面向开发者推出 SFX v3

今天，我们将在 Sound Effects API 中发布最新音效模型 SFX v3。与 SFX v2 相比，它能更准确地遵循包含多项指令的提示词，并能更好地处理人声和音乐。要试用，只需在 POST /v1/sound-generation 端点中将 model_id 设为 eleven_text_to_sound_v3。

模型 ID

要更新到新模型，只需更新模型 ID：

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",
)

模型会根据提示词决定音效时长。如需精确控制时长，请将 duration_seconds 设为所需时间。

如果输出偏离预期，可将 prompt_influence 提高到默认值 0.3 以上。值越高，生成结果越贴合提示词，且不同生成结果之间的差异越小。output_format 查询参数用于设置编解码器和采样率，例如 mp3_44100_128 或 pcm_48000。

目前循环功能仅适用于 eleven_text_to_sound_v2，因此如需在请求中使用该功能，请继续使用 v2 模型并设置 loop: true。

如何编写提示词

SFX v3 很擅长生成多段音效。要充分发挥模型效果，提示词顺序很重要。请按事件发生的先后顺序列出内容，例如：“碎石路上的脚步声，然后一扇金属门打开。”如果只需一种声音，简短、具体的提示词效果最佳。

措辞也很重要。我们的一位测试人员发现，“一对情侣用法语争论”比“一对情侣用法语打架”的效果好得多。在确定最终提示词前，建议先尝试描述同一事件的几种不同说法。

测试两个模型

SFX v3 是一次渐进式更新。它在锣声、钟声和水壶鸣笛等高频声音上更不容易出现截断，工程团队也认为其整体听感更自然。

由于两个模型都在同一端点运行，进行 A/B 测试成本很低。切换前，可用最常见的提示词分别测试 v2 和 v3，再比较结果。

试用 SFX v3

查看 创建音效 API 参考文档，了解完整参数列表，然后发送第一个 v3 请求。如果想先试听音效再编写代码，也可在 ElevenCreative 的 Sound Effects 标签页、Flows 和 Studio 中使用。