ElevenLabs 在2026年10月29日推出最新的文字轉音效模型 SFX v3。官方表示，它能更穩定地處理一句話裡描述多個聲音的提示詞，音樂和人聲的生成也更好，在鑼、風鈴、哨子這類聲音上產生的雜音與瑕疵也更少。SFX v3 可以在 ElevenCreative 裡使用，也能透過 API 呼叫；API 目前仍是限量開放，音效以每分鐘 $0.12 計價。在 ElevenLabs 自家的應用程式之外，RaoMusic 的 ElevenLabs 音效已經改用 SFX v3，每秒 1 點，最低 5 點。
最後查核：2026年10月31日
ElevenLabs SFX v3 有哪些新功能？
官方公告列出了和 SFX v2 相比的四項改變：
- 一句提示詞寫多個聲音。「它能更穩定地處理描述多個聲音的提示詞。」官方舉的例子是：觀眾歡呼、一顆球掉下來，幾秒後同一群觀眾發出噓聲。
- 音樂與人聲。「SFX v3 對包含音樂和人聲的提示詞，生成效果也有所提升。」
- 音質更乾淨。ElevenLabs 表示 v3「在基準測試中，產生的音訊比 SFX v2 更乾淨、更自然」。這項比較出自官方自己的測試。
- 金屬餘音的雜音更少。新模型「在鑼、風鈴和哨子這類聲音上，比較不容易出現那些多餘的瑕疵」。
ElevenLabs 官方影片〈Introducing SFX v3〉，嵌入自其 YouTube 頻道。
要怎麼在 ElevenLabs 使用 SFX v3？
在 ElevenCreative 裡，ElevenLabs 列出的入口有 Flows、Sound Effects 分頁、Studio 和 Music Editor，ElevenLabs 手機 App 也能用。如果走 API，請求內容和以前的音效請求一樣，只要把模型 ID（用來指定模型的參數）設成 eleven_text_to_sound_v3。沒有帶模型 ID 的話，拿到的會是 eleven_text_to_sound_v2，官方文件仍把它列為預設模型。
目前不一定每個人都能用。文件寫明「SFX v3 目前為限量開放，不一定在每個地區都能使用」，沒有權限的帳號送出 API 請求會收到「Unknown model」錯誤。
| SFX v2 | SFX v3 | |
|---|---|---|
| API 模型 ID | eleven_text_to_sound_v2 | eleven_text_to_sound_v3 |
| 沒帶模型 ID 時是否採用 | 是（預設） | 否 |
| 開放狀況 | 預設模型 | 限量開放，可能依地區而不同 |
| 官方文件的描述 | 預設模型 | 更貼合多段式提示詞，人聲與音樂類聲音更好 |
同一頁文件也列出音效可調整的項目：每段 0.1 到 30 秒；提示詞影響程度（prompt influence，越高越照字面執行）；循環播放，適合需要重複的環境音；輸出 MP3，只有在關閉循環時才能輸出 48 kHz 的 WAV。
SFX v3 怎麼收費？
ElevenLabs 的 API 價格頁上，音效是每分鐘 $0.12。官方文件則寫明：指定長度時，每秒消耗 40 個 ElevenLabs 自家的 credits。我們查核時，兩個頁面都沒有替 SFX v3 另外標價。
在 RaoMusic 上，ElevenLabs 音效依「時長」每秒 1 點計費，最低 5 點，所以 10 秒的音效是 10 點。不用訂閱也能使用。
SFX v3 能在一句提示詞裡處理多個聲音嗎？
這段提示詞照著官方範例寫，三件事依固定順序發生。在 RaoMusic 上，「描述貼合度」決定生成結果要多嚴格地依照你的描述。
提示詞：Football stadium: the crowd cheers loudly, then a ball drops and bounces twice on the grass, then the same crowd boos.（足球場：觀眾大聲歡呼，接著一顆球落下、在草地上彈兩下，然後同一群觀眾發出噓聲。） · 時長：10 秒 · 描述貼合度：0.3（預設）
試聽筆記：球場歡呼、球彈兩下、接著是噓聲，順序和要求的一樣。適合風格化的運動剪輯，或是場上搞笑失誤的橋段。
同一段提示詞 · 描述貼合度：0.7
試聽筆記：一樣的三件事、一樣的順序。球的彈跳聲偏乾，少了大球場該有的殘響；如果畫面需要真實感，可以在剪輯軟體裡幫它加一點殘響。
依你要的順序寫下每個事件，中間用「then」串起來。先用預設的描述貼合度，有事件沒出來再調高。
SFX v3 在鑼、風鈴和哨子上還會有雜音嗎？
提示詞：A single large gong struck once with a soft mallet, long shimmering resonance slowly fading out.（用軟槌敲一下大鑼，綿長、閃爍的餘音慢慢淡出。） · 時長：10 秒 · 描述貼合度：0.3
試聽筆記：軟槌敲一下，餘音很長，尾端有些微的抖動和細微的嘶聲。需要乾淨結尾的話，把尾巴提早淡出；直接用的話，很適合當轉場或冥想開場。
提示詞：Metal wind chimes ringing gently in a light breeze.（金屬風鈴在微風中輕輕作響。） · 時長：8 秒 · 描述貼合度：0.3
試聽筆記：金屬風鈴敲擊的節奏很自然，但幾乎聽不到風聲，延續的餘音裡帶著輕微的數位相位感和高頻振鈴。可以在底下另外墊一層風聲或戶外環境音，順便把衰減的部分蓋掉。
