fal: リッチメディアクラス開発者のためのジェネレーティブ・マクロモデリングAPI

falはオンラインAI推論プラットフォームであり、画像、動画、音声を含む高品質な生成メディアモデルを用いてリアルタイムAIアプリケーションを構築することができます。falは、Stable Diffusion XL、Stable Diffusion with LoRAs、Optimised Latent Consistency (SDv1.5)など、様々な訓練済み生成モデルを提供しており、ユーザーは簡単なテキスト記述や落書きスケッチを使用して、素早く画像を生成することができます。画像を素早く生成することができます。

falは、GPU-A100、GPU-A10G、GPU-T4など、さまざまなマシンのタイプや仕様をサポートしており、さまざまなパフォーマンスやコスト要件を満たすことができます。falには詳細なドキュメントとサンプルが用意されており、ユーザーがすぐに使い始めることができます。

fal.aiは2021年に設立され、サンフランシスコに本社を置き、推論のスピードと効率を最適化することで、クリエイティブな表現の障壁を下げることに専念している。

機能一覧

• 効率的な推論エンジン最大400%の推論速度を持つ、世界最速の拡散モデル推論エンジンを提供します。
• 複数の世代モデルStable Diffusion 3.5やStable Diffusion 3.5など、事前にトレーニングされた様々な生成モデルをサポートしています。 FLUX.1。
• LoRAトレーニング: 業界最高のLoRAトレーニングツールを提供し、5分以内に新しいスタイルをパーソナライズまたはトレーニングできる。
• APIの統合JavaScript、Python、Swiftなど、さまざまなクライアント側ライブラリが用意されており、開発者が簡単に統合できる。
• オンライン推論リアルタイムのクリエイティブツールやカメラ入力のためのメディア推論のリアルタイム生成に対応。
• コスト最適化費用対効果の高い計算を保証するために、使用量に応じた支払い。

ヘルプの使用

インストールと統合

1. アカウント登録fal.aiにアクセスし、デベロッパーアカウントにサインアップしてください。
2. APIキーの取得ログイン後、"API Key "ページでAPIキーを生成・取得してください。
3. クライアント・ライブラリのインストール：
   • JavaScript：

     import { fal } from "@fal-ai/client";
     const result = await fal.subscribe("fal-ai/fast-sdxl", {
     input: { prompt: "photo of a cat wearing a kimono" },
     logs: true,
     onQueueUpdate: (update) => {
     if (update.status === "IN_PROGRESS") {
     update.logs.map((log) => log.message).forEach(console.log);
     }
     },
     });
     

   • Python：

     from fal import Client
     client = Client(api_key="YOUR_API_KEY")
     result = client.subscribe("fal-ai/fast-sdxl", input={"prompt": "photo of a cat wearing a kimono"})
     print(result)
     

   • Swift：

     import FalAI
     let client = FalClient(apiKey: "YOUR_API_KEY")
     client.subscribe(model: "fal-ai/fast-sdxl", input: ["prompt": "photo of a cat wearing a kimono"]) { result in
     print(result)
     }
     

生成モデルの使用

1. モデルを選択: fal.aiのモデルライブラリから、Stable Diffusion 3.5やFLUX.1など、プロジェクトに適したモデルを選択します。
2. 設定パラメータ推論ステップ数、入力画像サイズなどのモデルパラメータを、プロジェクトの要件に応じて設定します。
3. 走り推理APIコールを使用して推論を実行し、生成されたメディアコンテンツを取得します。
4. 最適化と調整生成された結果に基づいて、パラメータを調整するか、最適化のために別のモデルを選択します。

LoRAトレーニング

1. データのアップロードトレーニングデータを準備し、fal.aiプラットフォームにアップロードします。
2. トレーニングモデルの選択FLUX.1のような適切なLoRAトレーニングモデルを選択する。
3. トレーニングパラメータの設定学習率、学習ステップ数などの学習パラメータを設定します。
4. トレーニング開始トレーニングプロセスを開始すると、プラットフォームはトレーニングを完了し、短時間で新しいスタイルモデルを生成します。
5. 新モデルの適用パーソナライズされたメディアコンテンツを生成するために、新しく学習されたモデルを使用した推論。

すべてのモデルは、デバッグインターフェイスとAPIの2つの部分に分かれており、コールAPIで問題なくデバッグインターフェイスを使用することができます：

fal オプションモデル