L'ESSENTIEL EN 30 SECONDES

  • SFX v3, annoncé le 29 octobre, est disponible dans ElevenCreative (y compris l'application mobile) et via ElevenAPI sous l'identifiant eleven_text_to_sound_v3.
  • Selon ses propres tests, ElevenLabs affirme que le modèle respecte mieux que SFX v2 les requêtes décrivant plusieurs sons et gère mieux la musique et les voix.
  • La documentation précise que l'accès est limité et ne couvre pas forcément toutes les régions ; la v2 reste le modèle par défaut.

ElevenLabs, surtout connue pour ses voix de synthèse, a publié SFX v3, la troisième génération de son modèle de génération d'effets sonores à partir de texte. Annoncé le 29 octobre sur le blog de l'entreprise, le modèle est accessible à la fois dans ElevenCreative, sa suite destinée aux créateurs, et dans ElevenAPI, pour les développeurs souhaitant intégrer la génération de sons à leurs propres produits.

Ce que l'entreprise dit avoir amélioré

L'argument principal concerne les scènes où plusieurs choses se produisent en même temps. D'après ElevenLabs, SFX v3 suit plus fidèlement que SFX v2 les requêtes qui décrivent plusieurs sons distincts : davantage d'événements demandés se retrouvent réellement dans le résultat. L'entreprise ajoute que le modèle s'en sort mieux lorsque la requête mêle musique ou chant et ambiance sonore, et que le rendu est plus propre, avec moins d'artefacts indésirables sur les sons aigus comme les gongs, les carillons ou les sifflets. Ces affirmations reposent sur les tests internes d'ElevenLabs ; le billet ne fournit aucun chiffre, et Creators Toolbox relève que la comparaison avec la v2 reste purement qualitative.

Dans ElevenCreative, le modèle est utilisable depuis l'onglet Sound Effects, Flows, Studio et le Music Editor, ainsi que dans l'application mobile d'ElevenLabs.

Ce qu'ajoute la documentation

La documentation pour développeurs référence le nouveau modèle sous l'identifiant eleven_text_to_sound_v3, tandis que eleven_text_to_sound_v2 reste le choix par défaut. ElevenLabs y qualifie l'accès à la v3 de limité et indique qu'il peut être indisponible dans certaines régions ; les comptes non autorisés reçoivent une erreur signalant un modèle inconnu. Une génération peut durer de 0,1 à 30 secondes, la durée étant fixée automatiquement si elle n'est pas précisée, et la sortie est proposée en MP3, ainsi qu'en WAV à 48 kHz pour les effets non bouclés. Un réglage d'« influence du prompt » permet d'arbitrer entre interprétation littérale et variations plus créatives.

Limites

ElevenLabs conseille elle-même de comparer la v2 et la v3, les résultats variant selon la requête. La documentation prévient que les nombres exacts de répétitions, par exemple un nombre précis de coups, ne sont pas toujours respectés, et que de légères variations de formulation peuvent modifier le résultat. L'annonce ne mentionne pas de tarif propre à la v3, et aucune évaluation indépendante n'était disponible au moment de la rédaction. Pour la production musicale complète, ElevenLabs renvoie vers son API Music, distincte du modèle d'effets sonores.