ElevenLabs 在 10 月 29 日推出了音效模型 SFX v3。新模型在一次生成里能按顺序呈现多个声音，创作者不用再把一段场景音效拆成几段分别生成、手动拼接。模型已在 ElevenCreative 各产品面和 ElevenAPI 上线。
一个提示词，装下整段声音
旧的文本生成音效流程里，一段包含多个声音的场景往往要分开生成：先有人群欢呼，再有球落地的声音，最后是同一人群的嘘声，剪辑时还得对齐时间。SFX v3 接受包含多个指令的提示词，按描述的顺序把这些声音放进同一次生成。ElevenLabs 在官方说明里举例说，写清动作、场景、氛围和表演方式，比只写类别词效果更好，比如写“安静公寓里窗边的雨声”，而不是只写“雨声”。
除了一次生成多个声音，SFX v3 在音乐和人声的处理上也有改进，高频声音的杂音更少，锣、钟、哨声这类容易发刺的声音听起来更干净。ElevenLabs 称新模型在内部评测里全面优于 SFX v2，但完整的对照评测表没有公开，创作者最好拿自己的常用提示词在两个版本上各跑一遍，再决定是否切换。
在哪些地方能用
SFX v3 覆盖了 ElevenCreative 的主要入口：Flows、音效标签页、Studio 和音乐编辑器，移动应用里也能用。开发者通过 ElevenAPI 调用，模型标识是 eleven_text_to_sound_v3；SFX v2 仍是默认模型，切换需要主动改模型标识。
生成规格上，单条音效最长 30 秒，输出为 MP3，非循环音效可输出 48kHz WAV，长氛围音可以做无缝循环。计费沿用音效接口的既有规则，指定时长时按秒计积分，ElevenLabs 没有宣布调整按次生成的积分价格。
仍有三处边界
第一，精确的数量词仍不可靠，“敲 4 下”这类要求可能数不准，关键节奏还得靠后期核对。第二，SFX v3 目前是有限开放，部分地区或账号调用时会遇到模型未知的报错，遇到时只能等开放范围扩大。第三，它省的是拼接音效的零碎工夫，替代不了对白设计、作曲和终混——一段提示词能搭出场景骨架，最后的成品质感仍然取决于人工混音。
