fallback: Gibt eine Plattform einen Fehler auf Kontoebene zurück, rufen Sie die andere auf.

Checkliste für die Umstellung

  1. Erstellen Sie einen API-Schlüssel auf der Seite für Zugriffsschlüssel und laden Sie einen kleinen Betrag an Guthaben auf. Guthaben verfällt nie.
  2. Ordnen Sie Ihre Modelle zu anhand der obigen Tabelle und des Katalogs.
  3. Prüfen Sie die Parameter jedes Modells anhand seiner Seite.
  4. Lassen Sie Ihre echten Prompts und Referenzbilder durch jedes zugeordnete Modell laufen und vergleichen Sie die Ergebnisse mit dem, was Sie heute erhalten.
  5. Passen Sie die Ausgabeverarbeitung an, sodass sie outputs ausliest.
  6. Laden Sie Ausgaben, die Sie behalten müssen, in Ihren eigenen Speicher herunter, wie auf jeder Plattform.
  7. Leiten Sie einen kleinen Teil des Produktionsverkehrs einige Tage lang über den neuen Pfad.
  8. Stellen Sie den Rest um und behalten Sie die alte Integration als Fallback, bis Sie zufrieden sind.

Was Sie nach dem Umzug erhalten

  • Guthaben, das nie verfällt.
  • Vollständig erstattete fehlgeschlagene Aufgaben, einschließlich Aufgaben, die durch eine Inhaltsprüfung gestoppt wurden.
  • Keine Kaltstarts.
  • Ein einheitliches Anfrage- und Antwortformat für jedes Modell.
  • Der Preis wird vor der Ausführung angezeigt, und Sie können pro API-Schlüssel ein Ausgabenlimit festlegen.
  • Support, der antwortet, über den Chat auf der Website oder auf Discord.

Wo fal weiterhin besser passen kann

Wenn Sie eigene Modelle auf Serverless-GPUs bereitstellen oder auf die Echtzeit-WebSocket-Endpunkte von fal bzw. dessen Swift-, Kotlin- und Dart-Clients angewiesen sind, prüfen Sie diese Anforderungen zuerst. WaveSpeedAI konzentriert sich auf sofort aufrufbare gehostete Modelle mit Python- und JavaScript-SDKs sowie einer REST-API. Viele Teams nutzen beide Plattformen und routen nach Modell.

FAQ

Ist WaveSpeedAI mit der fal.ai-API kompatibel?

Das Muster ist dasselbe, nämlich Absenden und Ergebnis abrufen, aber die Endpunkte, der Auth-Header und das Ausgabeformat unterscheiden sich. Mit dem obigen Adapter kann bestehender Code beide Plattformen aufrufen.

Funktionieren fal.ai-Modell-IDs auch bei WaveSpeedAI?

Nein. Jede Plattform hat ihre eigenen Pfade. Verwenden Sie die Zuordnungstabelle oder den Modellkatalog.

Muss ich meine Prompts ändern?

Nein. Die Modelle sind dieselben, daher lassen sich Prompts übernehmen. Prüfen Sie Parameternamen und zulässige Werte.

Kann ich beide Plattformen gleichzeitig nutzen?

Ja. Routen Sie mit einer Zuordnungstabelle nach Modell und nutzen Sie die zweite Plattform als Fallback bei Fehlern auf Kontoebene.

Wie lange dauert eine Migration?

Bei einer Integration, die eine Handvoll Modelle über eine einzige Hilfsfunktion aufruft, ist die Codeänderung gering: ein Schlüssel, eine Zuordnungstabelle und die Ausgabeverarbeitung. Der Großteil der Zeit geht in den Vergleich der Ergebnisse mit Ihren eigenen Eingaben.

Teilen