Руководство по использованию
Промпты ElevenLabs Sound Effects v3: описание звуковых эффектов через материал, действие и расстояние
На этой странице
Зачем разбивать промпт на материал, действие и расстояние
Самая частая ошибка при написании промпта для звукового эффекта — отправить одну фразу и на этом закончить: «чёткий звук клика». В этой фразе есть прилагательное, но нет информации, которую модель могла бы использовать — какой материал звучит? действие быстрое или медленное? как далеко от него слушатель? Модель генерации звуковых эффектов должна восполнить эти измерения, а делает она это непредсказуемо. В итоге один и тот же промпт, запущенный дважды, даёт два совершенно разных по стилю результата, и отладка превращается в лотерею.
Более надёжный подход — разбить описание на три уровня структурированной информации:
- Материал определяет тембровую фактуру: дерево, стекло, металл, ткань, вода, пластик — у каждого свой способ резонанса и свои высокочастотные составляющие. Указав материал, вы задаёте базовую точку для тембра.
- Действие определяет ритм и огибающую: одиночное нажатие или серия, лёгкое опускание или сильный удар, медленное трение или быстрое скобление. Слова действия определяют атаку, затухание и распределение длительности звука.
- Расстояние определяет ощущение пространства и склонность к реверберации: вплотную к уху, в пределах метра, на другой стороне комнаты, на улице вдали. Чем дальше, тем слабее прямой звук и тем выше доля реверберации и низких частот — представление модели о пространстве меняется вместе с этим.
Эти три уровня — не шаблон, где все части должны быть одинаково весомы, а рамка анализа: получив задачу на звуковой эффект, сначала определите, от какого уровня она зависит больше всего, затем конкретизируйте соответствующие слова, а два других дополните по необходимости. Звуки обратной связи интерфейса держатся почти исключительно на действии и материале, в фоли-звуках объектов материал — подлежащее, а атмосфера окружения опирается на расстояние и пространство. Следующие разделы разбирают каждый случай отдельно.
В пределах лимита в 450 символов у этой рамки есть и практическое преимущество: она естественно помогает контролировать плотность информации. Обычно достаточно по одному предложению на каждый уровень; если не хватает — описание недостаточно конкретно, если перебор — вы нагромождаете синонимы.

Форма API и три настраиваемых параметра
Сначала зафиксируем контракт, чтобы дальнейшие рекомендации по написанию имели общую точку опоры. Текущий API задачи соответствует модели elevenlabs/sound-effects-v3, входные поля собраны внутри input:
prompt: обязательная строка, описывает нужный звуковой эффект; должна охватывать действие, сцену, атмосферу и способ исполнения, максимум 450 символов.duration_seconds: обязательное число в секундах, от 0.5 до 30, по умолчанию 2. Автоматическая длительность не поддерживается — вы должны сами задавать длину в зависимости от типа звука.loop: необязательное логическое значение, по умолчаниюfalse; определяет, генерировать ли бесшовно зацикленный звук.prompt_influence: необязательное число от 0 до 1, по умолчанию 0.3. Чем ниже значение, тем более случайным и разнообразным будет результат; чем выше — тем строже следование описанию.
Из трёх необязательных или полуобязательных параметров чаще всего упускают смещение, которое создают значения по умолчанию. prompt_influence по умолчанию 0.3 означает, что у модели довольно много свободы для «импровизации»; на этапе исследования это хорошо, но когда описание уже отточено и нужно воспроизведение, это становится шумом. duration_seconds по умолчанию 2 секунды — как раз для коротких звуков интерфейса, но для атмосферных звуков этого совершенно недостаточно.
Пример вызова (согласно структуре input API задачи):
{
"input": {
"prompt": "wooden drawer sliding open slowly on a dry track, close perspective, slight creak",
"duration_seconds": 3,
"loop": false,
"prompt_influence": 0.6
}
}
Полный набор полей и значений API приведён на странице модели — актуальные параметры и способ подключения можно посмотреть в ElevenLabs Sound Effects v3. В следующих трёх разделах рассматривается, как писать prompt для каждого из типов сцен, а затем мы вернёмся к тому, как согласовывать параметры.

Звуки обратной связи интерфейса: коротко, сухо, действие впереди
Звуки обратной связи интерфейса — из трёх категорий наименее требующие воображения и одновременно наиболее легко испортить. Требования к ним ясны: короткие, сухие, с чёткой атакой, без затянутого хвоста. В промпте для таких звуков действие должно стоять в начале, материал сразу за ним, а расстояние всегда указывается как ближнее поле.
Рабочий каркас записи:
[действие] + [материал/объект] + [ограничение восприятия]
Например:
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
Стоит подчеркнуть три детали:
Указывайте, однократное действие или серия. «click» и «rapid double click» с точки зрения огибающей — совершенно разные вещи. Звуки интерфейса в большинстве случаев однократны; указание «single press» снижает вероятность того, что модель сама добавит ритм.
