サウンドエフェクト

概要

ElevenLabsのサウンドエフェクトAPIは、テキストによる説明を高品質なサウンドエフェクトに変換し、タイミング、スタイル、複雑さを細かく制御できます。自然言語とオーディオ用語の両方を理解するため、次のことが可能です。

• 映画や予告編向けのシネマティックなサウンドデザインを生成
• ゲームやインタラクティブメディア向けにカスタムサウンドエフェクトを作成
• ビデオコンテンツ向けにフォーリーや環境音を制作

例をお聴きください。

使用方法

サウンドエフェクトは、テキストによる説明と任意のパラメーターを使って生成します。

• モデル：サウンドエフェクトを生成するモデルを選択します

  • eleven_text_to_sound_v2：デフォルトモデル。非推奨で、2027年3月1日に廃止されます
  • eleven_text_to_sound_v3（SFX v3）：複数の要素を含むプロンプトにより忠実に従い、声や音楽のサウンドをより適切に処理します。SFX v3をご覧ください

• 長さ：生成するオーディオの長さを秒単位で指定します

  • デフォルト：プロンプトに基づいて自動的に決定
  • 範囲：0.1～30秒
  • コスト：長さを指定した場合、1秒あたり40クレジット

• ループ：30秒を超えるサウンドエフェクト向けに、シームレスなループを有効にします

  • 開始点や終了点を感じさせず、繰り返し再生できるサウンドエフェクトを作成します
  • 雰囲気を演出する音、環境音のテクスチャ、背景要素に最適です
  • 例：「静かな雨」を30秒生成し、オーディオブック、映画、ゲームの雰囲気づくりのために無限にループします

• プロンプトの影響度：モデルがプロンプトにどの程度厳密に従うかを制御します

  • 高：プロンプトをより文字どおりに解釈
  • 低：バリエーションを加えて、よりクリエイティブに解釈

SFX v3

SFX v3は、最新のサウンドエフェクトモデルです。eleven_text_to_sound_v2 と比べて、複数の指示を含むプロンプトにより忠実に従い、音楽や声を含むプロンプトをより適切に処理し、より自然な音を生成します。また、チャイムや口笛などの高周波音でクリッピングが発生しにくくなっています。結果はプロンプトによって異なるため、実際に使用するプロンプトで両方のモデルを比較してください。

SFX v3は、APIのほか、ElevenCreativeのサウンドエフェクト、Flows、Studioで利用できます。APIでは、model_id を eleven_text_to_sound_v3 に設定してください。

SFX v3にプロンプトを入力するときは、大まかな音のカテゴリーではなく、求める動作、場所、雰囲気、演出を具体的に記述してください。

• 「静かなアパートの窓を打つ雨」
• 「砂利道をゆっくり近づいてくる足音」
• 「歓声を上げるサッカー観衆、ボールが落ちる音、ブーイングする観衆」

表現によって結果が変わります。たとえば、「フランス語で喧嘩するカップル」よりも「フランス語で口論するカップル」の方が良い結果が得られました。「トライアングルを4回鳴らす」のように、正確な反復回数を求めるプロンプトには必ずしも従いません。

SFX v3について詳しくは、モデルページをご覧ください。

プロンプトガイド

シンプルなエフェクト

基本的なサウンドエフェクトには、明確で簡潔な説明を使用します。

• 「コンクリートの上でガラスが割れる音」
• 「重い木製のドアがきしみながら開く音」
• 「遠くで鳴り響く雷」

複雑なシーケンス

複数の要素を含むサウンドエフェクトでは、出来事の順序を記述します。

• 「砂利道の足音に続いて、金属製のドアが開く」
• 「木々の間を吹き抜ける風の音に続いて、葉が擦れる」
• 「剣を抜き、別の剣と打ち合う」

音楽要素

APIは音楽要素の生成にも対応しています。

• 「90年代ヒップホップのドラムループ、90 BPM」
• 「ヘ短調のビンテージなブラススタブ」
• 「繊細なモジュレーションを加えた雰囲気のあるシンセパッド」

オーディオ用語

プロンプトの精度向上に役立つ一般的な用語は次のとおりです。

• インパクト：かすかな接触音から劇的な衝突音まで、物体同士の衝突や接触による音
• ウーシュ：高速で幽霊のような音から、ゆっくり回転する音やリズミカルな音まで、空気中の動きを表すエフェクト
• アンビエンス：雰囲気や空間を表現する背景環境音
• ワンショット：繰り返さない単発の音
• ループ：繰り返すオーディオセグメント
• ステム：分離されたオーディオ要素
• ブラーム：壮大または劇的な瞬間を示す、金管楽器のような重厚でシネマティックなヒット音。予告編でよく使われます
• グリッチ：故障、振動、不規則な動きを表す音。トランジションやSFに適しています
• ドローン：雰囲気や緊張感を生み出す、持続的で質感のある音

同時実行数と優先度

同時実行数とは、同時に処理できるサウンドエフェクト生成の数です。リクエストされた各生成は、生成中の間、1件の同時リクエストとしてカウントされます。上限はプランによって異なります。各プランの上限については、同時実行数の上限一覧をご覧ください。

主な仕様

• 最大長：1回の生成につき30秒
• 出力形式：すべてのエフェクトでMP3、ループしないエフェクトでは48 kHzのWAV
• ループエフェクト：聞き取れる開始点や終了点がなく、シームレスな繰り返し再生が可能
• 音楽要素：ドラムループ、ベースライン、メロディーサンプルを生成できます。完全な楽曲制作にはミュージックAPIをご利用ください