2026年10月29日，ElevenLabs 发布了最新的文本生成音效模型 SFX v3。官方称，它能更稳定地处理一句话里描述多个声音的提示词，对音乐和人声的生成也更好，锣、风铃、哨子这类声音上的杂音和伪影更少。SFX v3 可以在 ElevenCreative 里用，也可以通过 API 调用；API 目前仍是限量开放，音效按每分钟 $0.12 计费。在 ElevenLabs 自家应用之外，RaoMusic 的 ElevenLabs 音效已经换成了 SFX v3，按每秒 1 积分计费，最低 5 积分。
最后核对：2026年10月31日
ElevenLabs SFX v3 有哪些新变化？
官方公告列出了相比 SFX v2 的四点变化：
- 一句提示词里写多个声音。“它能更稳定地处理描述多个声音的提示词。”官方举的例子是：观众欢呼，一个球落地，几秒后同一批观众又发出嘘声。
- 音乐和人声。“SFX v3 对包含音乐和人声的提示词，生成效果也有提升。”
- 音质更干净。ElevenLabs 称 v3“在基准测试中比 SFX v2 生成的音频更干净、更自然”。这个对比来自官方自己的测试。
- 金属余音的杂音更少。新模型“在锣、风铃和哨子这类声音上，更不容易出现那些多余的伪影”。
ElevenLabs 官方视频《Introducing SFX v3》，嵌入自其 YouTube 频道。
怎么在 ElevenLabs 用上 SFX v3？
在 ElevenCreative 里，ElevenLabs 列出的入口有 Flows、Sound Effects 标签页、Studio 和 Music Editor，ElevenLabs 手机 App 里也能用。走 API 的话，请求和以前的音效请求一样，只需把模型 ID（用来指定模型的参数）设为 eleven_text_to_sound_v3。如果不传模型 ID，得到的是 eleven_text_to_sound_v2——文档里它仍是默认模型。
目前不一定人人都能用上。文档写明“SFX v3 处于限量开放阶段，并非所有地区都可用”，没有权限的账号发起 API 请求会返回 “Unknown model” 错误。
| SFX v2 | SFX v3 | |
|---|---|---|
| API 模型 ID | eleven_text_to_sound_v2 | eleven_text_to_sound_v3 |
| 不传模型 ID 时是否使用 | 是（默认） | 否 |
| 可用范围 | 默认模型 | 限量开放，可能因地区而异 |
| 文档里的描述 | 默认模型 | 更贴合多段式提示词，人声和音乐类声音更好 |
同一页文档还列出了音效的可调参数：每段 0.1 到 30 秒；提示词影响度（prompt influence，越高越按字面执行）；循环，用于需要重复播放的环境音；输出 MP3，只有关闭循环时才能输出 48 kHz 的 WAV。
SFX v3 怎么收费？
ElevenLabs 的 API 定价页上，音效价格是每分钟 $0.12。它的文档则写明：指定时长时，每秒消耗 40 个 ElevenLabs 自家的 credits。我们核对时，两个页面都没有给 SFX v3 单独标价。
在 RaoMusic 上，ElevenLabs 音效按「时长」每秒 1 积分计费，最低 5 积分，所以 10 秒的音效是 10 积分。不需要订阅也能用。
SFX v3 能在一句提示词里处理多个声音吗？
这条提示词照着官方的例子写，三件事按固定顺序发生。在 RaoMusic 上，「描述贴合度」决定生成结果有多严格地按照你的描述来。
提示词：Football stadium: the crowd cheers loudly, then a ball drops and bounces twice on the grass, then the same crowd boos.（足球场：观众大声欢呼，接着一个球落下、在草地上弹两下，然后同一批观众发出嘘声。） · 时长：10 秒 · 描述贴合度：0.3（默认）
试听笔记：球场欢呼、球弹两下、然后是嘘声，顺序和要求一致。适合风格化的体育剪辑，或者场上搞笑失误的桥段。
同一提示词 · 描述贴合度：0.7
试听笔记：同样三件事、同样的顺序。球的弹跳声偏干，没有大球场该有的混响；如果场景需要真实感，在剪辑软件里给它加一点混响。
按你想要的顺序写下每个事件，中间用 “then” 连接。先用默认的描述贴合度，某个事件没出来再调高。
SFX v3 在锣、风铃和哨子上还会出杂音吗？
提示词：A single large gong struck once with a soft mallet, long shimmering resonance slowly fading out.（用软槌敲一下大锣，长长的、闪烁的余音慢慢消失。） · 时长：10 秒 · 描述贴合度：0.3
试听笔记：软槌敲一下，余音很长，尾部有轻微的颤动和细微的底噪。需要干净收尾的话，把尾巴提前淡出；原样用的话，适合做转场或冥想开场。
提示词：Metal wind chimes ringing gently in a light breeze.（金属风铃在微风中轻轻作响。） · 时长：8 秒 · 描述贴合度：0.3
试听笔记：金属风铃的敲击节奏很自然，但几乎听不到风声，持续的余音里带着轻微的数字相位感和高频振铃。可以在下面另铺一层风声或户外环境音，顺便也能把衰减部分盖住。
提示词：A referee blows one long steady whistle blast, then silence.（裁判吹响一声长而平稳的哨音，然后安静下来。） · 时长：5 秒 · 描述贴合度：0.3