Подавляйте пространство словами «no reverb» и «dry». Если звук интерфейса несёт заметную реверберацию, в UI он будет звучать грязно. Используйте слова расстояния «very close», «near field» и добавьте ограничение на сухой звук — обычно это заметно стабилизирует результат.
Лучше короче, чем длиннее. Для таких эффектов duration_seconds начинается с 0.5, и около 1 секунды обычно уже достаточно; если больше двух секунд — спросите себя, не записали ли вы туда лишний хвост. При завышенной длительности модель склонна заполнять содержимое — растягивая чистый клик в атмосферный слой.
Выбор материала, по сути, есть выбор тембрового семейства: пластик смещён в средние частоты с лёгкой приглушённостью, стекло — в высокие с чистотой, металл имеет послезвучие и обертоны. Для одного и того же действия «клик» смена слова материала покрывает большинство потребностей в звуках обратной связи интерфейса. Именно поэтому в таких сценах материал — не украшение, а одно из подлежащих.
Фоли-звуки объектов: материал как подлежащее
Сложность фоли-звуков объектов в том, что одно и то же действие на разных материалах звучит совершенно по-разному. Слово «удар» само по себе не несёт никакой тембровой информации — говорят «wooden crate», «ceramic mug», «chain». Поэтому синтаксис таких промптов должен делать материал подлежащим, а действие и способ приложения силы — сказуемым.
Рекомендуемый порядок записи: материал → действие/приложение силы → дополнительная фактура → расстояние.
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
Несколько критериев, позволяющих проверить, действительно ли слово материала работает:
- Можно ли заменить материал, и описание останется осмысленным. Если после замены слова материала описание кажется пустым, значит материал действительно был ядром фразы; если разницы нет — вы описали обобщённое действие, и модели остаётся только гадать.
- Нужно ли указывать способ приложения силы. «placed» (поставить) и «slammed» (с силой бросить) определяют силу и переходный процесс. Для действий трения вроде «colliding», «scraping», «sliding» нужно указать, непрерывны ли они, поскольку огибающая непрерывного трения совершенно не похожа на огибающую столкновения.
- Оставлять ли резонанс. Металл, стекло и керамика имеют узнаваемое послезвучие, дерево коротко, ткань почти только шум. Если послезвучие не нужно, прямо напишите в prompt «damped» или «dry»; если нужно — «resonant» или «ring out».
По длительности: для столкновений обычно достаточно от 0.5 до 2 секунд, а для трения и открывания-закрывания нужно покрыть весь процесс — возможно, от 2 до 5 секунд. Не рассчитывайте, что модель уместит трёхсекундное открывание ящика в одну секунду — duration_seconds это единственный способ сказать ей «как долго», она не подстроится автоматически.

Атмосфера окружения: сцена через расстояние и пространство
Атмосферные звуки окружения принципиально отличаются от двух предыдущих категорий: они описывают не событие, а длящееся состояние пространства. Огибающая события имеет начало и конец, атмосфера же должна заполнять всю длительность и оставаться стабильной. В таких промптах каркасом служат расстояние и тип пространства, а материал и действие отходят на второй план.
При написании сначала ответьте на три вопроса:
- Каков тип пространства: маленькая комната в помещении, зал, улица, лес, подземный гараж, открытое пространство на улице.
- Где источник звука и как далеко: один непрерывный источник или несколько слоёв на разной удалённости.
- Стабильно ли длящееся состояние: нужны ли колебания или это почти стационарный шум, близкий к белому.
Соответствующая запись:
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
Обратите внимание на формулировки вроде «varying distances» — они дают результат с большей глубиной, чем одно расстояние. Фактура атмосферы часто рождается из слоёв ближнего и дальнего плана, а не из отдельного выделяющегося звука. Если в prompt все элементы находятся «очень близко», результат будет похож на крупный план вплотную — без пространства.
Цикличность — ключевая точка разногласия в этом разделе. Атмосферные звуки обычно требуется воспроизводить в цикле, а то, насколько естественна точка склейки, напрямую определяется длительностью. Если loop установлен в true, нужно подумать: остаётся ли содержимое в одном и том же состоянии на протяжении всей длительности? Если в prompt есть направленные описания вроде «gradually rising wind», при зацикливании на стыке они проявятся. Надёжный подход — держать атмосферу в стационарном состоянии и задать достаточно большую duration_seconds: при слишком коротком цикле стыки будут слышны часто; отдав десять с лишним секунд или почти максимум, вы получите по-настоящему непрерывный цикл.
И наоборот, если атмосфера используется в одноразовой сцене (переход, начальные титры), оставляйте loop в false, задавайте длительность по потребностям сцены и смело вписывайте подъёмы и изменения.
Как согласовывать параметры с промптом
Промпт и параметры — не две отдельные вещи; настройку следует вести в фиксированном порядке, чтобы не менять одновременно несколько переменных.
