Blog

Guida all'uso

Come scrivere i prompt di ElevenLabs Sound Effects v3: organizzare la descrizione degli effetti sonori con materiale, azione e distanza

Nov 18, 2026
Su uno sfondo color sabbia calda sono disposte fasce orizzontali a gradini, sovrapposte in terracotta e marrone tabacco, come immagine di copertina del blog.
In questa pagina

Perché suddividere il prompt in materiale, azione e distanza

L'errore più comune quando si scrive un prompt per effetti sonori è scrivere una frase e inviarla subito: «un suono di clic nitido». Questa frase contiene aggettivi ma nessuna informazione su cui il modello possa basarsi: quale materiale risuona? L'azione è veloce o lenta? Quanto è lontano l'ascoltatore? Il modello di generazione di effetti sonori deve colmare queste dimensioni, e il modo in cui le colma non è controllabile. Così, eseguendo due volte lo stesso prompt, si ottengono due risultati con stili molto diversi, e il debug diventa un'estrazione casuale.

Un approccio più stabile consiste nel suddividere la descrizione in tre livelli di informazione strutturata:

  • Il materiale determina il timbro: legno, vetro, metallo, tessuto, acqua, plastica hanno ciascuno modi di risonanza e componenti ad alta frequenza diversi. Indicare il materiale equivale a fissare la base del timbro.
  • L'azione determina il ritmo e l'inviluppo: clic singolo o ripetuto, appoggio leggero o caduta violenta, sfregamento lento o raschiamento rapido. Il verbo d'azione determina l'attacco, il decadimento e la distribuzione della durata del suono.
  • La distanza determina la spazialità e la tendenza alla riverberazione: a ridosso dell'orecchio, entro un metro, dall'altra parte della stanza, all'aperto in lontananza. Più aumenta la distanza, più il suono diretto si indebolisce e più aumentano riverbero e basse frequenze, e cambia anche l'immaginazione spaziale del modello.

Questi tre livelli non sono un modello da compilare tutti obbligatoriamente con lo stesso peso, ma un quadro di analisi: dato un requisito di effetto sonoro, si stabilisce prima da quale livello dipende maggiormente, poi si rendono concreti i termini corrispondenti e si completano gli altri due secondo necessità. I suoni di feedback dell'interfaccia dipendono quasi solo da azione e materiale, il foley degli oggetti ha il materiale come soggetto, mentre l'atmosfera ambientale si regge su distanza e spazio. Le sezioni successive li sviluppano uno per uno.

Entro il limite di 450 caratteri, questo quadro offre anche un vantaggio pratico: aiuta naturalmente a controllare la densità informativa. Una frase per ciascuno dei tre livelli di solito è sufficiente; se non si arriva al limite significa che la descrizione non è ancora abbastanza concreta, se lo si supera significa che si stanno accumulando sinonimi.

Le tre informazioni di materiale, azione e distanza formano ciascuna un gradino e infine si raccolgono in un unico prompt strutturato.

Forma dell'API e tre parametri regolabili

Fissiamo prima il contratto, così che le modalità di scrittura successive abbiano un punto di riferimento comune. L'API del task corrente corrisponde al modello elevenlabs/sound-effects-v3, con i campi di input raggruppati sotto input:

  • prompt: stringa obbligatoria, descrive l'effetto sonoro desiderato e deve includere azione, scenario, atmosfera e modalità di resa; massimo 450 caratteri.
  • duration_seconds: numero obbligatorio, in secondi, con intervallo da 0,5 a 30, predefinito 2. Non supporta la durata automatica: bisogna fissare attivamente la durata in base al tipo di effetto sonoro.
  • loop: valore booleano opzionale, predefinito false, controlla se generare un effetto sonoro riproducibile in loop senza soluzione di continuità.
  • prompt_influence: numero opzionale, da 0 a 1, predefinito 0,3. Più il valore è basso, più il risultato è casuale e vario; più è alto, più aderisce rigorosamente alla descrizione.

Tra i tre parametri opzionali/semi-opzionali, quello più facilmente trascurato è la distorsione introdotta dai valori predefiniti. prompt_influence è predefinito a 0,3, il che significa che il modello ha una notevole libertà di «improvvisare»: va bene in fase esplorativa, ma quando si è già rifinita la descrizione con precisione e si ha bisogno di riprodurla diventa rumore. duration_seconds è predefinito a 2 secondi, adatto ai suoni brevi dell'interfaccia ma del tutto insufficiente per i suoni d'atmosfera.

