ElevenLabs anuncia el lanzamiento de SFX v3, su modelo de generación de efectos sonoros más reciente, disponible en su API Sound Effects. Según la empresa, sigue mejor las instrucciones múltiples que SFX v2 y gestiona mejor las voces y la música.
- ElevenLabs lanza SFX v3, su nuevo modelo de efectos sonoros para desarrolladores.
- SFX v3 sigue mejor las instrucciones múltiples y gestiona mejor voces y música que v2.
- Para usarlo, basta con cambiar model_id a eleven_text_to_sound_v3, y la duración puede fijarse con duration_seconds.
- El bucle solo funciona con v2, y el orden de los eventos en la instrucción importa.
Cambiar al nuevo modelo
Para usar SFX v3, basta con modificar el identificador del modelo, el parámetro model_id, fijándolo en eleven_text_to_sound_v3 en el punto de acceso POST /v1/sound-generation. Un punto de acceso (o endpoint) designa la dirección a la que una aplicación envía sus peticiones en una API, es decir, una interfaz de programación.
La duración no necesita ser especificada: el modelo elige por sí mismo la longitud del efecto en función de la instrucción, que se denomina prompt. Si se necesita un ajuste preciso, el parámetro duration_seconds permite fijar la duración deseada.
Cuando el resultado se aleja de la petición, el parámetro prompt_influence puede elevarse más allá de su valor por defecto, fijado en 0,3. Valores más altos hacen que se siga la instrucción más de cerca y reducen las diferencias entre dos generaciones. El parámetro de petición output_format define por su parte el códec y la frecuencia de muestreo del archivo, con formatos como mp3_44100_128 o pcm_48000.
Por último, la función de bucle solo funciona por el momento con eleven_text_to_sound_v2. Una petición que requiera un bucle debe por tanto permanecer en este modelo, con el parámetro loop: true.
Formular sus instrucciones
SFX v3 se presenta como particularmente eficaz para los efectos sonoros en varias secuencias. El orden de las instrucciones importa: hay que enumerar los eventos en el orden en que deben producirse, por ejemplo « Footsteps on gravel, then a metallic door opens », es decir, « Pasos sobre grava, luego una puerta metálica se abre ». Para un sonido único, una instrucción corta y concreta da los mejores resultados.
La formulación también tiene su importancia. Según ElevenLabs, uno de sus evaluadores constató que « a couple arguing in French » (una pareja discutiendo en francés) daba resultados mucho mejores que « a couple fighting in French » (una pareja peleando en francés). La empresa recomienda probar varias formulaciones para un mismo evento antes de fijar su elección.
Comparar v2 y v3
SFX v3 se describe como una actualización incremental. Sería menos propenso a recortar los sonidos agudos, como los gongs, los carillones o los silbatos de hervidor, es decir, a distorsionarlos cuando la señal supera el nivel máximo admisible. El equipo de ingeniería de la empresa considera además que el resultado es globalmente más natural.
Los dos modelos funcionando en el mismo punto de acceso, es fácil comparar sus resultados: basta con enviar sus peticiones más frecuentes tanto a v2 como a v3 antes de cambiar de modelo. Los efectos sonoros también son accesibles sin código, en la pestaña Sound Effects, así como en Flows y Studio, dentro de ElevenCreative.
