elevenlabs-sound-effects

ElevenLabs 音效

使用此技能，将制作需求转化为可用的声音素材：清晰的声音设计说明、ElevenLabs 提示词、API 设置、素材管理元数据和 QA 备注，让音频易于放入剪辑、游戏、应用或广告中。

主题是非语音音频。旁白、对话、合成语音、配音或语音克隆，请使用文本转语音或语音技能。如果交付内容是完整歌曲、配乐或长篇背景音乐，请使用音乐生成技能。ElevenLabs Sound Effects 可以创作鼓点循环、铜管乐重音、渐强音、铺底音和点缀音等短音乐元素，但不要将其视为完整音乐创作工作流的替代品。

当前文档记载的事实

本节内容可能变动。已于 2026-07-10 根据 ElevenLabs 官方文档核实。

• API 端点：POST https://api.elevenlabs.io/v1/sound-generation。
• 请求正文：必填项为 text；duration_seconds、prompt_influence、loop 和 model_id 为可选项。
• 默认模型 ID：eleven_text_to_sound_v2。
• 文档说明，loop 仅适用于 eleven_text_to_sound_v2。
• API 参考文档中的时长范围：0.5 到 30 秒。概览页面也提到了 0.1 到 30 秒，因此除非实时调用证实情况不同，否则应优先采用更严格的 API 参考文档范围。
• 将 duration_seconds 设为 null 或省略该参数，可由 ElevenLabs 根据提示词决定时长。
• prompt_influence 的取值范围为 0 到 1，默认值为 0.3。值越高，生成结果越严格遵循提示词，变化越少；值越低，创作变化越大。
• output_format 是查询参数，格式为 codec_sample_rate_bitrate，例如 mp3_44100_128。较高质量的格式可能需要更高等级的订阅；API 文档说明，MP3 192 kbps 需要 Creator 或更高等级，而 PCM 44.1 kHz 需要 Pro 或更高等级。
• 响应内容是音频文件。请立即将其连同元数据保存到项目素材路径；不要让它以未命名数据流的形式留存。
• ElevenCreative playground 每次生成会创建 4 个音效候选，并支持下载 MP3 44.1 kHz 或 WAV 48 kHz。API 参考文档描述的则是单个音频响应。
• 定价可能变动。API 定价页面记载，Sound Effects 的价格为每分钟 $0.120，并说明 Sound Effects 按生成次数计费。另一 ElevenLabs 定价页面则将费用描述为每次生成约 200 积分；对预算敏感的批量任务，应以用户的实际套餐为准。

官方来源：

• Sound Effects 概览：https://elevenlabs.io/docs/overview/capabilities/sound-effects
• Sound Effects API 参考：https://elevenlabs.io/docs/api-reference/text-to-sound-effects/convert
• Sound Effects 快速入门：https://elevenlabs.io/docs/eleven-api/guides/cookbooks/sound-effects
• Sound Effects playground 指南：https://elevenlabs.io/docs/eleven-creative/playground/sound-effects
• ElevenAPI 定价：https://elevenlabs.io/pricing/api
• ElevenLabs 条款：https://elevenlabs.io/terms-of-use
• ElevenLabs 禁止使用政策：https://elevenlabs.io/use-policy

判断 ElevenLabs 是否适合

当素材可以描述为一种声学事件、一种质感、一段短序列、可循环的背景音或一次性音效时，请使用 ElevenLabs Sound Effects：

• 拟音：布料摩擦声、脚步声、转钥匙声、手机掉落声、翻页声、陶瓷刮擦声；
• 环境音：雨打铁皮屋顶声、霓虹巷道的嗡鸣声、服务器机房声、黄昏森林声、飞船通风声；
• 电影化设计：低沉冲击音、撞击音、呼啸音、渐强音、紧张脉冲音、低频下坠音、标志性短音；
• 游戏／应用 UI：按钮点击声、成就闪光音、错误蜂鸣声、拾取物品声、菜单悬停音；
• 社交媒体／视频点缀音：转场呼啸音、揭示闪光音、喜剧唱片刮擦声、通知弹出音；
• 短音乐片段：90 BPM 鼓点循环、复古铜管短促音、合成器铺底渐强音、带音高的渐强音。