Esempio di chiamata (secondo la struttura input dell'API del task):

{
  "input": {
    "prompt": "wooden drawer sliding open slowly on a dry track, close perspective, slight creak",
    "duration_seconds": 3,
    "loop": false,
    "prompt_influence": 0.6
  }
}

I campi completi e i valori dell'API sono quelli della pagina del modello; è possibile consultare i parametri attuali e le modalità di integrazione su ElevenLabs Sound Effects v3. Le tre sezioni successive trattano come scrivere il prompt per le tre categorie di scenario, per poi tornare su come coordinare i parametri.

Tre elementi di input — prompt, durata e intensità di influenza — sono espressi dalla larghezza e dalla convergenza delle fasce a gradini, che si raccolgono in un unico risultato audio generato.

Suoni di feedback dell'interfaccia: brevi, asciutti, azione in primo piano

I suoni di feedback dell'interfaccia sono i meno bisognosi di immaginazione tra le tre categorie, ma anche i più facili da scrivere male. I requisiti sono chiari: brevi, asciutti, con attacco nitido e senza code prolungate. In questo tipo di prompt l'azione va all'inizio della frase, il materiale subito dopo, e la distanza va sempre indicata come campo vicino.

Uno scheletro di scrittura utilizzabile:

[azione] + [materiale/oggetto] + [limite percettivo]

Ad esempio:

soft plastic button click, single press, very close, no reverb, tight transient
short glass tick, light tap, near field, clean tail
quick mechanical switch flip, small metal lever, close perspective, dry

Tre dettagli meritano di essere sottolineati:

Specificare se l'azione è singola o ripetuta. «click» e «rapid double click» sono cose completamente diverse sul piano dell'inviluppo. I suoni dell'interfaccia sono per lo più singoli: scrivere «single press» riduce la probabilità che il modello aggiunga un ritmo proprio.

Eliminare lo spazio con «no reverb» e «dry». Se un suono dell'interfaccia porta un riverbero evidente, inserito nell'UI risulterà sporco. Usare termini di distanza come «very close» e «near field» e aggiungere un limite di suono asciutto di solito restringe sensibilmente il risultato.

Meglio una durata breve che lunga. Per questi effetti duration_seconds parte da 0,5 e intorno a 1 secondo spesso è già sufficiente; oltre i due secondi bisogna chiedersi se non si sia finiti a scrivere una coda indesiderata. Se la durata è troppo lunga, il modello tende a riempire il contenuto, trascinando un clic pulito in una sequenza d'atmosfera.

Scegliere il materiale significa in realtà scegliere la famiglia timbrica: la plastica tende al medio con una punta di cupo, il vetro agli acuti nitidi, il metallo porta sustain e armonici. Con la stessa azione di «clic», cambiando il termine di materiale si copre gran parte delle esigenze di feedback dell'interfaccia. È anche per questo che in questi scenari il materiale non è un ornamento ma uno dei soggetti.

Foley degli oggetti: il materiale come soggetto

La difficoltà del foley degli oggetti sta nel fatto che la stessa azione su materiali diversi suona in modo completamente diverso. La parola «impatto» di per sé non porta alcuna informazione timbrica: sono «wooden crate», «ceramic mug» e «chain» a parlare. Perciò in questo tipo di prompt la sintassi dovrebbe avere il materiale come soggetto e l'azione e il modo di applicare la forza come predicato.

Ordine di scrittura consigliato: materiale → azione/forza → qualità aggiuntiva → distanza.

heavy ceramic mug placed on wooden tabletop, hard contact, short resonant thud, close perspective
metal chain dropped onto concrete, links colliding, bright clatter with metallic ring, one meter away
fabric curtain pulled across a metal rod, continuous friction, soft rustle with occasional ring

Alcuni criteri per verificare se il termine di materiale funziona davvero:

  • La frase regge ancora se si sostituisce il materiale? Se, cambiando il termine di materiale, la descrizione diventa vuota, allora il materiale è davvero il nucleo della frase; se cambiarlo non fa differenza, significa che si è scritta un'azione generica e il modello può solo tirare a indovinare.
  • Va indicato il modo di applicare la forza? «placed» (appoggiato) e «slammed» (sbattuto) determinano intensità e transiente. Azioni di attrito come «colliding», «scraping» e «sliding» richiedono invece di specificare se sono continue, perché l'inviluppo dell'attrito continuo è completamente diverso da quello di una collisione.
  • Lasciare o no la risonanza? Metallo, vetro e ceramica hanno una coda riconoscibile, il legno è breve, il tessuto è quasi solo rumore. Se non si desidera sustain, scrivere direttamente nel prompt «damped» o «dry»; se lo si desidera, indicare «resonant» o «ring out».

