Как перейти с fal.ai на WaveSpeedAI: сопоставление моделей и изменения в коде
Пошаговое руководство по переносу интеграции с fal.ai на WaveSpeedAI: сопоставление эндпоинтов для Seedance, Kling, Veo, Wan, Nano Banana и Seedream, а также изменения в коде на Python и JavaScript.
Перенос интеграции с fal.ai на WaveSpeedAI требует трёх изменений: другой API-ключ, другой путь к модели и другое место, откуда читается URL результата. На обеих платформах используется один и тот же шаблон — отправить задачу и получить результат, — поэтому структура вашего кода остаётся прежней.
В этом руководстве приведено соответствие моделей для самых востребованных эндпоинтов, изменения кода на Python и JavaScript, небольшой адаптер, позволяющий переключать модели по одной, и чек-лист для безопасного перехода.
Идентификаторы моделей на обеих платформах проверены 22 ноября 2026 года.
Что меняется, а что остаётся
| fal.ai | WaveSpeedAI | |
|---|---|---|
| Заголовок авторизации | Authorization: Key $FAL_KEY | Authorization: Bearer $WAVESPEED_API_KEY |
| Отправка | Эндпоинт очереди для идентификатора модели | POST https://api.wavespeed.ai/api/v3/<model path> |
| Результат | Статус, затем результат, по идентификатору запроса | GET https://api.wavespeed.ai/api/v3/predictions/<id>/result |
| Вызов клиента | fal_client.subscribe(id, arguments=...) | wavespeed.run(path, input) |
| Вывод | Зависит от модели, например video.url или images[0].url | Всегда outputs — список URL |
| Вебхуки | Поддерживаются | Поддерживаются |
| Входные файлы | URL | URL |
Формат вывода — это изменение, которое затрагивает больше всего кода, и оно упрощает работу: каждая модель WaveSpeedAI возвращает свои файлы в одном и том же списке outputs.
Соответствие моделей
Каждая строка проверена на обоих сайтах. На обеих платформах модели существуют в нескольких вариантах; в таблице перечислены основные эндпоинты для текста и изображений.
| Модель | Идентификатор fal.ai | Путь 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 |
Если нужной модели в списке нет, поищите её в каталоге моделей. Путь указан на странице каждой модели вместе с её параметрами и ценой.
Названия параметров могут отличаться. Одна и та же модель может называть входной параметр image_url на одной платформе и image на другой или по-разному выражать длительность и разрешение. Сверяйтесь со списком параметров на странице модели, а не копируйте полезную нагрузку без изменений.
Python
До:
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"])
После:
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])
Установите SDK командой pip install wavespeed и задайте WAVESPEED_API_KEY в переменных окружения.
JavaScript
До:
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);
После:
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]);
Установите командой npm install wavespeed.
Обычный 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"
Первый вызов возвращает data.id. Второй возвращает data.status (created, processing, completed или failed) и, если задача завершена, URL файлов в data.outputs.
Переключайте модели по одной с помощью адаптера
Переносить всё сразу не обязательно. Этот адаптер сохраняет существующие места вызова и направляет на WaveSpeedAI только те модели, для которых вы задали соответствие, так что вы можете переносить и сравнивать эндпоинты по одному.
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", [])]
Поскольку функция всегда возвращает список URL, остальная часть вашего приложения больше не зависит от того, какая платформа выполнила задачу. Эта же функция — готовый запасной вариант: если одна платформа возвращает ошибку на уровне аккаунта, вызовите другую.
Чек-лист перехода
- Создайте API-ключ на странице ключей доступа и пополните баланс небольшой суммой. Кредиты не сгорают.
- Сопоставьте свои модели с помощью таблицы выше и каталога.
- Проверьте параметры каждой модели по её странице.
- Прогоните свои реальные промпты и референсные изображения через каждую сопоставленную модель и сравните результаты с тем, что вы получаете сейчас.
- Обновите обработку вывода, чтобы она читала
outputs. - Скачивайте нужные вам результаты в собственное хранилище, как и следует делать на любой платформе.
- Направьте небольшую долю production-трафика через новый путь на несколько дней.
- Перенесите остальное и оставьте старую интеграцию как запасной вариант, пока вас всё не устроит.
Что вы получаете после перехода
- Кредиты, которые никогда не сгорают.
- Полный возврат средств за неудавшиеся задачи, включая задачи, остановленные проверкой контента.
- Никаких холодных стартов.
- Единый формат запроса и ответа для всех моделей.
- Цена, показанная до запуска, и лимит расходов, который можно задать для каждого API-ключа.
- Поддержка, которая отвечает, через чат на сайте или в Discord.
Где fal может подойти лучше
Если вы развёртываете собственные модели на serverless-GPU или используете real-time WebSocket-эндпоинты fal либо его клиенты для Swift, Kotlin и Dart, сначала проверьте эти потребности. WaveSpeedAI сосредоточен на готовых к вызову размещённых моделях с SDK для Python и JavaScript и REST API. Многие команды используют обе платформы и распределяют запросы по моделям.
FAQ
Совместим ли WaveSpeedAI с API fal.ai?
Шаблон тот же — отправить задачу и получить результат, — но эндпоинты, заголовок авторизации и формат вывода отличаются. Адаптер выше позволяет существующему коду вызывать любую из платформ.
Работают ли идентификаторы моделей fal.ai на WaveSpeedAI?
Нет. У каждой платформы свои пути. Используйте таблицу соответствия или каталог моделей.
Нужно ли менять промпты?
Нет. Модели те же, поэтому промпты переносятся без изменений. Проверьте названия параметров и допустимые значения.
Можно ли использовать обе платформы одновременно?
Да. Распределяйте запросы по моделям с помощью таблицы соответствия, а вторую платформу используйте как запасную при ошибках на уровне аккаунта.
Сколько времени занимает миграция?
Если интеграция вызывает несколько моделей через одну вспомогательную функцию, изменения в коде невелики: ключ, таблица соответствия и обработка вывода. Больше всего времени уходит на сравнение результатов на ваших собственных входных данных.
/filters:quality(82)/media/images/1773962750383987480_n3hqzHRZ.webp)