遇到以下情况时，请选择其他方案：

• 声音必须与表演或已录制的撞击声精确同步到采样点；请使用拟音录制、音效库搜索或手动编辑；
• 请求需要使用没有授权的、可识别的受版权保护采样、主题曲、标志音效、名人声音或品牌声音标识；
• 用户需要的是带赔偿保障的授权音效库素材，而非生成音频；
• 声音必须在物理层面完全精确，例如用于取证、安全关键、医疗或法律重建；
• 需求是完整配乐、歌曲或包含和声发展的长循环；请使用音乐工作流，并将 Sound Effects 留作分轨或点缀音。

制作工作流

1. 将用户请求转化为声音设计简报。

   • 明确声音的作用：建立空间感、增强撞击效果、实现转场、强调 UI、加剧紧张感、掩盖剪辑点或在动作场景下循环播放。
   • 记录声音的使用场景：平台、场景、时间码、扬声器目标、混音环境，以及是否会与对白／音乐冲突。
   • 确定素材属于一次性音效、序列、循环、环境音背景、分轨还是素材合集。

2. 调用 API 前选择生成设置。

   • 探索创意方向和生成自然的一次性音效时，使用自动时长。
   • 需要与剪辑点、动画、交互、游戏事件或广告节拍同步时，使用明确指定的时长。
   • 对环境音、室内底噪、机械背景音、天气声、持续音、类似菜单音乐的质感，以及任何预期会重复播放的素材，使用 loop: true。
   • 创意探索时，将 prompt_influence 设为 0.25-0.4；制作计划明确的素材时，设为 0.45-0.7；只有在字面遵循要求比愉悦的变化更重要时，才设为 0.75-1.0。
   • 快速预览或社交媒体草稿使用 mp3_44100_128；用于编辑、游戏引擎、归档母版或大量后期处理时，选择可用的 PCM／WAV 格式输出。

3. 分小批次生成，并有目的地进行变化。

   • 对关键的主音效，生成 3-6 个候选版本，并有控制地调整提示词，而不是反复使用同一提示词。
   • 每次只改变一两个维度：材质、距离、空间、强度、瞬态形状或尾音长度。
   • 有用时保存未采用的候选版本；它们之后可能成为分层素材。

4. 编辑并整合。

   • 剪掉开头的静音和不自然的尾音。
   • 根据目标场景规范响度，而不是一味最大化音量。
   • 在零交叉点处淡入／淡出环境音循环，并至少测试三次重复播放。
   • 如果单次生成缺乏厚度、瞬态细节或真实感，可将生成的音效与音效库素材／录制的拟音分层混合。
   • 如果后续可能更改剪辑，请保留干声和处理后的版本。

5. 记录保管元数据。

   • 在素材清单旁保存提示词、设置、模型 ID、输出格式、生成日期、来源 URL／API 端点、账户／许可说明以及使用权假设。
   • 标明输出是作为独立音效使用、嵌入较大的作品中，还是仅供内部起草。

提示词构建

将提示词写成制作说明，而不只是标签。优质提示词通常会说明：

• 声源：是什么发出了声音；
• 动作：声音随时间如何变化；
• 材质：金属、木材、玻璃、织物、碎石、水、塑料、橡胶；
• 环境：近距离录音棚、铺砖浴室、森林、仓库、驾驶舱、洞穴、水下；
• 视角：近距离麦克风、远处、沉闷、画外、第一人称、宽广的电影感；
• 动态：柔和、清脆、爆发、压缩、渐强、衰减、稀疏、密集；
• 时长意图：快速单次音效、2 秒呼啸声、12 秒环境音、30 秒无缝循环；
• 混音限制：无音乐、无人声、无旋律、低频冲击、高频闪耀、兼容单声道；
• 情绪作用：阴森、俏皮、高级、触感鲜明、未来感、温馨、警示。

实用模式：

[source/action], [materials], [environment and perspective], [time structure], [mix/quality constraints], [emotional or functional role].

不要在提示词中堆砌相互矛盾的线索。如果一个声音既要有真实拟音效果，又要有电影式夸张效果，请分别生成不同层次：一个真实的瞬态音，一个设计过的尾音，以及一个次低频冲击。

按素材类型编写提示词

对于拟音，强调材质、接触、重量和麦克风距离：

Close-mic foley of heavy leather gloves gripping and twisting a dry metal valve, small squeaks and gritty friction, no music, no voice, realistic studio recording.

