Guia de uso
ElevenLabs Sound Effects v3 API: efeitos sonoros de 30 segundos, loop contínuo e migração do v2
Preço, parâmetros, exemplos de requisição e como escrever prompts, tudo em um só artigo
- Modelo
- elevenlabs-sound-effects
Nesta página
O que o Sound Effects v3 faz
O ElevenLabs Sound Effects v3 é o modelo de geração de efeitos sonoros a partir de texto na HiAPI, e seu ID de modelo é elevenlabs/sound-effects-v3. Basta descrever com um texto o som desejado, como ação, cenário, atmosfera e forma de expressão, e o modelo gera um efeito sonoro correspondente. A duração pode ser definida entre 0,5 e 30 segundos, e também é possível solicitar um efeito sonoro em loop que se conecte perfeitamente do início ao fim.
Cada chamada gera 1 trecho de áudio MP3. Este artigo apresenta o preço, os parâmetros, exemplos de requisição, as diferenças em relação ao v2 e como escrever prompts. Os números citados no texto seguem a definição da interface no momento da escrita.
Preço da API Sound Effects v3
A cobrança é feita pela duração solicitada (duration_seconds), a $0.0029 por segundo.
- 2 segundos (duração padrão): $0.0058
- 5 segundos: $0.0145
- 10 segundos: $0.029
- 30 segundos (máximo): $0.087
Ativar o loop (loop) ou ajustar o prompt_influence não gera cobrança extra. Tarefas com falha são reembolsadas integralmente. O preço unitário do v2 também é $0.0029/segundo, ou seja, o preço das duas gerações é o mesmo.
Parâmetros
Os únicos parâmetros obrigatórios são prompt e duration_seconds; todos os demais podem ser omitidos.
prompt: obrigatório, de 1 a 450 caracteres, descreve o som a ser gerado.duration_seconds: obrigatório, de 0,5 a 30 segundos; não existe "duração automática".loop: se deve gerar um efeito sonoro que possa ser reproduzido em loop contínuo; padrãofalse.prompt_influence: de 0 a 1, padrão 0.3. Quanto maior o valor, mais próximo da descrição literal do prompt; quanto menor, mais variação no resultado.
Fazer a requisição
A geração de efeitos sonoros na HiAPI é uma tarefa assíncrona: primeiro cria-se a tarefa, depois consulta-se o resultado. O model fica no nível superior, e os demais parâmetros ficam dentro de input.
Gerar um som de porta abrindo 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
}
}'
Gerar um som de chuva de 10 segundos que pode ser reproduzido em 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
}
}
O custo da segunda requisição é 10 × $0.0029 = $0.029. Após criar a tarefa, consulte repetidamente GET https://api.hiapi.ai/v1/tasks/{taskId}; quando o status mudar para sucesso, baixe o endereço do áudio a partir da saída.
Diferenças entre o v3 e o v2
Os nomes dos parâmetros e o preço das duas gerações são iguais; na HiAPI, as principais diferenças são três:
- Limite máximo de duração: o v3 vai até 30 segundos, e o v2 até 22 segundos. Para ambiências ou sons de fundo de 22 a 30 segundos, só é possível usar o v3.
- Resultados: a documentação oficial do ElevenLabs afirma que, em comparação com o v2, o v3 segue com mais precisão prompts que contêm múltiplas instruções, lida melhor com prompts que incluem música ou voz, soa mais natural e tem menos probabilidade de clipping ao gerar sons de alta frequência, como sinos de vento e assobios. A documentação também observa que os resultados variam conforme o prompt e recomenda testar as duas gerações com seus próprios prompts.
- Manutenção futura: o ElevenLabs já marcou oficialmente o v2 (
eleven_text_to_sound_v2) como obsoleto e planeja desativá-lo em 1º de março de 2027. Para novos projetos, recomenda-se usar diretamente o v3.
Para migrar do v2 para o v3, basta alterar o model para elevenlabs/sound-effects-v3; os demais parâmetros não precisam ser alterados. Antes de ir para produção, recomenda-se comparar os resultados das duas gerações usando alguns dos prompts mais comuns do seu negócio.
Como escrever prompts
- Descreva ações, cenários, atmosferas e formas de expressão concretas, em vez de escrever apenas uma categoria genérica. Por exemplo, "pés pisando em cascalho molhado, ritmo lento" tem resultados mais estáveis do que "passos".
- É possível descrever a ordem dos acontecimentos, por exemplo, "Footsteps on gravel, then a metallic door opens" (primeiro passos em cascalho, depois uma porta metálica se abre).
- É possível usar termos da indústria de efeitos sonoros, como impact (impacto), whoosh (passagem veloz), ambience (ambiente), one-shot (efeito único) e drone (som contínuo de fundo).
- Não espere que o modelo repita rigorosamente conforme uma contagem. A documentação oficial explica que pedidos com contagens exatas, como "bater no triângulo 4 vezes", não são necessariamente atendidos. Quando precisar de ritmo exato, gere uma vez e depois edite e monte você mesmo.
- Ajuste o
prompt_influenceconforme necessário: para sons que exigem estabilidade e consistência, como efeitos de UI e tons de notificação, pode-se ajustar para 0.6 ou mais; para obter várias propostas com estilos diferentes, use o padrão 0.3 ou menos.
Limitações atuais
- Cada chamada gera apenas 1 trecho de áudio. Para ter várias opções, envie várias tarefas em paralelo.
- O intervalo de duração é de 0,5 a 30 segundos, e deve ser informado explicitamente; não há duração automática.
- O prompt tem no máximo 450 caracteres.
- Somente tarefas assíncronas são suportadas; não há retorno síncrono.
- A saída é MP3, e atualmente não é possível escolher outros formatos.
Cenários indicados
O v3 é indicado para cenários que exigem produção rápida e em grande volume de efeitos sonoros curtos, como tons de interface de jogos e aplicativos, efeitos de transição para vídeos curtos e anúncios, rascunhos de foley para cinema ou trailers em fase inicial, e ambiências em loop para audiolivros e transmissões ao vivo. Um efeito sonoro de 5 segundos custa $0.0145; é possível gerar alguns lotes de versões primeiro e escolher a que mais agradar antes de entrar na pós-produção, com custo menor do que procurar e retrabalhar material repetidamente.
Artigos relacionados
Ver todos os artigos →-
Guia de uso
Guia de introdução ao Tripo H3.1: três modos de entrada, parâmetros e como escolher o preço
Decisão de integração e controle de custos na geração 3D para desenvolvedores
-
Guia de uso
Gerar imagens de produtos de e-commerce com qwen-image-2.1-turbo via API HiAPI
Fluxo de trabalho visual de catálogo rápido para desenvolvedores: saída em PNG transparente e requisições de API executáveis
-
Guia de uso
Usando topaz-upscale/video com a API HiAPI: fluxo de trabalho de melhoria de qualidade para vídeos curtos
Interpolação de quadros, configurações de aprimoramento e uma requisição HiAPI funcional para vídeo vertical