WaveSpeedAI

Cómo migrar de fal.ai a WaveSpeedAI: mapeo de modelos y cambios de código

Guía paso a paso para trasladar una integración de fal.ai a WaveSpeedAI: mapeo de endpoints para Seedance, Kling, Veo, Wan, Nano Banana y Seedream, además de los cambios de código en Python y JavaScript.

By WaveSpeedAI7 min read

Migrar una integración de fal.ai a WaveSpeedAI requiere tres cambios: una clave de API distinta, una ruta de modelo distinta y otro lugar desde donde leer la URL del resultado. Ambas plataformas usan el mismo patrón (enviar un trabajo y obtener el resultado), así que la estructura de tu código no cambia.

Esta guía incluye la equivalencia de modelos para los endpoints más usados, los cambios de código en Python y JavaScript, un pequeño adaptador que te permite migrar un modelo a la vez y una lista de verificación para hacer el cambio de forma segura.

Ids de modelos de ambas plataformas verificados el 22 de noviembre de 2026.

Qué cambia y qué se mantiene

fal.aiWaveSpeedAI
Encabezado de autenticaciónAuthorization: Key $FAL_KEYAuthorization: Bearer $WAVESPEED_API_KEY
EnvíoEndpoint de cola para el id del modeloPOST https://api.wavespeed.ai/api/v3/<model path>
ResultadoEstado y luego resultado, por id de solicitudGET https://api.wavespeed.ai/api/v3/predictions/<id>/result
Llamada del clientefal_client.subscribe(id, arguments=...)wavespeed.run(path, input)
SalidaDepende del modelo, por ejemplo video.url o images[0].urlSiempre outputs, una lista de URL
WebhooksCompatibleCompatible
Archivos de entradaURLURL

El formato de salida es el cambio que afecta a más código, y es una simplificación: todos los modelos de WaveSpeedAI devuelven sus archivos en la misma lista outputs.

Equivalencia de modelos

Cada fila se verificó en ambos sitios. Los modelos tienen varias variantes en ambas plataformas; la tabla incluye los principales endpoints de texto e imagen.

Modeloid en fal.aiRuta en WaveSpeedAI
Seedance 2.5 texto a videobytedance/seedance-2.5/us/text-to-videobytedance/seedance-2.5/text-to-video
Seedance 2.5 imagen a videobytedance/seedance-2.5/us/image-to-videobytedance/seedance-2.5/image-to-video
Kling 4.0 texto a videokling/v4/text-to-videokwaivgi/kling-v4.0/text-to-video
Kling 4.0 imagen a videokling/v4/image-to-videokwaivgi/kling-v4.0/image-to-video
Veo 3.1 texto a videofal-ai/veo3.1google/veo3.1/text-to-video
Veo 3.1 Fast texto a videofal-ai/veo3.1/fastgoogle/veo3.1-fast/text-to-video
Wan 3.0 texto a videoalibaba/wan-3.0/text-to-videoalibaba/wan-3.0/text-to-video
Wan 3.0 imagen a videoalibaba/wan-3.0/image-to-videoalibaba/wan-3.0/image-to-video
Nano Banana Pro texto a imagenfal-ai/nano-banana-progoogle/nano-banana-pro/text-to-image
Nano Banana Pro ediciónfal-ai/nano-banana-pro/editgoogle/nano-banana-pro/edit
Seedream 5.5 texto a imagenbytedance/seedream/v5.5/text-to-imagebytedance/seedream-v5.5
Seedream 5.5 ediciónbytedance/seedream/v5.5/editbytedance/seedream-v5.5/edit

Para cualquier modelo que no aparezca aquí, busca en el catálogo de modelos. La ruta se muestra en la página de cada modelo, junto con sus parámetros y su precio.

Los nombres de los parámetros pueden diferir. Un mismo modelo puede llamar a una entrada image_url en una plataforma e image en la otra, o expresar la duración y la resolución de otra manera. Consulta la lista de parámetros en la página del modelo en lugar de copiar un payload sin cambios.

