Présentation de SFX v3 pour les développeurs

Aujourd'hui, nous lançons SFX v3, notre tout dernier modèle d'effets sonores dans l'API Sound Effects. Il suit plus fidèlement les prompts comportant plusieurs instructions que SFX v2 et gère mieux les voix et la musique. Pour l'essayer, définissez model_id sur eleven_text_to_sound_v3 dans le point de terminaison POST /v1/sound-generation.

ID du modèle

Pour passer au nouveau modèle, il vous suffit de mettre à jour l'ID du modèle :

from elevenlabs import ElevenLabs

elevenlabs = ElevenLabs()

audio = elevenlabs.text_to_sound_effects.convert(
    text="Football crowd cheering, hearing a ball drop, crowd booing",
    model_id="eleven_text_to_sound_v3",
)

Le modèle détermine la durée de l'effet sonore à partir du prompt. Si vous avez besoin d'une durée précise, définissez duration_seconds sur la durée souhaitée.

Si les résultats s'écartent de votre demande, augmentez prompt_influence au-delà de sa valeur par défaut de 0,3. Des valeurs plus élevées suivent davantage le prompt et varient moins d'une génération à l'autre. Le paramètre de requête output_format définit le codec et la fréquence d'échantillonnage, par exemple mp3_44100_128 ou pcm_48000.

La lecture en boucle ne fonctionne actuellement qu'avec eleven_text_to_sound_v2. Si vous en avez besoin pour votre requête, utilisez donc le modèle v2 avec loop: true.

Comment rédiger vos prompts

SFX v3 excelle dans les effets sonores en plusieurs parties. Pour tirer le meilleur parti du modèle, l'ordre des prompts est important. Énumérez les événements dans l'ordre où ils doivent se produire, par exemple : « Des pas sur du gravier, puis une porte métallique s'ouvre. » Pour un son unique, un prompt court et concret est préférable.

La formulation compte aussi. L'un de nos testeurs a constaté que « un couple qui se dispute en français » fonctionnait bien mieux que « un couple qui se bat en français ». Essayez plusieurs formulations pour un même événement avant d'en retenir une.

Testez les deux modèles

SFX v3 est une mise à jour progressive. Il est moins susceptible de produire des saturations sur les sons à haute fréquence, comme les gongs, les carillons et les sifflements de bouilloire, et notre équipe d'ingénierie estime que son rendu est globalement plus naturel.

Comme les deux modèles fonctionnent sur le même point de terminaison, un test A/B est peu coûteux. Exécutez vos prompts les plus fréquents avec v2 et v3 afin de comparer les résultats avant de passer à la nouvelle version.

Essayez SFX v3

Consultez le Guide de l'API Create sound effect pour obtenir la liste complète des paramètres, puis envoyez votre première requête v3. Si vous préférez écouter vos effets sonores avant d'écrire du code, ils sont également disponibles dans l'onglet Sound Effects, dans Flows et dans Studio, sur ElevenCreative.