概览
ElevenLabs SFX v3 是 ElevenLabs 于 2026 年 10 月 29 日发布的新一代文字生成音效模型（官方博文 10 月 30 日更新），接替 SFX v2，已在 ElevenCreative 和 ElevenAPI 上线。官方称它在三方面比 v2 更好：一条提示里描述多个声音时能生成出更多所描述的声音，适合给视频、游戏等完整场景配音；对含音乐和人声的提示生成更可信；音质更干净自然，锣、风铃、口哨这类声音更少出现刺耳或爆音。以上改进目前只有 ElevenLabs 官方测试数据。API 调用方式是 POST /v1/sound-generation，把 model_id 设为 eleven_text_to_sound_v3（API 默认仍为 v2）；单次最长 30 秒，可生成无缝循环音效，输出 MP3，非循环音效还可输出 48 kHz WAV。官方文档说明 SFX v3 目前为受限开放，并非所有地区都可用，没有权限的账号请求会返回 Unknown model 错误；文档也提醒精确次数类提示（如「三角铁敲 4 下」）不一定会被遵循，建议在自己的提示上对比 v2 和 v3。在 ElevenCreative 中可在 Sound Effects 标签页、Flows、Studio、Music Editor 以及手机 App 里使用。来源：https://elevenlabs.io/blog/sound-effects-v3 、https://elevenlabs.io/docs/overview/capabilities/sound-effects 、https://elevenlabs.io/pricing/api （2026-10-31 核对）。 定价：ElevenAPI 定价页 Sound Effects 为 0.12 美元 / 分钟（按生成次数计费，未单列 v3 价格）；文档写指定时长时每秒 40 credits；订阅各档含一定生成次数。不是按百万 tokens 计价，输入 / 输出价留空。
- 模态
- 音频
能力
- 文字生成音效：用一句描述生成音效，官方称比 SFX v2 更能照顾一条提示里的多个声音，例如「观众欢呼、球落地、观众嘘声」可以一次生成成一段
- 音乐和人声：对包含乐句、人声演唱的提示生成效果更好，可以把音乐或人声和环境音、日常声音组合在一起
- 音质：官方基准测试中声音更干净自然，锣、风铃、口哨这类高频声音不容易刺耳或爆音
- API：POST /v1/sound-generation，model_id 填 eleven_text_to_sound_v3（默认仍是 v2）；时长 0.1–30 秒，可生成无缝循环音效；输出 MP3，非循环音效可输出 48 kHz WAV；目前为受限开放，部分地区不可用，无权限账号会返回 Unknown model
- 产品内使用：ElevenCreative 的 Sound Effects 标签页、Flows、Studio、Music Editor 和 ElevenLabs 手机 App 均可选用
