Comment migrer de fal.ai vers WaveSpeedAI : correspondance des modèles et modifications du code
Un guide pas à pas pour faire passer une intégration de fal.ai à WaveSpeedAI : correspondance des endpoints pour Seedance, Kling, Veo, Wan, Nano Banana et Seedream, ainsi que les modifications de code en Python et JavaScript.
Passer une intégration de fal.ai à WaveSpeedAI demande trois changements : une autre clé API, un autre chemin de modèle et un autre endroit où lire l’URL du résultat. Les deux plateformes suivent le même schéma, soumettre une tâche puis récupérer le résultat. La structure de votre code reste donc la même.
Ce guide présente la correspondance des modèles pour les endpoints les plus utilisés, les modifications de code en Python et en JavaScript, un petit adaptateur qui permet de basculer un modèle à la fois, et une checklist pour effectuer la bascule en toute sécurité.
Identifiants de modèles vérifiés sur les deux plateformes le 22 novembre 2026.
Ce qui change et ce qui reste
| fal.ai | WaveSpeedAI | |
|---|---|---|
| En-tête d’authentification | Authorization: Key $FAL_KEY | Authorization: Bearer $WAVESPEED_API_KEY |
| Soumission | Endpoint de file d’attente pour l’identifiant du modèle | POST https://api.wavespeed.ai/api/v3/<model path> |
| Résultat | Statut, puis résultat, via l’identifiant de requête | GET https://api.wavespeed.ai/api/v3/predictions/<id>/result |
| Appel du client | fal_client.subscribe(id, arguments=...) | wavespeed.run(path, input) |
| Sortie | Dépend du modèle, par exemple video.url ou images[0].url | Toujours outputs, une liste d’URL |
| Webhooks | Pris en charge | Pris en charge |
| Fichiers en entrée | URL | URL |
Le format de sortie est le changement qui touche le plus de code, et c’est une simplification : chaque modèle WaveSpeedAI renvoie ses fichiers dans la même liste outputs.
Correspondance des modèles
Chaque ligne a été vérifiée sur les deux sites. Les modèles existent en plusieurs variantes sur les deux plateformes ; le tableau répertorie les principaux endpoints texte et image.
| Modèle | Identifiant fal.ai | Chemin WaveSpeedAI |
|---|---|---|
| Seedance 2.5 texte vers vidéo | bytedance/seedance-2.5/us/text-to-video | bytedance/seedance-2.5/text-to-video |
| Seedance 2.5 image vers vidéo | bytedance/seedance-2.5/us/image-to-video | bytedance/seedance-2.5/image-to-video |
| Kling 4.0 texte vers vidéo | kling/v4/text-to-video | kwaivgi/kling-v4.0/text-to-video |
| Kling 4.0 image vers vidéo | kling/v4/image-to-video | kwaivgi/kling-v4.0/image-to-video |
| Veo 3.1 texte vers vidéo | fal-ai/veo3.1 | google/veo3.1/text-to-video |
| Veo 3.1 Fast texte vers vidéo | fal-ai/veo3.1/fast | google/veo3.1-fast/text-to-video |
| Wan 3.0 texte vers vidéo | alibaba/wan-3.0/text-to-video | alibaba/wan-3.0/text-to-video |
| Wan 3.0 image vers vidéo | alibaba/wan-3.0/image-to-video | alibaba/wan-3.0/image-to-video |
| Nano Banana Pro texte vers image | fal-ai/nano-banana-pro | google/nano-banana-pro/text-to-image |
| Nano Banana Pro édition | fal-ai/nano-banana-pro/edit | google/nano-banana-pro/edit |
| Seedream 5.5 texte vers image | bytedance/seedream/v5.5/text-to-image | bytedance/seedream-v5.5 |
| Seedream 5.5 édition | bytedance/seedream/v5.5/edit | bytedance/seedream-v5.5/edit |
Pour tout ce qui ne figure pas dans la liste, cherchez dans le catalogue de modèles. Le chemin est indiqué sur la page de chaque modèle, avec ses paramètres et son prix.
Les noms de paramètres peuvent différer. Un même modèle peut appeler une entrée image_url sur une plateforme et image sur l’autre, ou exprimer la durée et la résolution différemment. Consultez la liste des paramètres sur la page du modèle au lieu de recopier tel quel une charge utile d’une plateforme à l’autre.