对于环境音，强调空间、密度、可循环性和前景事件：

Seamless loop of a quiet cyberpunk alley at night, distant rain on metal awnings, soft neon electrical hum, occasional far traffic wash, no sirens, no voices, subtle and non-distracting.

对于电影式冲击音，定义瞬态、主体和尾音：

Massive cinematic trailer hit: sharp metal slam transient, deep sub boom body, long dark reverb tail, ominous sci-fi tone, no melody, no vocals, suitable for a title reveal.

对于 UI／游戏音效，提示词应简短且明确：

Premium mobile app success chime, short glassy sparkle with soft tactile click, under 0.6 seconds, friendly, clean, no melody phrase, no voice.

对于音乐元素，仅在节奏／调性确有影响时才注明：

Old-school funky brass stabs from a vinyl sample, 88 BPM, F-sharp minor, short loopable stem, warm tape texture, no drums, no vocals.

参数指南

duration_seconds

• 0.5-1.0：UI 点击、错误蜂鸣、通知弹出声、按钮悬停声、相机快门声。
• 1-3：撞击声、呼啸声、转场声、Logo 短音效、简短拟音动作。
• 3-8：多段拟音序列、带尾音的撞击声、生物音效、短上升音效。
• 8-15：场景铺垫环境音、机械底噪、天气片段、紧张氛围音效。
• 15-30：可循环环境音、持续低音、背景底噪、游戏关卡氛围音、长持续音。

如果提示词描述了包含多个事件的序列，请为每个事件及其尾音分配足够时长。如果生成的文件听起来很仓促，请先增加时长，再添加更多描述。

prompt_influence

• 0.2-0.35：用于构思、纹理音效和意外惊喜。
• 0.35-0.55：用于首轮制作，适合风格重要且欢迎变化的情况。
• 0.55-0.75：用于必须明确事件顺序、材质或情绪目标的情况。
• 0.75-1.0：谨慎用于字面要求明确的提示词；预期多样性会降低，声音有时也会不够自然。

loop

• 对环境音、持续低音、房间底噪、机械声、天气声、车辆内部音效、游戏菜单底噪，以及任何可能重复播放的背景层，开启此项。
• 对瞬态单次音效、撞击声、UI 音效、与画面同步的呼啸声，以及起止明确的拟音序列，关闭此项。
• 务必在目标引擎或时间线上试听循环接缝。模型的循环设置并不能免除编辑阶段的质量检查。

output_format

• 预览、快速审阅、聊天交接和要求较低的社交媒体素材，请使用 MP3。
• 如果素材需要处理、分层、母带处理、逐帧精确编辑，或导入游戏音频中间件，请优先使用类似 PCM/WAV 的格式。
• 请求高级格式前，请确认订阅等级。如果 API 拒绝某种输出格式，请改用可用格式，并记录这一更改。

API 生命周期

生成之前：

• 确认已配置 API 密钥作为托管密钥，例如 ELEVENLABS_API_KEY；切勿将密钥粘贴到日志、提示词、文件名或元数据中。
• 确认商业用途、高级输出格式和预期批量规模所需的套餐／许可要求。
• 估算生成数量。Sound Effects 的定价和包含的生成次数可能会变化；预算敏感的项目请查看当前定价。
• 在当前项目下创建确定性输出路径，例如 assets/audio/sfx/scene-04-door-valve-v01.mp3。

REST 结构：

curl -X POST "https://api.elevenlabs.io/v1/sound-generation?output_format=mp3_44100_128" \
  -H "xi-api-key: $ELEVENLABS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "Close-mic foley of a heavy wooden door creaking open in a dusty hallway, slow hinge groan, no music, no voice",
    "duration_seconds": 3.0,
    "prompt_influence": 0.55,
    "model_id": "eleven_text_to_sound_v2",
    "loop": false
  }' \
  --output scene-02-door-creak-v01.mp3

