HiAPI
ブログ

使用ガイド

ElevenLabs Sound Effects v3 API:30秒の効果音、シームレスループ、v2からの移行

価格、パラメータ、リクエスト例、プロンプトの書き方を一記事で解説

Nov 11, 2026
深いインクグリーンの背景に、ティールとマラカイトの色調で描かれたファセット状のローポリ鉱物断面
モデル
elevenlabs-sound-effects
このページの内容

Sound Effects v3でできること

ElevenLabs Sound Effects v3はHiAPI上のテキストから効果音を生成するモデルで、モデルIDはelevenlabs/sound-effects-v3です。動作、場景、雰囲気、表現方法など、欲しい音を文章で記述すると、モデルがそれに対応する効果音を生成します。長さは0.5~30秒に設定でき、頭と尻が継ぎ目なくつながるループ効果音の生成も要求できます。

1回の呼び出しで1本のMP3音声を生成します。本記事では価格、パラメータ、リクエスト例、v2との違い、プロンプトの書き方を紹介します。文中の数値は執筆時点のインターフェース定義に基づきます。

Sound Effects v3 APIの価格

リクエストした長さ(duration_seconds)に応じて課金され、1秒あたり$0.0029です。

  • 2秒(デフォルトの長さ):$0.0058
  • 5秒:$0.0145
  • 10秒:$0.029
  • 30秒(最長):$0.087

ループ(loop)をオンにしたり、prompt_influenceを調整したりしても追加料金はかかりません。タスクが失敗した場合は全額返金されます。v2の単価も$0.0029/秒で、両世代の価格は同じです。

パラメータ

必須パラメータはpromptとduration_secondsのみで、その他はすべて省略できます。

  • prompt:必須、1~450文字、生成する音を記述します。
  • duration_seconds:必須、0.5~30秒、「自動長さ」はありません。
  • loop:シームレスにループ再生できる効果音を生成するかどうか、デフォルトはfalseです。
  • prompt_influence:0~1、デフォルトは0.3。値が高いほどプロンプトの字面記述に忠実になり、低いほど結果のバリエーションが増えます。

リクエストの送信

HiAPIの効果音生成は非同期タスクです。まずタスクを作成し、次に結果を照会します。modelはトップレベルに置き、その他のパラメータはinputに入れます。

5秒のドアが開く音を生成:

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": "静かな石造りの廊下で重い木のドアがゆっくりと軋みながら開き、止まったときに小さく鈍い音がする",
      "duration_seconds": 5
    }
  }'

10秒のループ再生可能な雨音を生成:

{
  "model": "elevenlabs/sound-effects-v3",
  "input": {
    "prompt": "トタン屋根に降る穏やかな雨と遠くで鳴る雷、静かな夜の環境音、音楽なし",
    "duration_seconds": 10,
    "loop": true
  }
}

2番目のリクエストの費用は10 × $0.0029 = $0.029です。タスクを作成したら、GET https://api.hiapi.ai/v1/tasks/{taskId}をポーリングし、ステータスが成功になったら出力から音声のダウンロードURLを取得します。

v3とv2の違い

両世代のパラメータ名と価格は同じで、HiAPI上での違いは主に3点です:

  • 長さの上限:v3は最長30秒、v2は最長22秒です。22~30秒の環境音や下地音が必要な場合はv3しか使えません。
  • 効果:ElevenLabsの公式ドキュメントによると、v2と比較してv3は複数の指示を含むプロンプトにより正確に従い、音楽や人の声を含むプロンプトの処理がより良く、聴感がより自然で、風鈴や口笛のような高周波の音を生成するときにクリッピングしにくいとされています。公式も結果はプロンプトによって異なると説明しており、自分のプロンプトで両世代を試すことを推奨しています。
  • 今後のメンテナンス:ElevenLabs公式はv2(eleven_text_to_sound_v2)を非推奨とし、2027年3月1日に廃止する予定です。新規プロジェクトではv3を直接使うことを推奨します。

v2からv3への移行は、modelをelevenlabs/sound-effects-v3に変更するだけで、他のパラメータは変更不要です。リリース前に、業務でよく使ういくつかのプロンプトで両世代の結果を比較することをお勧めします。

プロンプトの書き方

  • 具体的な動作、場景、雰囲気、表現方法を書く。包括的なカテゴリだけを書かないでください。例えば「濡れた砂利を踏む足音、歩く速度はゆっくり」の方が「足音」よりも安定した結果になります。
  • 順序を記述できる。例えば「Footsteps on gravel, then a metallic door opens」(まず砂利を踏む足音、続いて金属製のドアが開く)。
  • 効果音業界の用語を使える。例えばimpact(衝撃)、whoosh(シュッと掠める音)、ambience(環境音)、one-shot(単発の効果音)、drone(持続する下地音)。
  • モデルが回数を厳密に繰り返すことを期待しないでください。公式の説明によると、「トライアングルを4回叩く」のような正確な回数の要求は必ずしも実行されません。正確なリズムが必要な場合は、一度生成してから自分で編集してつなぎ合わせてください。
  • 必要に応じてprompt_influenceを調整する。UI効果音や通知音など安定して一貫した音が必要な場合は0.6以上に調整できます。異なるスタイルの案をいくつか欲しい場合は、デフォルトの0.3かそれ以下にします。

現在の制限

  • 1回の呼び出しで1本の音声のみ生成します。複数の候補が必要な場合は、複数のタスクを並行して送信してください。
  • 長さの範囲は0.5~30秒で、明示的に指定する必要があり、自動長さはありません。
  • プロンプトは最大450文字です。
  • 非同期タスクのみに対応し、同期返回はありません。
  • 出力はMP3で、現在他の形式は選択できません。

適したシーン

v3は大量に短い効果音を素早く制作する必要があるシーンに適しています。例えば、ゲームやアプリのUI通知音、ショート動画や広告の転場効果音、映画や予告編の前期のフォーリーサンプル、オーディオブックやライブ配信ルームのループ環境音などです。5秒の効果音は$0.0145なので、まず複数バージョンを一括生成し、満足できるものを選んでから后期制作に入ることができ、素材を探したり修正したりするコストを何度もかけるよりも低コストです。

永続的なAIアーティファクトで開発を始める

APIキーを取得して、タスクベースの1つのAPIで画像・動画・音声モデルを呼び出せます。

APIドキュメントを読む