提示詞：A referee blows one long steady whistle blast, then silence.（裁判吹出一聲又長又穩的哨音，然後安靜下來。） · 時長：5 秒 · 描述貼合度：0.3
試聽筆記：出來的是兩聲短促、帶顫音的哨聲，不是一聲長哨。可以拿來當犯規時的連吹兩聲；想要一聲長哨，就調高描述貼合度重新生成。
同一段提示詞 · 描述貼合度：0.8
試聽筆記：一聲哨音，帶一點顫音和音高起伏，接著安靜。能接受些許晃動的話可以當裁判哨使用；需要完全平穩的音就重新生成。
SFX v3 能生成音樂和人聲嗎？
ElevenLabs 表示 v3 處理含音樂和人聲的提示詞更好。我們請它做一段有樂器伴奏的簡短演唱小曲。
提示詞：A small children's choir sings a short cheerful 'la la la' melody over a toy piano, like a cartoon intro jingle.（一個小型兒童合唱團在玩具鋼琴伴奏下，唱一小段輕快的「la la la」旋律，像卡通的片頭曲。） · 時長：10 秒 · 描述貼合度：0.3
試聽筆記：孩子們清楚唱出「la la la」，但沒有玩具鋼琴，帶回音的唱法聽起來莊嚴肅穆，一點也不輕快。比起卡通片頭，更適合用在恐怖片或驚悚片裡，當作讓人發毛的一段旋律。
同一段提示詞 · 描述貼合度：0.8
試聽筆記：孩子們清唱「la la la」，完全沒有樂器，旋律偏小調，聽起來陰森。這一版同樣比較適合恐怖題材，而不是卡通。
兩版的演唱都做對了，但都少了玩具鋼琴，也沒有輕快的感覺。在 RaoMusic 上，想要有伴奏的輕快小曲，可以改用音樂模型，例如 ElevenLabs Music。
和 10 月那段 SFX v2 音效相比如何？
2026年10月14日的 ElevenLabs 與 Suno 比較中，我們用 eleven_text_to_sound_v2 跑過這段城市環境音提示詞，設定是 15 秒、提示詞影響程度 0.8、關閉循環。SFX v3 這段用的是完全相同的提示詞和設定，於 10 月 31 日生成。
提示詞：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.（電影感的日出城市聲景：遠方的車流、濕漉漉人行道上的輕柔腳步聲、一陣經過的柔和腳踏車鈴聲、開始鳴唱的鳥兒，以及一股溫暖、充滿希望的城市環境音漸強。沒有人聲、沒有音樂，細節乾淨自然，像精修過的電影音效。）
SFX v2 · 10月14日
試聽筆記：濕地面上的腳步聲、清楚的腳踏車鈴和遠方的低鳴，但鳥叫幾乎聽不到，漸強的部分聽起來有點假。撐不起電影的主場景，適合當安靜的背景音墊或轉場。
SFX v3 · 10月31日
試聽筆記：腳踏車鈴聲在前景，還有濕路面、遠方車流和清楚的鳥叫，但那股溫暖的漸強沒有出現。很適合幫戲劇或 Podcast 當作寫實的清晨街道背景音；想要漸強的話，底下再墊一層音樂鋪底。
v3 這版鳥叫更清楚，但少了 v2 那版有的漸強。
要怎麼在 RaoMusic 上使用 SFX v3？
- 打開 創作 頁面，在模型選單裡選 ElevenLabs。兩個 ElevenLabs 版本都可以，因為不管選哪一個，音效都是用 SFX v3。
- 切換到 音效 分頁。
- 在 音效描述 裡描述你要的聲音。有多個事件就依序寫。
- 設定 時長（1 到 30 秒）；有細節沒出來的話，調高 描述貼合度。
- 需要重複播放的環境音，打開 無縫循環。
- 按下「生成」。
如果是做遊戲，遊戲音效產生器 開啟的也是同一個 ElevenLabs 音效表單。
我們怎麼測試？
2026年10月31日，我們在 RaoMusic 上選取 ElevenLabs、在音效分頁（執行的是 SFX v3）生成了九段音效，全部關閉無縫循環。每段的提示詞和設定都寫在對應音檔上方。我們每 5 秒查一次工作狀態，每段都在送出請求後 11 秒內完成。SFX v2 的參考音檔來自我們 10 月 14 日的比較文章。每段音檔下方的試聽筆記描述的是這個檔案聽起來如何，你也可以按播放自己判斷。
| 音檔 | 點數 | 完成用時 |
|---|---|---|
| 球場，0.3 | 10 | 約 6 秒 |
| 球場，0.7 | 10 | 約 6 秒 |
| 鑼 | 10 | 約 6 秒 |
| 風鈴 | 8 | 約 6 秒 |
| 哨子，0.3 | 5 | 約 6 秒 |
| 哨子，0.8 | 5 | 約 6 秒 |
| 兒童合唱，0.3 | 10 | 約 6 秒 |
| 兒童合唱，0.8 | 10 | 約 6 秒 |
| 城市環境音 | 15 | 約 11 秒 |
常見問題
依照 RaoMusic 的<a href="/commercial-license">商業授權</a>，你生成的音效可以免版稅用於商業專案，例如 YouTube 影片、遊戲、Podcast 和客戶案子，免費方案也一樣。
每次生成最長 30 秒。打開「無縫循環」，讓結尾能接回開頭，再到剪輯軟體或遊戲引擎裡，依需要的長度重複播放這段音檔。
用英文寫效果最好。如果你用其他語言輸入，生成前先按「譯成英文」。
不是。SFX v3 產生最長 30 秒的音效片段，ElevenLabs Music 則是產生完整的歌曲。在 RaoMusic 上，ElevenLabs Music 依歌曲長度每分鐘 40 點計費。
不會。在 RaoMusic 上，價格只跟時長有關，描述貼合度和無縫循環都不影響點數。