Sul piano della durata, per le collisioni di solito bastano da 0,5 a 2 secondi, mentre attriti e aperture/chiusure devono coprire l'intero processo e possono richiedere da 2 a 5 secondi. Non aspettarsi che il modello comprima in 1 secondo l'apertura di un cassetto che ne richiede tre: duration_seconds è l'unico mezzo con cui gli si dice «quanto dura», non si adatta automaticamente.

Le fasce a gradini sono sezionate in strati di materiale diverso: le micro-vibrazioni ad alta frequenza dei materiali duri, le oscillazioni ampie e lente dei materiali morbidi e le onde concentriche di un singolo impatto, a illustrare come i termini di materiale riscrivono il timbro degli oggetti.

Atmosfera ambientale: scrivere lo scenario con distanza e spazio

I suoni d'atmosfera ambientale sono essenzialmente diversi dalle due categorie precedenti: non descrivono un evento ma uno stato spaziale persistente. L'inviluppo di un evento ha un inizio e una fine, mentre l'atmosfera deve riempire l'intera durata e restare stabile. In questo tipo di prompt distanza e tipo di spazio sono lo scheletro, mentre materiale e azione passano in secondo piano.

Durante la scrittura, rispondere prima a tre domande:

  1. Qual è il tipo di spazio: piccola stanza interna, sala, strada, foresta, garage sotterraneo, esterno aperto.
  2. Dove sono le sorgenti e a che distanza: un'unica sorgente continua o più strati vicini e lontani sovrapposti.
  3. Lo stato persistente è stabile: servono variazioni o si punta a uno stato stazionario simile al rumore bianco.

Corrispondenza nella scrittura:

quiet indoor room tone, distant traffic hum through a closed window, low level, steady ambience
office background, faint keyboard taps and air conditioning drone two meters away, continuous
outdoor night field, crickets at varying distances, soft wind over grass, spacious, wide stereo image

Notare espressioni come «varying distances»: rispetto a una distanza unica producono risultati con maggiore profondità. La qualità dei suoni d'atmosfera deriva spesso dai livelli vicini e lontani, non da un suono in evidenza. Se nel prompt tutti gli elementi sono «molto vicini», il risultato somiglierà a un primo piano incollato alla faccia, privo di spazio.

Il loop è il punto di divergenza chiave di questa sezione. I suoni d'atmosfera richiedono di solito la riproduzione in loop, e la naturalezza del punto di loop dipende direttamente dalla durata. Se loop è impostato su true, bisogna chiedersi: il contenuto resta sempre nello stesso stato per tutta la durata? Se nel prompt si scrive una descrizione direzionale come «gradually rising wind», il ritorno del loop si esporrà sulla giuntura. L'approccio prudente è mantenere l'atmosfera in stato stazionario e assegnare un duration_seconds sufficientemente lungo: segmenti di loop troppo brevi fanno comparire spesso la giuntura; con dieci e più secondi, o quasi al limite massimo, il loop suonerà continuo.

Al contrario, se l'atmosfera serve in uno scenario una tantum (transizione, sigla iniziale), loop resta false, la durata si assegna in base alle esigenze dello scenario e si possono inserire tranquillamente salite e variazioni.

Come coordinare i parametri con il prompt

Prompt e parametri non sono due cose separate: la regolazione dovrebbe seguire un ordine fisso, evitando di cambiare più variabili contemporaneamente.

Primo passo: fissare duration_seconds. È obbligatorio e non automatico, quindi dare subito un valore ragionevole in base al tipo di effetto: suoni dell'interfaccia da 0,5 a 1 secondo, foley di collisioni da 1 a 2 secondi, attriti e aperture/chiusure da 2 a 5 secondi, atmosfere oltre dieci secondi secondo le esigenze di loop. Una volta fissato questo valore, il prompt successivo organizzerà il contenuto in questa finestra temporale.