官方快速入门中的 Python SDK 结构：

import os
from dotenv import load_dotenv
from elevenlabs.client import ElevenLabs

load_dotenv()

client = ElevenLabs(api_key=os.getenv("ELEVENLABS_API_KEY"))
audio = client.text_to_sound_effects.convert(
    text="Cinematic braam, horror",
)

with open("cinematic-braam-v01.mp3", "wb") as f:
    for chunk in audio:
        f.write(chunk)

生成之后：

• 立即将文件写入项目资源目录。
• 使用主机环境中可用的本地音频工具检查实际时长、采样率、声道、编解码器和响度。
• 为最终选定的资源使用稳定且基于用途的名称，而不只是提示词的简写。
• 将提示词／设置／模型／来源／许可说明存入伴随文件或资源清单条目。

安全、权利和商业用途检查

发布或交付给客户之前，请完成以下检查：

• 确认用户的 ElevenLabs 套餐允许预期的商业用途。ElevenLabs 于 2026-07-10 记录的条款允许付费用户将其用于商业用途，并限制免费用户仅用于非商业用途。
• 不得将生成的 Sound Effects 输出作为独立文件、采样包、音效库、音乐／音效合集或类似产品进行销售、授权或分发。ElevenLabs 的 Prohibited Use Policy 明确限制对 Sound Effects 输出进行独立商业利用。
• 不得使用输出或服务访问权限来构建、训练、测试或改进竞争性 AI 模型或数据集。
• 除非用户拥有相关权利，否则不得请求可识别出受版权保护内容、商标、名人、品牌、游戏、电影或歌曲的音效。请使用描述性的声音特征，而不是受保护的名称。
• 避免生成可能误导或伤害听众的欺骗性紧急警报、公共警告音、听起来像官方警笛的声音或逼真的危机音效。
• 将暴力、恐怖、武器、生物和灾难类音效视为虚构制作素材；不得协助威胁、骚扰、恐吓或现实世界中的虐待行为。
• 如果资源包含或类似人声、语音、吟唱、姓名或可识别的人物，请根据声音／冒充相关规则重新评估，并在需要时取得权利／同意。
• 如果输出将用于广告、游戏、儿童媒体、医疗保健、公共部门或受监管的场景，请查看当前的 ElevenLabs 政策和适用的当地法律。

音效 QA 检查清单

先用耳朵听，再看仪表数据。

创意契合度：

• 听一次后，声音是否能传达预期的物体／动作？
• 是否符合场景的规模、材质、时代、环境和情绪基调？
• 是否能烘托剪辑内容，而不会喧宾夺主？
• 是否避免了意外的语音、旋律、品牌相似感或滑稽失真？

技术契合度：

• 检查实际时长是否符合剪辑或交互需求。
• 检查前导静音和尾音长度。
• 至少循环三次，检查循环接缝。
• 检查咔哒声、爆音、突兀的淡入淡出、颤音、金属质感的 AI 失真、音量起伏或低频浑浊。
• 检查其对移动设备／社交平台的单声道兼容性，以及游戏引擎中的相位问题。
• 结合对白、音乐和平台播放效果检查响度。
• 检查编解码器／采样率是否符合交付目标。

集成契合度：

• 在视频中，以最终帧率对照画面试听；只有在能改善感知同步时，撞击音才应提前 0–2 帧。
• 在广告／社交媒体内容中，用手机扬声器测试；许多低频过重的撞击音会消失，除非叠加具有瞬态细节的中频声音。
• 在游戏中，分别导出干净的单次音效和循环环境音；为中间件的随机化、音高变化和距离衰减留出余量。
• 在播客／有声书中，减少突兀的高频，并确保环境音优先级低于旁白。

迭代技巧

如果声音太过笼统，请补充素材、视角、空间和用途。

较弱：

Magic sound.

较强：

Short magical UI reward sparkle, tiny glass bells and soft dust shimmer, close and clean, under 1 second, premium mobile game, no voice, no melody.

