ElevenLabs lanca o SFX v3: modelo segue com mais precisao prompts com varios sons

Se voce ja criou um jogo, um aplicativo de meditacao ou um editor de video com sonorizacao automatica, conhece bem este problema: voce pede ao gerador de sons uma cena com tres acoes e recebe uma confusao em que tudo acontece ao mesmo tempo ou metade dos eventos desaparece. A ElevenLabs lancou o SFX v3, e a principal promessa da atualizacao trata exatamente disso: o modelo segue com mais precisao prompts que contem varias instrucoes.

O que mudou

O SFX v3 e um novo modelo da Sound Effects API. Segundo a empresa, ele preserva melhor do que a v2 a sequencia de varios eventos, processa vocais e musica com mais cuidado e corta com menos frequencia sons de alta frequencia, como gongos, sinos e o assobio de uma chaleira. A propria ElevenLabs classifica o lancamento como incremental, portanto nao espere uma revolucao. E uma atualizacao cuidadosa, nao uma nova geracao.

Para desenvolvedores, a migracao e trivial. Na chamada text_to_sound_effects.convert, basta alterar o model_id para eleven_text_to_sound_v3. O endpoint continua o mesmo: POST /v1/sound-generation. O anuncio traz este exemplo: “Uma torcida no estadio comemora, ouve-se o chute na bola e a torcida vaia.” Sao tres eventos em uma unica solicitacao, exatamente o tipo de cenario que a v3 deve executar melhor.

Parametros que vale a pena conhecer

O modelo escolhe automaticamente a duracao do efeito com base no texto do prompt. Se voce precisar de uma duracao exata, defina duration_seconds. Se o resultado se afastar da solicitacao, aumente prompt_influence para um valor acima do padrao de 0,3: quanto maior ele for, mais rigorosamente o modelo seguira o texto e menor sera a variacao entre as geracoes. O parametro output_format define o formato de saida, como mp3_44100_128 ou pcm_48000.

Uma limitacao facil de esquecer: atualmente, a criacao de loops funciona apenas em eleven_text_to_sound_v2. Se voce produz loops de fundo, como ruido de chuva ou o zumbido de uma estacao espacial, continue na v2 com loop: true. Isso significa que, em alguns projetos, uma migracao completa para a v3 sera impossivel e sera necessario manter os dois modelos.

Como escrever prompts

A ordem do texto importa. Liste os eventos na sequencia em que devem ser ouvidos: “Passos sobre cascalho e, em seguida, uma porta de metal se abre.” Para um unico som, uma solicitacao curta e especifica funciona melhor.

A formulacao tambem afeta o resultado. Um dos testadores da ElevenLabs observou que “um casal discutindo em frances” (arguing) funciona consideravelmente melhor do que “um casal brigando em frances” (fighting). A conclusao pratica e testar varias formulacoes sinonimas para o mesmo evento antes de fixar o prompt no codigo.

O que fazer na pratica

Como os dois modelos usam o mesmo endpoint, um teste A/B custa pouco. Selecione cerca de dez dos prompts mais frequentes em producao, execute-os nas versoes v2 e v3 e compare os resultados de ouvido. Verifique especialmente cenas complexas com varios componentes e sons com frequencias altas e abruptas: e justamente nesses casos que se espera uma melhora. Para loops, mantenha a v2.

No geral, esta e uma atualizacao pratica para quem ja integrou o ElevenLabs SFX. Ha poucos recursos novos, mas a alteracao de uma linha de configuracao vale alguns minutos de testes. E possivel ouvir os resultados sem codigo na aba Sound Effects, no Flows e no Studio dentro do ElevenCreative.