Secondo passo: fissare loop. Solo atmosfere e pochi suoni meccanici continui richiedono true; gli effetti sonori di eventi vanno sempre con false. Se impostato su true, ricontrollare che nel prompt non ci siano descrizioni direzionali (crescendo, diminuendo, allontanamento graduale) e, se presenti, riscriverle in forma stazionaria.

Terzo passo: regolare prompt_influence. Il valore predefinito 0,3 tende alla divergenza ed è adatto alla fase esplorativa, quando si vuole vedere cosa offre il modello. Quando si ha già una versione soddisfacente e si vuole riprodurre lo stesso stile, alzarlo nell'intervallo 0,5-0,8 per avvicinare l'output al testo. Al contrario, se la descrizione è troppo specifica ma il risultato sembra sempre rigido e privo di casualità naturale, lo si può abbassare un po'.

Quarto passo: solo allora tornare a modificare il prompt. Se dopo aver regolato i parametri il risultato non soddisfa ancora, il problema è nella descrizione stessa: termini di materiale non abbastanza concreti, oppure azione e durata non corrispondenti (ad esempio un'apertura/chiusura di tre secondi scritta come collisione singola).

Riassumendo le priorità per scenario: per i suoni di feedback dell'interfaccia garantire prima di tutto duration_seconds breve e prompt_influence alto (serve una riproduzione stabile); per il foley degli oggetti scrivere prima di tutto bene il materiale, con prompt_influence medio; per l'atmosfera ambientale garantire prima di tutto una durata sufficiente e un loop corretto, con prompt_influence che può essere abbassato moderatamente in favore della naturalezza.

Problemi comuni nei prompt e direzioni di correzione

I casi seguenti sono i più frequenti nel debug e possono tutti essere individuati rapidamente con un'autoverifica.

Descrizione vaga. Il tratto tipico è avere solo aggettivi e nessun sostantivo concreto: «a cool sound», «an exciting swoosh». Il criterio è semplice: cosa resta dopo aver eliminato gli aggettivi? Se non resta nulla, il modello può solo improvvisare. La correzione consiste nel completare materiale e azione, sostituendo «a cool click» con «a short glass click, single press, close».

Sovraccarico di informazioni. In un solo prompt si accumulano cinque o sei elementi: materiale, azione, ambiente, emozione, grado di riverbero e ampiezza stereo, tutti scritti e anche in contraddizione tra loro. Il risultato è che il modello distribuisce l'attenzione in modo uniforme e nessun elemento emerge. La correzione consiste nel ridurre a due o tre livelli in base allo scenario: per i suoni dell'interfaccia lasciare solo azione e materiale, per le atmosfere solo spazio e distanza.

Lunghezza oltre il limite. prompt ha un limite di 450 caratteri, oltre il quale viene troncato o la validazione fallisce. L'accumulo di sinonimi è la causa principale del superamento: ad esempio «loud, noisy, booming, thunderous» in realtà ne richiede uno solo. Dopo aver scritto, fare un taglio: lasciare un solo aggettivo sinonimo ed eliminare direttamente i modificatori superflui.

Conflitto tra azione e durata. Si scrive un'azione di attrito continuo ma si assegnano solo 0,5 secondi; oppure si scrive una collisione singola ma si assegnano dieci secondi. Nel primo caso il modello può solo comprimere in un rumore breve, nel secondo riempirà con la coda. La correzione consiste nell'allineare duration_seconds alla durata semantica dell'azione.

Loop impossibile. Impostare su loop: true un suono di evento con inizio e fine evidenti rende inevitabilmente brusca la giuntura. Il loop è adatto solo a contenuti stazionari: non attivarlo per i suoni di evento.

Uso misto di modelli di scenari diversi. Usare «no reverb, dry» dei suoni dell'interfaccia per un'atmosfera esterna elimina la spazialità; usare «spacious, distant» delle atmosfere per un clic produce una massa confusa. Scrivere e iterare separatamente per le tre categorie di scenario è molto più stabile che applicare lo stesso modello.

Considerare materiale, azione e distanza come tre punti di controllo e ripercorrerli prima di ogni invio: la maggior parte dei problemi di instabilità si elimina già nella fase di scrittura del prompt.

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