fal

Paid

面向开发者的生成式媒体平台，提供托管模型 API、自定义模型部署和 GPU 计算能力，用于构建和运行图像、视频、音频等生成式媒体应用。

什么是 fal？

fal 是一个用于构建和运行生成式媒体应用的开发者平台。它通过统一 API 提供图像、视频、音频、音乐、语音、3D 和多模态模型，同时提供用于部署自定义模型和运行 GPU 工作负载的基础设施。团队可以从调用托管模型开始，然后使用 fal Serverless 部署自定义端点，或使用专用 Compute 实例执行训练和持续运行的工作负载。该平台将这些工作流整合起来，使应用能够通过 fal 的推理基础设施使用托管模型和自定义模型。

fal 能做什么？

统一模型 API

通过一个 API 调用 1,000 多个用于图像、视频、音频和其他媒体任务的模型端点。请求支持同步调用和异步队列调用；许多模型还提供流式传输或实时 WebSocket 连接。

自定义 Serverless 部署

将模型封装为 Python 应用，在云 GPU 运行器上进行测试，并部署带有身份验证、自动扩缩容、重试、修订历史记录和回滚支持的端点。

专用 GPU 计算

配置带 SSH 访问权限的 GPU 实例，用于训练、微调、批处理作业和持久化工作负载。Compute 按小时计费，Serverless 推理则按执行时间计费。

请求监控和扩缩容控制

控制台提供日志、请求级分析和错误跟踪。部署设置可让团队配置最小和最大并发数以及预热行为。

模型发现与比较

浏览模型市场，查看特定模型的定价，并在选择端点前于 Sandbox 中并排比较模型。

按使用量计费

托管模型 API 按每次输出或其他特定于模型的计费单位计费，而 Serverless 和专用 GPU 计算则按 GPU 费率计费。成本可能会受到分辨率、时长和质量等模型设置的影响。

使用场景

“将媒体生成添加到应用中”

使用托管端点添加图像、视频、音频、语音或 3D 生成功能，无需为每个 API 请求配置模型基础设施。

“提供专有模型或微调模型服务”

围绕自定义权重或专有流程构建 Python 应用，在云 GPU 运行器上进行测试，并将其部署为可随需求扩展的身份验证端点。

“在专用 GPU 上训练或微调”

在带 SSH 访问权限且按固定小时费率计费的专用实例上运行训练和微调作业，包括多 GPU 工作负载。

“在集成前评估模型选项”

在 Sandbox 中比较可用模型，并在选择端点前查看其计费单位和取决于设置的成本。

常见问题

如何发起第一次模型请求？

从市场中选择模型，创建 API 密钥，然后使用 fal 客户端库或 REST API 调用其端点。文档提供 Python、JavaScript 和 cURL 示例。

我可以部署自己的模型吗？

可以。定义一个 Python fal.App，在云 GPU 运行器上进行测试，然后将其部署为持久化端点。部署包括身份验证、自动扩缩容、重试和基于修订版本的回滚。

什么时候应该使用 Compute，而不是 Serverless？

Compute 适用于需要专用 GPU 访问权限和 SSH 的训练、微调、批处理作业及持久化工作负载。Serverless 面向 API 端点和使用托管运行器按需进行的推理。

使用量如何计费？

模型 API 使用特定于模型的单位，例如输出数量、秒数、字符数或百万像素。Serverless 和 Compute 按 GPU 计费；Compute 按小时计费，Serverless 则按实际使用时间计费。模型设置可能会影响最终成本。

快速信息

产品类别: 生成式媒体推理和 GPU 计算平台
主要用户: 构建 AI 应用的开发者和团队
模型覆盖范围: 图像、视频、音频、音乐、语音、3D 和多模态模型
自定义部署: 在托管的 Serverless GPU 运行器上运行 Python 应用
专用计算: 带 SSH 访问权限、用于训练和持久化工作负载的 GPU 实例
定价模式: 特定于模型的 API 使用量；Serverless 执行和专用 GPU 按使用量或小时计费

fal 流量分析

流量数据仅供参考。

月访问量: 230万
全球排名: #19,198
用户跳出率: 36.7%
平均访问时长: 06:42
每次访问页数: 6.39
域名评分: 82

3月	2556690
4月	2595836
5月	2300237

fal