一つの場面の音をまとめて構想
ElevenLabsは2026年10月29日にSFX v3を発表し、紹介記事を10月30日に更新した。テキストから効果音を生成するモデルで、複数の音や音楽・歌声への指示対応と音質を改善したという。これは提供元の比較と説明であり、全場面での優位を示す独立評価ではない。音声合成や完成曲の制作とも区別が必要だ。
編集部の提案は、主な動作、周囲の環境音、強調したい音を分けて書き、必要な出来事が実際に聞こえるか確認することだ。映像・ゲームの音設計を試す用途は考えられるが、一回の生成で最終ミックスが完成するとは限らない。会話との競合、順序やタイミング、雑音、再生成の費用を点検し、必要なら別レイヤーで編集する。
発表とアカウントの利用権限は別
発表はElevenCreativeとElevenAPIでの提供を案内するが、モデル文書は限定アクセスと地域による未提供を明記する。権限がない場合はUnknown modelエラーとなるため、プロンプトを直す前に利用資格と地域を確認したい。全員への一般公開や無料利用を意味しない。
既存のSound Effects APIでmodel_idをeleven_text_to_sound_v3に指定して使う。既定値は引き続きeleven_text_to_sound_v2で、リクエスト成功だけではv3利用を確認できない。同じ場面説明で両モデルを聞き比べ、実際の課金と利用条件を確認してから切り替えるのが妥当だ。