Le 29 octobre, ElevenLabs a lancé SFX v3, un modèle d'effets sonores. En une seule génération, le nouveau modèle peut présenter plusieurs sons dans l'ordre décrit, de sorte que les créateurs n'ont plus besoin de découper le son d'une scène en plusieurs générations puis de les assembler à la main. Le modèle est disponible sur les surfaces ElevenCreative et dans ElevenAPI.
Un seul prompt contient toute une séquence sonore
Dans l'ancien flux de génération d'effets sonores à partir de texte, une scène comportant plusieurs sons devait souvent être générée par morceaux : d'abord les acclamations de la foule, puis un ballon qui tombe, puis les huées de la même foule, en alignant le timing au montage. SFX v3 accepte des prompts contenant plusieurs instructions et place ces sons dans une seule génération, dans l'ordre décrit. Dans sa documentation officielle, ElevenLabs donne l'exemple qu'il vaut mieux décrire l'action, le décor, l'atmosphère et l'interprétation qu'un simple mot de catégorie — écrire « la pluie contre une fenêtre dans un appartement calme » plutôt que seulement « pluie ».
Outre la génération de plusieurs sons à la fois, SFX v3 améliore aussi le traitement de la musique et des voix, avec moins de dureté sur les sons aigus, de sorte que les gongs, les carillons et les sifflets sonnent plus proprement. Selon ElevenLabs, le nouveau modèle devance SFX v2 sur l'ensemble de ses évaluations internes, mais les tableaux de comparaison complets n'ont pas été publiés ; les créateurs ont intérêt à essayer leurs prompts habituels sur les deux versions avant de basculer.
Où l'utiliser
SFX v3 couvre les principales portes d'entrée d'ElevenCreative : Flows, l'onglet des effets sonores, Studio et l'éditeur de musique, et il est aussi disponible dans l'application mobile. Les développeurs l'appellent via ElevenAPI avec l'identifiant de modèle eleven_text_to_sound_v3 ; SFX v2 reste le modèle par défaut, le basculement exige donc de changer l'identifiant.
Côté spécifications, un effet unique dure jusqu'à 30 secondes, sort en MP3, et les effets non bouclés peuvent sortir en WAV 48 kHz, tandis que les longues ambiances peuvent boucler sans couture. La facturation suit les règles existantes du point de terminaison des effets sonores : quand une durée est précisée, la facturation se fait à la seconde en crédits, et ElevenLabs n'a annoncé aucun changement du prix en crédits par génération.
Trois limites subsistent
Premièrement, les nombres exacts restent peu fiables : une demande comme « frapper 4 fois » peut ne pas être comptée correctement, et les rythmes clés doivent encore être vérifiés en post-production. Deuxièmement, SFX v3 est pour l'instant en accès limité, et certaines régions ou certains comptes rencontreront une erreur de modèle inconnu lors de l'appel ; il faudra alors attendre un accès plus large. Troisièmement, il supprime le travail minutieux d'assemblage des effets sonores, mais ne remplace ni la conception des dialogues, ni la composition, ni le mixage final — un prompt peut esquisser l'ossature d'une scène, et la qualité finale dépend toujours du mixage humain.
