ElevenLabs 于 2026 年 10 月 15 日推出了 Instant Soundtracks。上传一段视频后，模型会为它创作一段原创配乐，再分析画面找出需要音效的地方，在这些时间点放上生成的音效。这项功能已在 ElevenCreative、ElevenMusic 平台和 Video to Music API 上线。它没有单独定价：Eleven Music 每分钟大约消耗 900 个 ElevenLabs credits，音乐商用从每月 $6 的 Starter 套餐起。
最后核对：2026 年 10 月 26 日。
我们怎么核对的：我们没有亲自运行过 Instant Soundtracks。下文关于这项功能的所有内容都来自 ElevenLabs 的发布文章、API 文档、更新日志和价格页，演示视频也是 ElevenLabs 官方的。后面的两段音频是 2026 年 10 月 26 日在 RaoMusic 上用文字提示词生成的，用来展示手动做法。
ElevenLabs Instant Soundtracks 是什么？
发布文章介绍了 ElevenLabs 视频配乐的四项变化：
- 音效自动卡点。写完配乐后，模型会扫描画面找出需要音效的地方，把每个音效放到时间线上。ElevenLabs 举的例子是「广告结尾 logo 出现时，配上一声对准的“嗖”」。
- 配乐随场景换情绪。背景音乐可以在快节奏场景里用 EDM 或 R&B，到了慢节奏场景换成原声吉他。
- 用视频原有的音频做参考。模型可以读取原音频的曲风、渐强、BPM 或配器，让新配乐与之贴合。
- 短视频的节奏对得更准，包括剪辑点、转场和画面里的动作。
发布文章称，这项功能上线当天就能在 API 中使用。API 更新日志在 2026 年 10 月 19 日新增了一条 Video to Music 记录。
ElevenLabs 官方的 Instant Soundtracks 演示视频，嵌入自其 YouTube 频道。视频展示了给一段画面配乐、音效落在画面关键时刻的过程。
在 ElevenCreative 里怎么用 Instant Soundtracks？
根据 ElevenLabs 的说明，这项功能在 ElevenCreative 音乐标签页里的 Music Video Editor 中：
- 上传视频。模型会为它配乐，并在自己选定的时间点加上音效。
- 如果希望新配乐延续视频里原有的音乐，打开「以音频为参考」的开关。
- 检查结果。音效放在独立图层上，和配乐分开，所以你可以挪动某个音效、再加音效或者换掉配乐，不用从头再来。
- 从 ElevenCreative 导出成片。
上传较长的项目之前，先看看价格页上的套餐列表，因为这项功能消耗的 credits 和 ElevenLabs 其他产品来自同一个每月额度。
Video to Music API 新增了哪些参数？
接口是 POST /v1/music/video-to-music。它接收一个或多个视频文件，默认返回一个音频文件。下面是最关键的几个参数，摘自 API 文档：
| 参数 | 作用 | 默认值 |
|---|---|---|
自动加音效（add_sfx） | 根据视频中的提示点加入音效 | false |
分开输出文件（separate_tracks） | 返回一个 ZIP，配乐和音效是分开的文件 | false |
跟随视频原音频（use_audio_as_reference） | 参考视频原音频的曲风、BPM、配器、情绪和起伏走向 | false |
音乐模型（model_id） | music_v1、music_v2 或 music_v2_5 | music_v1 |
三个开关默认都是关闭的，所以普通请求只返回配乐、不带音效，模型默认是 music_v1。一次请求最多 10 个视频，合计不超过 200 MB、600 秒，会按顺序拼接后当作一个视频来配乐。输出 192 kbps MP3 需要 Creator 及以上套餐，44.1 kHz PCM 需要 Pro 及以上套餐。
Instant Soundtracks 多少钱？
发布文章和价格页都没有给 Instant Soundtracks 或 Video to Music 单独标价。价格页上能确认的是：
- 所有产品共用每月同一个 credits 额度，Eleven Music 每分钟大约消耗 900 credits。
- Free 套餐每月含 10,000 credits。Starter 套餐每月 $6，含 30,000 credits。
- 「Music commercial use」（音乐商用）出现在 Starter 套餐的功能列表里，Free 套餐里没有。
无论是价格页还是 API 文档，ElevenLabs 都没有公布 Video to Music 的单独费率，也没说 add_sfx 是否额外收费。建议先用一段短视频试一次，看看消耗了多少 credits，再给完整视频配乐。
手动做法实测效果如何？
没有能看懂视频的配乐功能时，就得把配乐和音效分开做，再自己放音效。我们在 RaoMusic 上用 ElevenLabs 的音乐模型和音效模型，按这个方法复刻了 ElevenLabs 自己举的 logo 出场例子。