Python

Antes:

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"])

Después:

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])

Instala el SDK con pip install wavespeed y define WAVESPEED_API_KEY en el entorno.

JavaScript

Antes:

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);

Después:

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]);

Instala con npm install wavespeed.

HTTP simple

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"

La primera llamada devuelve data.id. La segunda devuelve data.status (created, processing, completed o failed) y, cuando termina, las URL de los archivos en data.outputs.

Cambia un modelo a la vez con un adaptador

No tienes que mover todo de una vez. Este adaptador conserva tus puntos de llamada actuales y enruta solo los modelos que ya has mapeado, de modo que puedes migrar y comparar un endpoint a la vez.

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]:
    """Return a list of output URLs, whichever platform served the request."""
    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", [])]

Como la función siempre devuelve una lista de URL, el resto de tu aplicación ya no depende de qué plataforma ejecutó el trabajo. La misma función sirve como respaldo listo para usar: si una plataforma devuelve un error a nivel de cuenta, llama a la otra.

Lista de verificación para el cambio

  1. Crea una clave de API en la página de claves de acceso y añade una pequeña cantidad de créditos. Los créditos nunca caducan.
  2. Mapea tus modelos con la tabla anterior y el catálogo.
  3. Revisa los parámetros de cada modelo en su página.
  4. Ejecuta tus prompts e imágenes de referencia reales con cada modelo mapeado y compara los resultados con los que obtienes hoy.
  5. Actualiza el manejo de la salida para leer outputs.
  6. Descarga a tu propio almacenamiento las salidas que necesites conservar, como deberías hacer en cualquier plataforma.
  7. Envía una pequeña parte del tráfico de producción por la nueva ruta durante unos días.
  8. Migra el resto y conserva la integración anterior como respaldo hasta que estés satisfecho.

Qué obtienes después de migrar

  • Créditos que nunca caducan.
  • Tareas fallidas reembolsadas por completo, incluidas las detenidas por una verificación de contenido.
  • Sin arranques en frío.
  • Un solo formato de solicitud y respuesta para todos los modelos.
  • El precio visible antes de ejecutar, y un límite de gasto que puedes configurar por clave de API.
  • Soporte que responde a través del chat del sitio o en Discord.

Dónde fal puede seguir siendo una mejor opción

Si despliegas tus propios modelos personalizados en GPU sin servidor, o dependes de los endpoints WebSocket en tiempo real de fal o de sus clientes para Swift, Kotlin y Dart, revisa primero esas necesidades. WaveSpeedAI se centra en modelos alojados listos para llamar, con SDK de Python y JavaScript y una API REST. Muchos equipos mantienen ambas plataformas y enrutan por modelo.

Preguntas frecuentes

¿Es WaveSpeedAI compatible con la API de fal.ai?

El patrón es el mismo, enviar y obtener el resultado, pero los endpoints, el encabezado de autenticación y el formato de salida son diferentes. El adaptador anterior permite que el código existente llame a cualquiera de las dos plataformas.

¿Funcionan los ids de modelos de fal.ai en WaveSpeedAI?

No. Cada plataforma tiene sus propias rutas. Usa la tabla de equivalencias o el catálogo de modelos.

¿Necesito cambiar mis prompts?

No. Los modelos son los mismos, así que los prompts se mantienen. Revisa los nombres de los parámetros y los valores permitidos.

¿Puedo usar ambas plataformas a la vez?

Sí. Enruta por modelo con una tabla de equivalencias y usa la segunda plataforma como respaldo ante errores a nivel de cuenta.

¿Cuánto tarda una migración?

Para una integración que llama a unos pocos modelos a través de una sola función auxiliar, el cambio de código es pequeño: una clave, una tabla de equivalencias y el manejo de la salida. La mayor parte del tiempo se dedica a comparar resultados con tus propias entradas.

Compartir