ElevenLabs lanza SFX v3, un modelo de efectos de sonido pensado para combinar varios sonidos en una sola instrucción

ElevenLabs, conocida sobre todo por sus voces sintéticas, ha publicado SFX v3, la tercera generación de su modelo que convierte texto en efectos de sonido. La empresa lo anunció en su blog el 29 de octubre y asegura que ya funciona tanto en ElevenCreative, su conjunto de herramientas para creadores, como en ElevenAPI, para desarrolladores que quieran integrar la generación de sonido en sus propios productos.

Qué dice la empresa que ha mejorado

El argumento central son las escenas en las que ocurren varias cosas a la vez. Según ElevenLabs, SFX v3 respeta con más fidelidad que SFX v2 las instrucciones que describen varios sonidos distintos, de modo que más eventos solicitados aparecen realmente en el resultado. La compañía añade que el modelo responde mejor cuando se mezclan música o canto con sonido ambiente, y que el audio sale más limpio, con menos artefactos no deseados en sonidos agudos como gongs, campanillas o silbatos. Estas afirmaciones proceden de pruebas internas de ElevenLabs; la entrada del blog no ofrece cifras y Creators Toolbox señala que la comparación con v2 es solo cualitativa.

Dentro de ElevenCreative, el modelo puede usarse desde la pestaña Sound Effects, Flows, Studio y el Music Editor, además de en la aplicación móvil de ElevenLabs.

Qué aporta la documentación

La documentación para desarrolladores recoge el nuevo modelo con el identificador eleven_text_to_sound_v3, mientras que eleven_text_to_sound_v2 sigue siendo la opción predeterminada. ElevenLabs describe el acceso a v3 como limitado y advierte que puede no estar disponible en algunas regiones; las cuentas sin acceso reciben un error de modelo desconocido. Cada generación puede durar entre 0,1 y 30 segundos, con una duración automática si no se indica otra, y el resultado se ofrece en MP3 y también en WAV a 48 kHz para los efectos que no se reproducen en bucle. Un ajuste de «influencia del prompt» permite elegir entre una interpretación más literal o más creativa.

Advertencias

La propia ElevenLabs recomienda comparar v2 y v3, porque los resultados dependen de cada instrucción. La documentación avisa de que los recuentos exactos de repeticiones, como un número fijo de golpes, no siempre se respetan, y de que pequeños cambios de redacción pueden alterar el resultado. El anuncio no menciona precios específicos para v3 y, al cierre de esta nota, no había evaluaciones independientes del modelo. Para la producción musical completa, ElevenLabs remite a su Music API, separada del modelo de efectos.