WaveSpeedAI

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.

By WaveSpeedAI6 min read

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.aiWaveSpeedAI
Заголовок авторизацииAuthorization: Key $FAL_KEYAuthorization: Bearer $WAVESPEED_API_KEY
ОтправкаЭндпоинт очереди для идентификатора моделиPOST https://api.wavespeed.ai/api/v3/<model path>
РезультатСтатус, затем результат, по идентификатору запросаGET https://api.wavespeed.ai/api/v3/predictions/<id>/result
Вызов клиентаfal_client.subscribe(id, arguments=...)wavespeed.run(path, input)
ВыводЗависит от модели, например video.url или images[0].urlВсегда outputs — список URL
ВебхукиПоддерживаютсяПоддерживаются
Входные файлыURLURL

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.

МодельИдентификатор fal.aiПуть WaveSpeedAI
Seedance 2.5 text to videobytedance/seedance-2.5/us/text-to-videobytedance/seedance-2.5/text-to-video
Seedance 2.5 image to videobytedance/seedance-2.5/us/image-to-videobytedance/seedance-2.5/image-to-video
Kling 4.0 text to videokling/v4/text-to-videokwaivgi/kling-v4.0/text-to-video
Kling 4.0 image to videokling/v4/image-to-videokwaivgi/kling-v4.0/image-to-video
Veo 3.1 text to videofal-ai/veo3.1google/veo3.1/text-to-video
Veo 3.1 Fast text to videofal-ai/veo3.1/fastgoogle/veo3.1-fast/text-to-video
Wan 3.0 text to videoalibaba/wan-3.0/text-to-videoalibaba/wan-3.0/text-to-video
Wan 3.0 image to videoalibaba/wan-3.0/image-to-videoalibaba/wan-3.0/image-to-video
Nano Banana Pro text to imagefal-ai/nano-banana-progoogle/nano-banana-pro/text-to-image
Nano Banana Pro editfal-ai/nano-banana-pro/editgoogle/nano-banana-pro/edit
Seedream 5.5 text to imagebytedance/seedream/v5.5/text-to-imagebytedance/seedream-v5.5
Seedream 5.5 editbytedance/seedream/v5.5/editbytedance/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

  1. Создайте API-ключ на странице ключей доступа и пополните баланс небольшой суммой. Кредиты не сгорают.
  2. Сопоставьте свои модели с помощью таблицы выше и каталога.
  3. Проверьте параметры каждой модели по её странице.
  4. Прогоните свои реальные промпты и референсные изображения через каждую сопоставленную модель и сравните результаты с тем, что вы получаете сейчас.
  5. Обновите обработку вывода, чтобы она читала outputs.
  6. Скачивайте нужные вам результаты в собственное хранилище, как и следует делать на любой платформе.
  7. Направьте небольшую долю production-трафика через новый путь на несколько дней.
  8. 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.

Поделиться