Blog

Guía de uso

ElevenLabs Sound Effects v3 API: efectos de sonido de 30 segundos, bucles sin cortes y migración desde v2

Precio, parámetros, ejemplos de solicitud y cómo redactar los prompts, todo claro en un solo artículo

Nov 11, 2026
Sección transversal mineral low-poly facetada sobre un fondo verde tinta profundo con tonos verde azulado y malaquita
Modelo
elevenlabs-sound-effects
En esta página

Qué puede hacer Sound Effects v3

ElevenLabs Sound Effects v3 es un modelo de generación de efectos de sonido a partir de texto en HiAPI, con ID de modelo elevenlabs/sound-effects-v3. Basta con describir con texto el sonido deseado, por ejemplo la acción, la escena, la atmósfera y la forma de interpretación, y el modelo genera un efecto de sonido correspondiente. La duración puede establecerse entre 0.5 y 30 segundos, y también se puede solicitar la generación de un efecto de sonido en bucle cuyos extremos inicial y final se unan sin cortes.

Cada llamada genera 1 pista de audio MP3. Este artículo presenta el precio, los parámetros, ejemplos de solicitud, las diferencias con v2 y el método para redactar prompts. Las cifras del artículo se dan según la definición de la interfaz en el momento de la redacción.

Precio de la API de Sound Effects v3

Se factura según la duración solicitada (duration_seconds), a $0.0029 por segundo.

  • 2 segundos (duración predeterminada): $0.0058
  • 5 segundos: $0.0145
  • 10 segundos: $0.029
  • 30 segundos (máximo): $0.087

Activar el bucle (loop) o ajustar prompt_influence no supone ningún coste adicional. Si la tarea falla, se reembolsa el importe completo. El precio unitario de v2 también es de $0.0029 por segundo; ambas generaciones tienen el mismo precio.

Parámetros

Los únicos parámetros obligatorios son prompt y duration_seconds; el resto son opcionales.

  • prompt: obligatorio, de 1 a 450 caracteres; describe el sonido que se desea generar.
  • duration_seconds: obligatorio, de 0.5 a 30 segundos; no existe la «duración automática».
  • loop: indica si se genera un efecto de sonido que pueda reproducirse en bucle sin cortes; por defecto, false.
  • prompt_influence: de 0 a 1, por defecto 0.3. Cuanto mayor sea el valor, más se ajustará a la descripción literal del prompt; cuanto menor sea, más variará el resultado.

Realizar una solicitud

La generación de efectos de sonido en HiAPI es una tarea asíncrona: primero se crea la tarea y luego se consulta el resultado. model se coloca en el nivel superior y el resto de parámetros dentro de input.

Generar el sonido de una puerta abriéndose de 5 segundos:

curl -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "elevenlabs/sound-effects-v3",
    "input": {
      "prompt": "Heavy wooden door creaking open slowly in a quiet stone hallway, then a soft thud as it stops",
      "duration_seconds": 5
    }
  }'

Generar un sonido de lluvia de 10 segundos que pueda reproducirse en bucle:

{
  "model": "elevenlabs/sound-effects-v3",
  "input": {
    "prompt": "Gentle rain on a tin roof with distant rolling thunder, calm night ambience, no music",
    "duration_seconds": 10,
    "loop": true
  }
}

El coste de la segunda solicitud es 10 × $0.0029 = $0.029. Después de crear la tarea, consulta periódicamente GET https://api.hiapi.ai/v1/tasks/{taskId}; cuando el estado cambie a éxito, descarga la dirección del audio desde la salida.

En qué se diferencia v3 de v2

Los nombres de los parámetros y el precio son iguales en ambas generaciones; las diferencias en HiAPI son principalmente tres:

  • Límite máximo de duración: v3 llega hasta 30 segundos y v2 hasta 22 segundos. Si necesitas ambientes o sonidos de fondo de entre 22 y 30 segundos, solo puedes usar v3.
  • Resultados: la documentación oficial de ElevenLabs indica que, en comparación con v2, v3 sigue con mayor precisión los prompts que contienen varias instrucciones, maneja mejor los prompts con música o voces, suena más natural y es menos propenso al recorte (clipping) al generar sonidos agudos como campanillas de viento o silbidos. La documentación oficial también señala que los resultados varían según el prompt y recomienda probar ambas generaciones con tus propios prompts.
  • Mantenimiento futuro: ElevenLabs ha marcado oficialmente v2 (eleven_text_to_sound_v2) como obsoleto y planea retirarlo el 1 de marzo de 2027. Para proyectos nuevos se recomienda usar directamente v3.

Para migrar de v2 a v3, solo hay que cambiar model a elevenlabs/sound-effects-v3; el resto de parámetros no necesitan modificarse. Antes de ponerlo en producción, se recomienda comparar los resultados de ambas generaciones con algunos de los prompts habituales de tu negocio.

Cómo redactar los prompts

  • Describe acciones, escenas, atmósferas y formas de interpretación concretas; no escribas solo una categoría genérica. Por ejemplo, «pasos sobre grava mojada, a ritmo lento» da resultados más estables que «pasos».
  • Puedes describir el orden de los eventos, por ejemplo «Footsteps on gravel, then a metallic door opens» (primero pasos sobre grava y después se abre una puerta metálica).
  • Puedes usar terminología del sector de los efectos de sonido, por ejemplo impact (impacto), whoosh (silbido al pasar), ambience (ambiente), one-shot (efecto de una sola vez) o drone (sonido de fondo continuo).
  • No esperes que el modelo repita estrictamente un número de veces. La documentación oficial indica que peticiones con un número exacto de repeticiones, como «golpear el triángulo 4 veces», no necesariamente se cumplen. Si necesitas un ritmo exacto, genera una vez y luego edita y monta tú mismo.
  • Ajusta prompt_influence según sea necesario: para sonidos que requieren estabilidad y consistencia, como efectos de interfaz o tonos de aviso, puedes subirlo por encima de 0.6; si quieres varias propuestas de estilos diferentes, usa el valor predeterminado de 0.3 o uno menor.

Limitaciones actuales

  • Cada llamada genera solo 1 pista de audio. Si quieres varias candidatas, lanza varias tareas en paralelo.
  • El rango de duración es de 0.5 a 30 segundos y debe indicarse explícitamente; no hay duración automática.
  • El prompt admite como máximo 450 caracteres.
  • Solo se admiten tareas asíncronas; no hay retorno síncrono.
  • La salida es MP3 y actualmente no se puede elegir otro formato.

Para qué escenarios es adecuado

v3 es adecuado para escenarios que requieren producir efectos de sonido cortos en gran cantidad y con rapidez, como tonos de aviso de interfaces de juegos y aplicaciones, efectos de transición de vídeos cortos y anuncios, maquetas de foley en las fases iniciales de cine o tráilers, y ambientes en bucle para audiolibros y transmisiones en directo. Un efecto de sonido de 5 segundos cuesta $0.0145; puedes generar primero varios lotes de versiones y elegir la que más te convenza antes de pasar a la postproducción, con un coste menor que buscar y modificar material una y otra vez.

Artículos relacionados

Ver todos los artículos →

Empieza a crear con artefactos de IA persistentes

Consigue tu API key y llama a modelos de imagen, vídeo y audio a través de una única API basada en tasks.

Leer la documentación de la API