如果声音太繁杂，请移除次要事件并降低提示词影响力。

如果声音太直白或太干，请增加空间感、尾音和情绪，并稍微降低提示词影响力。

如果声音不符合预期时长，请明确设置 duration_seconds，并描述时间结构：“快速起音、半秒渐强、2 秒尾音。”

如果循环接缝很明显，请使用 loop: true 重新生成、简化前景事件，并避免独特的一次性瞬态音。

如果生成的拟音缺乏真实感，请在录制或素材库中的拟音瞬态音下方叠加生成的设计元素。

如果低频盖过混音，请使用“低频受控，不要超低音轰鸣”重新生成，或在生成后进行均衡；不要只依赖降低音量。

完整示例

示例 1：15 秒竖屏广告转场音效包

制作意图：为一则高端护肤品广告制作一小套音效：三个快速转场、一个产品亮相闪光音效和一个品牌标志音效。剪辑配有柔和的音乐和轻声旁白，因此音效必须优雅而不刺耳。

工作流：

1. 分别生成每个素材，不要将其作为一个序列生成。
2. 使用 MP3 预览供客户审核；如果获得批准且条件允许，请以更高品质重新生成或转换母版。
3. 由于“高端”是主观的，请保持提示词影响力适中。
4. 在手机扬声器上进行质量检查，因为广告面向 Reels/TikTok/Shorts。

候选调用：

[
  {
    "filename": "sfx-transition-silk-whoosh-v01.mp3",
    "text": "Soft silk fabric whoosh for a luxury skincare video transition, close and airy, gentle high-frequency shimmer, under 1 second, no voice, no music, premium and clean",
    "duration_seconds": 0.8,
    "prompt_influence": 0.5,
    "loop": false,
    "model_id": "eleven_text_to_sound_v2",
    "output_format": "mp3_44100_128"
  },
  {
    "filename": "sfx-product-reveal-glass-sparkle-v01.mp3",
    "text": "Elegant product reveal sparkle, tiny glass particles and soft bell-like glint, close-mic, quick attack with smooth 1.5 second tail, no melody, no voice, refined luxury beauty ad",
    "duration_seconds": 2.0,
    "prompt_influence": 0.55,
    "loop": false,
    "model_id": "eleven_text_to_sound_v2",
    "output_format": "mp3_44100_128"
  },
  {
    "filename": "sfx-logo-stinger-soft-luxe-v01.mp3",
    "text": "Minimal luxury logo stinger, soft tactile click followed by warm airy shimmer, calm and expensive, no drums, no voice, no recognizable melody, suitable for final brand card",
    "duration_seconds": 2.5,
    "prompt_influence": 0.5,
    "loop": false,
    "model_id": "eleven_text_to_sound_v2",
    "output_format": "mp3_44100_128"
  }
]

预期结果：短促、精致，带有高频细节，且没有分散注意力的音乐乐句。可能的问题：玻璃声刺耳、旋律过多，或音效盖过旁白。可通过添加“微妙、音量低、没有明亮刺耳的高频”或缩短时长来修正。

示例 2：可循环的科幻游戏环境音

制作意图：为一条废弃宇宙飞船走廊制作 30 秒的环境音循环。它必须能在游戏过程中持续播放数分钟而不出现明显重复。

工作流：

1. 使用 loop: true 和最大时长，以减少循环底音的重复感。
2. 让前景事件保持稀疏，因为独特的警报声或脚步声会暴露循环点。
3. 生成不同的分层素材：基础室内底噪、间歇性的机械吱响、远处的能量脉冲。让游戏引擎随机播放次要分层。

主要提示词：

{
  "filename": "amb-spaceship-corridor-base-loop-v01.wav",
  "text": "Seamless 30-second loop of an abandoned spaceship corridor, low ventilation rumble, faint electrical buzz, distant hull stress creaks, dark spacious metal interior, no alarms, no voices, no footsteps, subtle and playable under exploration",
  "duration_seconds": 30,
  "prompt_influence": 0.62,
  "loop": true,
  "model_id": "eleven_text_to_sound_v2",
  "output_format": "pcm_48000"
}

预期结果：阴暗且可循环的底音。可能的问题：明显重复的撞击声、超低音过多，或尾音无法循环。可通过简化前景事件、降低提示词影响力，或单独生成随机播放的吱响音效来修正。

示例 3：纪录片拟音替换

制作意图：替换一段在嘈杂现场近距离录制的音频，画面内容是一位博物馆策展人打开档案盒。声音必须真实、安静，不带戏剧感。

工作流：

1. 生成真实感的分层素材，不使用电影化措辞。
2. 明确设置与镜头时长相匹配的时长。
3. 保持生成音频的音量较低；不要过度标准化。
4. 如有需要，可叠加纪录片中录制的现场底噪。

