用途:根据文本描述生成音效,适用于创建音效、音频纹理、环境声、电影化音频等场景,底层调用 ElevenLabs 的文本转音效能力。
主要能力:
- 文本转音效:输入对目标声音的描述即可生成音频,例如“远处的雷声伴随小雨”。
- 参数控制:支持 text(必填,音效描述)、model_id(默认 eleven_text_to_sound_v2)、duration_seconds(0.5–30 秒,null 表示自动计算)、prompt_influence(0–1,默认 0.3,用于控制贴合提示词的程度)、loop(布尔值,默认 false,仅 v2 模型支持无缝循环)。
- 输出格式:默认 mp3_44100_128,另支持 pcm、opus、ulaw、alaw 等多种采样率与码率组合,如 pcm_44100、opus_48000_128、ulaw_8000 等。
使用方式:
- Python:使用 elevenlabs 包,通过 client.text_to_sound_effects.convert(...) 传入描述与参数,将返回的音频分块写入文件。
- JavaScript:使用 @elevenlabs/elevenlabs-js,通过 client.textToSoundEffects.convert(...) 获取音频流并写入文件;文档说明 JavaScript 仅使用 @elevenlabs/* 包。
- cURL:向 https://api.elevenlabs.io/v1/sound-generation 发送 POST 请求,在请求头中携带 xi-api-key 与 Content-Type,请求体包含 text 等参数,并将响应输出为音频文件。
- 输出格式可通过 cURL 查询参数或 SDK 参数指定。
- 安装步骤参见资料中的 Installation Guide。
提示词建议:描述要具体(如“Tin roof 上的大雨”优于“雨”);可组合多个声音元素(如“碎石上的脚步声与远处车流”);可指定风格(如电影化 braam、8-bit 复古跳跃音)与氛围或场景(如废弃建筑中的阴森风声)。
适用场景:环境氛围音、循环背景声、UI 提示音、游戏或影视风格音效等需要按描述快速生成音频的场合。
限制与注意事项:需要 ElevenLabs API 密钥;时长限制为 0.5–30 秒;loop 仅 v2 模型支持;prompt_influence 需在 0–1 范围内。常见错误包括 401(无效 API 密钥)、422(参数无效,如时长或 prompt_influence 越界)、429(超出速率限制)。具体额度、收费与价格信息暂未提供。