Шаг 1: задайте duration_seconds. Он обязателен и не автоматизируется, поэтому сначала задайте разумное значение по типу звука: звуки интерфейса — от 0.5 до 1 секунды, фоли столкновений — от 1 до 2 секунд, трение и открывание-закрывание — от 2 до 5 секунд, атмосфера — от десяти секунд с учётом потребности в цикле. Как только значение задано, последующий prompt организует содержимое именно в этом временном окне.
Шаг 2: задайте loop. true нужен только для атмосферных и некоторых непрерывных механических звуков; для событийных звуков всегда false. При установке true вернитесь и проверьте, нет ли в prompt направленных описаний (нарастание, затухание, постепенное удаление) — если есть, замените их на стационарные формулировки.
Шаг 3: настройте prompt_influence. Значение по умолчанию 0.3 довольно дисперсное и подходит для этапа исследования — когда хочется увидеть, что предложит модель. Когда у вас уже есть устраивающий вариант и вы хотите воспроизвести тот же стиль, поднимите до 0.5–0.8, чтобы результат был ближе к тексту. И наоборот, если описание слишком конкретно, но результат кажется жёстким и лишённым естественной случайности, значение можно немного снизить.
Шаг 4: и только теперь меняйте prompt. Если после настройки параметров результат всё ещё неудовлетворителен, значит проблема в самом описании: слово материала недостаточно конкретно или действие не соответствует длительности (например, трёхсекундное открывание-закрывание записано как однократное столкновение).
Итог по сценам: для звуков обратной связи интерфейса в первую очередь важны короткая duration_seconds и повышенный prompt_influence (нужно стабильное воспроизведение); для фоли-звуков объектов в первую очередь точно указывайте материал, prompt_influence — средний; для атмосферы окружения в первую очередь важны достаточная длительность и правильный loop, а prompt_influence можно умеренно снизить ради естественности.
Частые проблемы промптов и направления исправления
Следующие случаи встречаются при отладке чаще всего, и все их можно быстро выявить самопроверкой.
Пустое описание. Типичный признак — только прилагательные без сущностей: «a cool sound», «an exciting swoosh». Критерий прост: что останется после удаления прилагательных? Если ничего, модели придётся импровизировать. Исправление — добавить материал и действие: заменить «a cool click» на «a short glass click, single press, close».
Перегрузка информацией. В одном prompt набито пять-шесть элементов: материал, действие, окружение, настроение, степень реверберации, ширина стерео — и всё это ещё и противоречит друг другу. В результате модель распределяет внимание поровну, и ни одно не звучит как надо. Исправление — сократить до двух-трёх уровней по сцене: для звука интерфейса оставить только действие и материал, для атмосферы — только пространство и расстояние.
Превышение длины. У prompt лимит 450 символов; при превышении он будет усечён или не пройдёт проверку. Главная причина — нагромождение синонимов, например «loud, noisy, booming, thunderous» на самом деле требует только одного слова. После написания сделайте сокращение: из синонимичных прилагательных оставьте одно, необязательные уточнения удалите.
Конфликт действия и длительности. Записано непрерывное трение, а дано всего 0.5 секунды; или записано однократное столкновение, а дано десять секунд. В первом случае модель может только сжать звук в короткий шум, во втором — заполнит хвост. Исправление — согласовать duration_seconds со смысловой длительностью действия.
Цикл не получается. Если событийный звук с явным началом и концом установлен как loop: true, на стыке неизбежно будет резкость. Цикл применим только к стационарному содержимому, для событийных звуков его включать не нужно.
Смешение шаблонов разных сцен. Если взять «no reverb, dry» от звука интерфейса для уличной атмосферы, пространство будет задавлено; если взять «spacious, distant» от атмосферы для клика, получится размытое пятно. Писать три типа сцен раздельно и итерировать их отдельно гораздо надёжнее, чем применять один шаблон ко всем.
Считайте материал, действие и расстояние тремя контрольными точками: проверяйте их перед каждой отправкой — большинство проблем с нестабильностью можно устранить ещё на этапе написания prompt.
Похожие статьи
Все статьи →-
Руководство по использованию
Руководство по началу работы с Tripo H3.1: три способа ввода, параметры и как выбрать тариф
Практическое руководство для разработчиков по принятию решений и контролю затрат при интеграции генерации 3D
-
Руководство по использованию
Генерация изображений товаров для электронной коммерции с помощью qwen-image-2.1-turbo через HiAPI API
Быстрый рабочий процесс визуализации каталога для разработчиков: прозрачный вывод PNG и работающий API-запрос
-
Руководство по использованию
Использование topaz-upscale/video через HiAPI API: рабочий процесс улучшения качества коротких видео
Интерполяция кадров, настройки усиления и рабочий запрос к HiAPI для вертикальных видео