Python
Avant :
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"])
Après :
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])
Installez le SDK avec pip install wavespeed et définissez WAVESPEED_API_KEY dans l’environnement.
JavaScript
Avant :
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);
Après :
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]);
Installez avec npm install wavespeed.
HTTP brut
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"
Le premier appel renvoie data.id. Le second renvoie data.status (created, processing, completed ou failed) et, une fois la tâche terminée, les URL des fichiers dans data.outputs.
Basculer un modèle à la fois avec un adaptateur
Vous n’avez pas besoin de tout migrer d’un coup. Cet adaptateur conserve vos points d’appel existants et n’oriente que les modèles que vous avez mis en correspondance, ce qui vous permet de migrer et de comparer un endpoint à la fois.
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", [])]
Comme la fonction renvoie toujours une liste d’URL, le reste de votre application ne dépend plus de la plateforme qui a exécuté la tâche. Cette même fonction constitue un repli prêt à l’emploi : si une plateforme renvoie une erreur au niveau du compte, appelez l’autre.
Checklist de bascule
- Créez une clé API sur la page des clés d’accès et ajoutez un petit montant de crédits. Les crédits n’expirent jamais.
- Mettez vos modèles en correspondance à l’aide du tableau ci-dessus et du catalogue.
- Vérifiez les paramètres de chaque modèle par rapport à sa page.
- Exécutez vos vrais prompts et images de référence avec chaque modèle mis en correspondance, et comparez les résultats avec ceux que vous obtenez aujourd’hui.
- Mettez à jour la gestion des sorties pour lire
outputs. - Téléchargez dans votre propre stockage les sorties que vous devez conserver, comme vous devriez le faire sur n’importe quelle plateforme.
- Envoyez une petite part du trafic de production par le nouveau chemin pendant quelques jours.
- Migrez le reste, et conservez l’ancienne intégration comme solution de repli jusqu’à ce que vous soyez satisfait.
Ce que vous obtenez après la migration
- Des crédits qui n’expirent jamais.
- Les tâches échouées intégralement remboursées, y compris les tâches arrêtées par un contrôle de contenu.
- Aucun démarrage à froid.
- Un seul format de requête et de réponse pour tous les modèles.
- Le prix affiché avant l’exécution, et une limite de dépenses que vous pouvez définir par clé API.
- Un support qui répond, via le chat du site ou sur Discord.
Là où fal peut encore mieux convenir
Si vous déployez vos propres modèles personnalisés sur des GPU serverless, ou si vous vous appuyez sur les endpoints WebSocket temps réel de fal ou sur ses clients Swift, Kotlin et Dart, examinez d’abord ces besoins. WaveSpeedAI se concentre sur des modèles hébergés prêts à l’emploi, avec des SDK Python et JavaScript et une API REST. De nombreuses équipes gardent les deux et orientent les requêtes par modèle.
FAQ
WaveSpeedAI est-il compatible avec l’API fal.ai ?
Le schéma est le même, soumettre puis récupérer le résultat, mais les endpoints, l’en-tête d’authentification et le format de sortie diffèrent. L’adaptateur ci-dessus permet au code existant d’appeler l’une ou l’autre plateforme.
Les identifiants de modèles fal.ai fonctionnent-ils sur WaveSpeedAI ?
Non. Chaque plateforme a ses propres chemins. Utilisez le tableau de correspondance ou le catalogue de modèles.
Dois-je modifier mes prompts ?
Non. Les modèles sont les mêmes, donc les prompts se transposent. Vérifiez les noms de paramètres et les valeurs autorisées.
Puis-je utiliser les deux plateformes en même temps ?
Oui. Orientez les requêtes par modèle avec un tableau de correspondance, et utilisez la seconde plateforme comme solution de repli en cas d’erreurs au niveau du compte.
Combien de temps dure une migration ?
Pour une intégration qui appelle quelques modèles via une seule fonction utilitaire, la modification du code est réduite : une clé, un tableau de correspondance et la gestion des sorties. La plus grande partie du temps est consacrée à la comparaison des résultats sur vos propres entrées.
/filters:quality(82)/media/images/1773962750383987480_n3hqzHRZ.webp)