Cara Bermigrasi dari fal.ai ke WaveSpeedAI: Pemetaan Model dan Perubahan Kode
Panduan langkah demi langkah untuk memindahkan integrasi dari fal.ai ke WaveSpeedAI: pemetaan endpoint untuk Seedance, Kling, Veo, Wan, Nano Banana, dan Seedream, serta perubahan kode Python dan JavaScript.
Memindahkan integrasi dari fal.ai ke WaveSpeedAI hanya memerlukan tiga perubahan: API key yang berbeda, path model yang berbeda, dan tempat yang berbeda untuk membaca URL output. Kedua platform memakai pola yang sama, yaitu mengirim job lalu mengambil hasilnya, sehingga struktur kode Anda tetap sama.
Panduan ini memuat pemetaan model untuk endpoint yang paling banyak dipakai, perubahan kode dalam Python dan JavaScript, adapter kecil yang memungkinkan Anda berpindah satu model per satu waktu, dan daftar periksa untuk beralih dengan aman.
Id model di kedua platform diperiksa pada 22 November 2026.
Apa yang berubah dan apa yang tetap
| fal.ai | WaveSpeedAI | |
|---|---|---|
| Header autentikasi | Authorization: Key $FAL_KEY | Authorization: Bearer $WAVESPEED_API_KEY |
| Kirim | Endpoint antrean untuk id model | POST https://api.wavespeed.ai/api/v3/<model path> |
| Hasil | Status, lalu hasil, berdasarkan request id | GET https://api.wavespeed.ai/api/v3/predictions/<id>/result |
| Panggilan klien | fal_client.subscribe(id, arguments=...) | wavespeed.run(path, input) |
| Output | Bergantung pada model, misalnya video.url atau images[0].url | Selalu outputs, berupa daftar URL |
| Webhook | Didukung | Didukung |
| Input file | URL | URL |
Format output adalah perubahan yang menyentuh paling banyak kode, dan ini justru penyederhanaan: setiap model WaveSpeedAI mengembalikan file-nya dalam daftar outputs yang sama.
Pemetaan model
Setiap baris sudah diperiksa di kedua situs. Model tersedia dalam beberapa varian di kedua platform; tabel ini mencantumkan endpoint teks dan gambar utama.
| Model | Id fal.ai | Path WaveSpeedAI |
|---|---|---|
| Seedance 2.5 text to video | bytedance/seedance-2.5/us/text-to-video | bytedance/seedance-2.5/text-to-video |
| Seedance 2.5 image to video | bytedance/seedance-2.5/us/image-to-video | bytedance/seedance-2.5/image-to-video |
| Kling 4.0 text to video | kling/v4/text-to-video | kwaivgi/kling-v4.0/text-to-video |
| Kling 4.0 image to video | kling/v4/image-to-video | kwaivgi/kling-v4.0/image-to-video |
| Veo 3.1 text to video | fal-ai/veo3.1 | google/veo3.1/text-to-video |
| Veo 3.1 Fast text to video | fal-ai/veo3.1/fast | google/veo3.1-fast/text-to-video |
| Wan 3.0 text to video | alibaba/wan-3.0/text-to-video | alibaba/wan-3.0/text-to-video |
| Wan 3.0 image to video | alibaba/wan-3.0/image-to-video | alibaba/wan-3.0/image-to-video |
| Nano Banana Pro text to image | fal-ai/nano-banana-pro | google/nano-banana-pro/text-to-image |
| Nano Banana Pro edit | fal-ai/nano-banana-pro/edit | google/nano-banana-pro/edit |
| Seedream 5.5 text to image | bytedance/seedream/v5.5/text-to-image | bytedance/seedream-v5.5 |
| Seedream 5.5 edit | bytedance/seedream/v5.5/edit | bytedance/seedream-v5.5/edit |
Untuk model yang tidak tercantum, cari di katalog model. Path ditampilkan di setiap halaman model bersama parameter dan harganya.
Nama parameter bisa berbeda. Model yang sama bisa menamai sebuah input image_url di satu platform dan image di platform lainnya, atau menyatakan durasi dan resolusi dengan cara yang berbeda. Periksa daftar parameter di halaman model, jangan menyalin payload begitu saja.