试听笔记：出来的是两声短促、带颤音的哨声，而不是一声长哨。可以当犯规时的双响哨用；想要一声长哨，就调高描述贴合度重新生成。
同一提示词 · 描述贴合度：0.8
试听笔记：一声哨响，带一点颤音和音高起伏，然后安静。能接受一点晃动的话可以当裁判哨用；需要完全平直的音就重新生成。
SFX v3 能生成音乐和人声吗？
ElevenLabs 说 v3 处理带音乐和人声的提示词更好。我们让它生成一段带乐器伴奏的简短演唱小调。
提示词：A small children's choir sings a short cheerful 'la la la' melody over a toy piano, like a cartoon intro jingle.（一个小型童声合唱团在玩具钢琴伴奏下，唱一小段欢快的 “la la la” 旋律，像动画片的片头曲。） · 时长：10 秒 · 描述贴合度：0.3
试听笔记：孩子们清楚地唱出了 “la la la”，但没有玩具钢琴，带回声的唱法听起来庄严肃穆，并不欢快。比起动画片头，更适合用作恐怖片或惊悚片里让人发毛的一段旋律。
同一提示词 · 描述贴合度：0.8
试听笔记：孩子们清唱 “la la la”，没有任何乐器，旋律偏小调，听着阴森。这一版同样更适合恐怖题材，而不是动画片。
两版都把演唱做对了，但都没有玩具钢琴，也没有欢快的感觉。在 RaoMusic 上，想要带伴奏的欢快小调，可以改用音乐模型，比如 ElevenLabs Music。
和 10 月那段 SFX v2 音效比怎么样？
2026年10月14日的 ElevenLabs 与 Suno 对比里，我们用 eleven_text_to_sound_v2 跑过这条城市环境音提示词，设置是 15 秒、提示词影响度 0.8、关闭循环。SFX v3 这一段用的是完全相同的提示词和设置，于 10 月 31 日生成。
提示词：A cinematic sunrise city soundscape: distant traffic and soft footsteps on wet pavement, a gentle bicycle bell passing by, birds beginning to sing, and a warm hopeful swell of urban ambience. No speech, no music, clean natural detail, polished film sound effect.（电影感的日出城市声景：远处的车流、湿漉漉的人行道上轻柔的脚步声、一阵经过的柔和自行车铃声、开始鸣叫的鸟儿，以及一股温暖、充满希望的城市环境音渐强。没有人声，没有音乐，细节干净自然，像精修过的电影音效。）
SFX v2 · 10月14日
试听笔记：湿地面上的脚步声、清楚的自行车铃和远处的低鸣，但鸟叫几乎听不见，渐强部分听着有点假。撑不起电影里的主场景，适合当安静的背景底或转场。
SFX v3 · 10月31日
试听笔记：自行车铃声在前景，还有湿路面、远处车流和清晰的鸟叫，但那股温暖的渐强没有出来。适合给剧情片或播客当真实的清晨街道底噪；想要渐强的话，在下面垫一层音乐铺底。
v3 这版鸟叫更清楚，但丢了 v2 那版有的渐强。
怎么在 RaoMusic 上用 SFX v3？
- 打开 创作 页，在模型菜单里选 ElevenLabs。两个 ElevenLabs 版本都行，因为不管选哪个，音效用的都是 SFX v3。
- 切换到 音效 标签页。
- 在 音效描述 里描述你要的声音。有多个事件就按顺序写。
- 设置 时长（1 到 30 秒）；某个细节没出来的话，调高 描述贴合度。
- 需要重复播放的环境音，打开 无缝循环。
- 点「生成」。
做游戏的话，游戏音效生成器 打开的也是同一个 ElevenLabs 音效表单。
我们是怎么测的？
2026年10月31日，我们在 RaoMusic 上选中 ElevenLabs、在音效标签页（跑的是 SFX v3）生成了九段音效，全部关闭无缝循环。每段的提示词和设置都写在对应音频上方。我们每 5 秒查一次任务状态，每段都在发出请求后 11 秒内生成好。SFX v2 的参考音频来自我们 10 月 14 日的对比文章。每段音频下的试听笔记描述的是这个文件听起来什么样，你也可以点播放自己判断。
| 音频 | 积分 | 完成用时 |
|---|---|---|
| 球场，0.3 | 10 | 约 6 秒 |
| 球场，0.7 | 10 | 约 6 秒 |
| 锣 | 10 | 约 6 秒 |
| 风铃 | 8 | 约 6 秒 |
| 哨子，0.3 | 5 | 约 6 秒 |
| 哨子，0.8 | 5 | 约 6 秒 |
| 童声合唱，0.3 | 10 | 约 6 秒 |
| 童声合唱，0.8 | 10 | 约 6 秒 |
| 城市环境音 | 15 | 约 11 秒 |
常见问题
根据 RaoMusic 的<a href="/commercial-license">商业许可</a>，你生成的音效可以免版税用于商业项目，比如 YouTube 视频、游戏、播客和客户项目，免费版也一样。
每次生成最长 30 秒。打开「无缝循环」，让结尾能接回开头，再在剪辑软件或游戏引擎里按需要的时长重复播放这段音频。
用英文写效果最好。如果你用其他语言输入，生成前先点「译成英文」。
不是。SFX v3 生成最长 30 秒的音效片段，ElevenLabs Music 生成完整的歌曲。在 RaoMusic 上，ElevenLabs Music 按歌曲时长每分钟 40 积分计费。
不会。在 RaoMusic 上价格只跟时长有关，描述贴合度和无缝循环都不影响积分消耗。