提示词：

{
  "filename": "foley-archive-box-open-v01.mp3",
  "text": "Realistic close-mic foley of cotton-gloved hands opening an old cardboard archival box on a wooden table, soft paper friction, gentle lid scrape, quiet museum room, natural and understated, no music, no voice, no cinematic impact",
  "duration_seconds": 4.2,
  "prompt_influence": 0.7,
  "loop": false,
  "model_id": "eleven_text_to_sound_v2",
  "output_format": "mp3_44100_128"
}

预期结果：可信、富有触感的拟音。可能的问题：吱响声夸张、室内混响过多，或操作声过多。可通过减少动作数量并指定“只打开一次盒盖，不要额外动作”来修正。

示例 4：游戏 UI 音效系列

制作意图：为一款温馨的益智游戏创建一组风格统一的音效：悬停、选择、错误、奖励。声音应具有一致的柔和木质／玩具盒风格。

工作流：

1. 先定义声音色彩：毛毡、木头、小铃铛、温暖的室内空间，不要尖锐的数字提示音。
2. 分别生成简短的单次音效。
3. 通过快速重复播放交互音效来检查是否会听觉疲劳。

声音色彩说明：

Warm cozy puzzle UI, soft woodblock, felt dampening, tiny toy-bell accents, gentle room tone, no harsh beeps, no voices, no long melodies.

提示词：

[
  {
    "filename": "ui-hover-soft-wood-v01.mp3",
    "text": "Cozy puzzle game hover sound, tiny soft wood tap with felt damping, very short, warm and friendly, no beep, no voice",
    "duration_seconds": 0.35,
    "prompt_influence": 0.6,
    "loop": false
  },
  {
    "filename": "ui-select-toy-click-v01.mp3",
    "text": "Cozy puzzle game select sound, soft wooden toy click with small warm bell glint, under half a second, satisfying but gentle, no melody, no voice",
    "duration_seconds": 0.5,
    "prompt_influence": 0.6,
    "loop": false
  },
  {
    "filename": "ui-error-felt-thunk-v01.mp3",
    "text": "Cozy puzzle game invalid move sound, muted felt-covered wooden thunk, soft downward tone, not alarming, under 0.6 seconds, no voice",
    "duration_seconds": 0.6,
    "prompt_influence": 0.65,
    "loop": false
  },
  {
    "filename": "ui-reward-tiny-bells-v01.mp3",
    "text": "Cozy puzzle game reward sound, small wooden click followed by tiny warm bell sparkle, playful and soft, one second, no voice, no long melody",
    "duration_seconds": 1.0,
    "prompt_influence": 0.58,
    "loop": false
  }
]

预期结果：风格统一的 UI 音效系列。可能的问题：奖励音效变成音乐，错误音效过于负面，悬停音效太响。可通过后期调整增益和缩短时长来修正，不一定要重新生成。

交付格式

将生成或规划的音效交付给其他 Agent 或流水线阶段时，请包含：

{
  "asset_id": "scene-04-door-creak-v02",
  "role": "foley_sync",
  "file_path": "projects/example/assets/audio/sfx/scene-04-door-creak-v02.mp3",
  "provider": "ElevenLabs",
  "endpoint": "POST /v1/sound-generation",
  "model_id": "eleven_text_to_sound_v2",
  "prompt": "Close-mic foley of a heavy wooden door creaking open...",
  "settings": {
    "duration_seconds": 3.0,
    "prompt_influence": 0.55,
    "loop": false,
    "output_format": "mp3_44100_128"
  },
  "verified_date": "2026-07-10",
  "qa": {
    "duration_checked": true,
    "loop_checked": false,
    "loudness_checked_in_context": true,
    "rights_notes": "Paid-plan commercial use must be confirmed; do not distribute standalone."
  }
}

最后的提醒

最好的生成式音效往往不是靠一个完美提示词生成的。像声音编辑一样工作：明确用途，生成有针对性的候选音效，在实际场景中试听并挑选，裁剪并分层处理，同时为素材保留权利和保管记录。