Python
Sebelum:
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"])
Sesudah:
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])
Pasang SDK dengan pip install wavespeed dan atur WAVESPEED_API_KEY di environment.
JavaScript
Sebelum:
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);
Sesudah:
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]);
Pasang dengan npm install wavespeed.
HTTP biasa
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"
Panggilan pertama mengembalikan data.id. Panggilan kedua mengembalikan data.status (created, processing, completed atau failed) dan, saat selesai, URL file di data.outputs.
Berpindah satu model per satu waktu dengan adapter
Anda tidak perlu memindahkan semuanya sekaligus. Adapter ini mempertahankan titik pemanggilan yang sudah ada dan hanya mengarahkan model yang sudah Anda petakan, sehingga Anda bisa memigrasikan dan membandingkan satu endpoint per satu waktu.
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]:
"""Mengembalikan daftar URL output, platform mana pun yang melayani permintaan."""
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", [])]
Karena fungsi ini selalu mengembalikan daftar URL, bagian lain aplikasi Anda tidak lagi bergantung pada platform mana yang menjalankan job. Fungsi yang sama juga siap dipakai sebagai cadangan: jika satu platform mengembalikan error tingkat akun, panggil platform yang lain.
Daftar periksa peralihan
- Buat API key di halaman access key dan tambahkan sedikit kredit. Kredit tidak pernah kedaluwarsa.
- Petakan model Anda dengan tabel di atas dan katalog.
- Periksa parameter setiap model terhadap halamannya.
- Jalankan prompt dan gambar referensi asli Anda melalui setiap model yang dipetakan, lalu bandingkan hasilnya dengan yang Anda dapatkan sekarang.
- Perbarui penanganan output agar membaca
outputs. - Unduh output yang perlu disimpan ke penyimpanan Anda sendiri, seperti yang seharusnya dilakukan di platform mana pun.
- Kirim sebagian kecil traffic produksi melalui jalur baru selama beberapa hari.
- Pindahkan sisanya, dan pertahankan integrasi lama sebagai cadangan sampai Anda puas.
Yang Anda dapatkan setelah pindah
- Kredit yang tidak pernah kedaluwarsa.
- Task yang gagal dikembalikan dananya sepenuhnya, termasuk task yang dihentikan oleh pemeriksaan konten.
- Tanpa cold start.
- Satu format permintaan dan respons untuk setiap model.
- Harga ditampilkan sebelum Anda menjalankan, serta batas pengeluaran yang dapat Anda atur per API key.
- Dukungan yang menjawab lewat chat di situs atau di Discord.
Di mana fal mungkin masih lebih cocok
Jika Anda men-deploy model kustom sendiri di GPU serverless, atau mengandalkan endpoint WebSocket real-time fal atau klien Swift, Kotlin, dan Dart-nya, periksa kebutuhan tersebut terlebih dahulu. WaveSpeedAI berfokus pada model hosted siap panggil dengan SDK Python dan JavaScript serta REST API. Banyak tim mempertahankan keduanya dan mengarahkan permintaan berdasarkan model.
FAQ
Apakah WaveSpeedAI kompatibel dengan API fal.ai?
Polanya sama, yaitu mengirim lalu mengambil hasil, tetapi endpoint, header autentikasi, dan format output berbeda. Adapter di atas memungkinkan kode yang ada memanggil kedua platform.
Apakah id model fal.ai berfungsi di WaveSpeedAI?
Tidak. Setiap platform punya path sendiri. Gunakan tabel pemetaan atau katalog model.
Apakah saya perlu mengubah prompt?
Tidak. Modelnya sama, jadi prompt tetap bisa dipakai. Periksa nama parameter dan nilai yang diizinkan.
Bisakah saya memakai kedua platform sekaligus?
Bisa. Arahkan berdasarkan model dengan tabel pemetaan, dan gunakan platform kedua sebagai cadangan untuk error tingkat akun.
Berapa lama migrasi berlangsung?
Untuk integrasi yang memanggil beberapa model melalui satu fungsi helper, perubahan kodenya kecil: sebuah key, tabel pemetaan, dan penanganan output. Sebagian besar waktu dihabiskan untuk membandingkan hasil pada input Anda sendiri.
/filters:quality(82)/media/images/1773962750383987480_n3hqzHRZ.webp)