提示词：30-second background track for a product ad: upbeat modern electronic pop, punchy drums, bright synth plucks, builds to a confident ending（一段 30 秒的产品广告背景音乐：轻快的现代电子流行，鼓点有力，明亮的合成器拨弦音，逐步推进到一个自信的结尾） · 引擎：ElevenLabs v2 · 简单模式 · 纯音乐 · 时长 30 秒 · MP3
试听笔记：电子鼓有力，合成器拨弦明亮，干净地推进到一个果断的最后重音，和提示词比较接近。合成器的主旋律比较重复、偏常见，但直接垫在 30 秒的产品广告或社交媒体短视频下面就能用。
提示词：fast airy whoosh rising into a soft deep impact, for a logo reveal at the end of an ad（快速、带空气感的“嗖”声，上扬后落到一记柔和低沉的撞击，用于广告结尾的 logo 出场） · 引擎：ElevenLabs 音效 · 时长 2 秒 · MP3
试听笔记：平滑、带空气感的上扬音，最后落在一声温暖低沉的闷响上，符合要求。撞击偏柔和而不是有冲击力，适合简洁、极简风格的 logo 出场或标题卡。
这段配乐花了 20 个 RaoMusic 积分，发出请求后大约 11 秒就生成好了；“嗖”声花了 5 个积分，约 6 秒内完成（我们每 5 秒查看一次）。之后你仍然要在剪辑软件里找到 logo 出现的那一帧，把“嗖”声对上去。这一步对齐，正是 Instant Soundtracks 替你做的事。
和其他视频配乐方式比怎么样？
| ElevenLabs Instant Soundtracks | RaoMusic 视频转音乐 | 文字提示词 + 单独做音效 | |
|---|---|---|---|
| 输入 | 最多 10 个视频，合计 200 MB、10 分钟 | 1 段视频（MP4、MOV、WebM），100 MB、241 秒 | 只有文字 |
| 音效 | 自动生成并放置 | 不包含 | 单独生成，自己放置 |
| 配乐和音效分开的文件 | 有，通过 API 返回 ZIP | 只有配乐 | 有，两个文件 |
| 参考音频 | 视频自带的音轨 | 可选，自己附加一段参考音频 | 无 |
| 价格 | ElevenLabs credits；未公布单独费率 | RaoMusic：Rao v1.0 两个版本 20 积分 | RaoMusic：配乐每分钟 40 积分，音效每秒 1 积分（最低 5 积分） |
| 时长贴合视频 | 文档未说明 | 不会，需在剪辑软件里修剪或淡出 | 时长由你决定 |
ElevenLabs 的 credits 和 RaoMusic 的积分是两种不同的计费单位，价格一行的数字不能直接比较。
RaoMusic 的 视频转音乐页面会读取视频的情绪，返回两个版本，默认是纯音乐，但不会加音效。音效部分可以用 AI 音效生成器根据一句描述生成短音效，比如上面那段“嗖”声。在 RaoMusic 上生成的音乐在所有套餐下都附带免版税商用使用权，须遵守其授权条款；商用授权页面说明了这是一种使用授权，不是版权转让。
Instant Soundtracks 适合谁用？
从 ElevenLabs 的描述来看，它适合短广告、产品演示和社交媒体短视频这类剪辑点和画面关键时刻需要卡上声音的内容，也适合想拿到配乐和音效分开的文件、自己混音的团队。要给大量视频配乐的开发者，可以在 API 里配合 add_sfx 和 separate_tracks 使用。如果你的视频只需要在旁白下面垫一段音乐，用文字提示词或不带音效的视频转音乐工具就够了；我们的 YouTube 视频背景音乐指南讲了音量和时长怎么处理。想了解 ElevenLabs Music 和 Suno 在完整歌曲上的对比，可以看 ElevenLabs vs Suno。
常见问题
ElevenLabs 的发布文章和 API 文档都把这项功能描述为配乐加音效，没有提到人声或歌词选项。
API 文档提供零保留模式（zero retention mode），把 enable_logging 设为 false 即可开启，但仅限企业客户使用。文档没有说明在其他情况下上传的视频会保留多久，请查看 ElevenLabs 的隐私条款。
暂时不能。RaoMusic 提供用文字生成的 ElevenLabs Music 和 ElevenLabs 音效，以及自家的 视频转音乐 工具，但没有接入 ElevenLabs 这种能看懂视频的配乐功能。
可以，通过 API 实现。Video to Music 请求可以附带一段可选的文字描述（最多 4,100 个字符）和最多 10 个风格标签；不填时，模型只根据视频本身来创作。
只有你主动要求时才会。API 有一个 sign_with_c2pa 选项，可以给文件加上 C2PA 内容凭证签名。它只适用于 MP3 输出，默认关闭。