Blog

Guida all'uso

ElevenLabs Sound Effects v3 API: effetti sonori da 30 secondi, loop senza interruzioni e migrazione da v2

Prezzo, parametri, esempi di richiesta e come scrivere i prompt, tutto in un unico articolo

Nov 11, 2026
Sezione trasversale minerale low-poly sfaccettata su uno sfondo verde inchiostro profondo con tonalità verde acqua e malachite
Modello
elevenlabs-sound-effects
In questa pagina

Cosa può fare Sound Effects v3

ElevenLabs Sound Effects v3 è il modello di generazione di effetti sonori da testo disponibile su HiAPI, con ID modello elevenlabs/sound-effects-v3. Descrivi con un testo il suono desiderato, ad esempio azione, scena, atmosfera e modalità di esecuzione, e il modello genera un effetto sonoro corrispondente. La durata può essere impostata da 0,5 a 30 secondi e si può anche richiedere la generazione di un effetto sonoro in loop che si raccorda senza interruzioni tra inizio e fine.

Ogni chiamata genera 1 file audio MP3. Questo articolo presenta il prezzo, i parametri, esempi di richiesta, le differenze rispetto a v2 e come scrivere i prompt. I dati numerici nel testo sono forniti secondo la definizione dell'interfaccia al momento della stesura.

Prezzo dell'API Sound Effects v3

La fatturazione avviene in base alla durata richiesta (duration_seconds), a $0,0029 al secondo.

  • 2 secondi (durata predefinita): $0,0058
  • 5 secondi: $0,0145
  • 10 secondi: $0,029
  • 30 secondi (durata massima): $0,087

L'attivazione del loop (loop) o la regolazione di prompt_influence non comportano costi aggiuntivi. In caso di fallimento del task il rimborso è completo. Anche il prezzo unitario di v2 è $0,0029/secondo: le due generazioni hanno lo stesso prezzo.

Parametri

I soli parametri obbligatori sono prompt e duration_seconds; tutti gli altri possono essere omessi.

  • prompt: obbligatorio, da 1 a 450 caratteri, descrive il suono da generare.
  • duration_seconds: obbligatorio, da 0,5 a 30 secondi; non esiste una «durata automatica».
  • loop: indica se generare un effetto sonoro riproducibile in loop senza interruzioni; valore predefinito false.
  • prompt_influence: da 0 a 1, valore predefinito 0,3. Più è alto, più il risultato aderisce alla descrizione letterale del prompt; più è basso, più il risultato varia.

Effettuare una richiesta

Su HiAPI la generazione di effetti sonori è un task asincrono: prima si crea il task, poi si interroga il risultato. model va al livello superiore, gli altri parametri vanno in input.

Generare il suono di una porta che si apre, della durata di 5 secondi:

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
    }
  }'

Generare un suono di pioggia di 10 secondi, riproducibile in loop:

{
  "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
  }
}

Il costo della seconda richiesta è 10 × $0,0029 = $0,029. Dopo aver creato il task, esegui il polling di GET https://api.hiapi.ai/v1/tasks/{taskId}; quando lo stato diventa completato con successo, scarica l'indirizzo audio dall'output.

Differenze tra v3 e v2

I nomi dei parametri e il prezzo delle due generazioni sono identici; su HiAPI le differenze principali sono tre:

  • Durata massima: v3 arriva fino a 30 secondi, v2 fino a 22 secondi. Per suoni ambientali o di sottofondo da 22 a 30 secondi è possibile usare solo v3.
  • Risultati: la documentazione ufficiale di ElevenLabs afferma che, rispetto a v2, v3 segue con maggiore accuratezza i prompt contenenti più istruzioni, gestisce meglio i prompt con musica o voci, offre un ascolto più naturale e presenta meno probabilità di clipping nella generazione di suoni ad alta frequenza come campanelli a vento e fischi. La documentazione precisa inoltre che i risultati variano in base al prompt e consiglia di provare entrambe le generazioni con i propri prompt.
  • Manutenzione futura: ElevenLabs ha ufficialmente contrassegnato v2 (eleven_text_to_sound_v2) come deprecato, con dismissione prevista per il 1° marzo 2027. Per i nuovi progetti si consiglia di usare direttamente v3.

Per migrare da v2 a v3 basta cambiare model in elevenlabs/sound-effects-v3; gli altri parametri non vanno modificati. Prima della messa in produzione si consiglia di confrontare i risultati delle due generazioni usando alcuni dei prompt più frequenti nel proprio caso d'uso.

Come scrivere i prompt

  • Descrivi azioni, scene, atmosfere e modalità di esecuzione concrete, senza limitarti a una categoria generica. Ad esempio, «passi su ghiaia bagnata, andatura lenta» dà risultati più stabili rispetto a «passi».
  • Puoi descrivere una sequenza temporale, ad esempio «Footsteps on gravel, then a metallic door opens» (prima passi sulla ghiaia, poi si apre una porta metallica).
  • Puoi usare termini del settore degli effetti sonori, come impact (impatto), whoosh (sibilo rapido), ambience (suono ambientale), one-shot (effetto singolo), drone (suono di sottofondo continuo).
  • Non aspettarti che il modello ripeta rigorosamente un numero di volte. La documentazione ufficiale specifica che richieste con un numero preciso di ripetizioni, come «colpire il triangolo 4 volte», potrebbero non essere eseguite. Quando serve un ritmo preciso, genera una volta e poi monta e giunta tu stesso.
  • Regola prompt_influence in base alle esigenze: per suoni che richiedono stabilità e coerenza, come effetti sonori di interfaccia e segnali acustici, puoi impostarlo a 0,6 o più; se vuoi più proposte con stili diversi, usa il valore predefinito 0,3 o inferiore.

Limiti attuali

  • Ogni chiamata genera 1 solo file audio. Per avere più candidati, invia più task in parallelo.
  • L'intervallo di durata è da 0,5 a 30 secondi e deve essere specificato esplicitamente; non esiste una durata automatica.
  • Il prompt può contenere al massimo 450 caratteri.
  • Sono supportati solo task asincroni, senza risposta sincrona.
  • L'output è in MP3; al momento non è possibile scegliere altri formati.

Scenari adatti

v3 è adatto agli scenari che richiedono la produzione rapida di molti effetti sonori brevi, come i segnali di interfaccia di giochi e applicazioni, gli effetti di transizione di video brevi e pubblicità, i provini di foley per la fase iniziale di film o trailer, e i suoni ambientali in loop per audiolibri e dirette streaming. Un effetto sonoro di 5 secondi costa $0,0145: si possono generare in blocco diverse versioni e scegliere quella soddisfacente prima di passare alla post-produzione, con un costo inferiore rispetto alla ricerca e modifica ripetuta di materiali.

Inizia a creare con artefatti IA persistenti

Ottieni la tua chiave API e chiama modelli di immagini, video e audio tramite un'unica API basata sui task.

Leggi la documentazione API