ElevenLabs发布SFX v3：侧重一条提示词中的多个声源

一条提示词里同时描述环境声、动作声和一段人声，是SFX v3这次更新的重点。ElevenLabs在2026年10月29日发布这款音效模型，称它比SFX v2更能遵循包含多个声音的指令，减少生成时漏掉声源的情况。

另外两项变化是音乐与人声音效，以及音质。厂商称新版更能处理音乐片段和人声表演，并减少锣、钟铃、口哨等声音里不自然的失真。公告提到与v2的评测对比，但没有公开具体分数、样本量或评测方法，提升幅度还无法据此量化。

公布的创作入口包括ElevenCreative中的Sound Effects、Flows、Studio、Music Editor，以及移动应用；开发者可通过ElevenAPI使用。当前能力文档仍将v3列为有限开放，部分地区或账号可能尚无访问权限。

接API时有个细节：10月30日查阅的接口文档，model_id默认值仍写eleven_text_to_sound_v2，已允许显式选择eleven_text_to_sound_v3。只沿用未指定模型的旧请求，不能据此认为已经切到v3；文档还注明，无权限账号请求v3会返回Unknown model。

音效单次生成上限仍为30秒；循环播放是让片段重复使用。精确重复次数也还有限制，文档明确说此类次数指令不总能被遵循。做有严格时间点和次数要求的声音设计时，仍需听回结果并继续剪辑。