A ElevenLabs anunciou o SFX v3, modelo que gera efeitos sonoros a partir de texto e promete lidar melhor com pedidos que combinam vários sons. O anúncio foi publicado em 29 de outubro e atualizado no dia 30. A empresa apresenta o modelo no ElevenCreative e na ElevenAPI, mas a documentação traz uma ressalva importante: o acesso à versão nova pela API ainda é limitado e pode não estar disponível em todas as regiões.
Essa diferença importa para criadores e desenvolvedores brasileiros. A novidade não significa que qualquer conta já consiga usar o modelo nem que integrações existentes tenham sido atualizadas automaticamente. Na API, o SFX v2 continua sendo o padrão, segundo a referência oficial do serviço.
OVERRATED ↑
ler disponível na API como liberado para toda conta e região
UNDERRATED ↓
conferir acesso, versão selecionada e direitos de uso antes de colocar um efeito em produção
O foco é uma cena, não um som isolado
O exemplo escolhido pela ElevenLabs é uma torcida comemorando, uma bola caindo e a mesma torcida vaiando segundos depois. A promessa é que mais elementos de uma descrição desse tipo apareçam no áudio final, em vez de o resultado privilegiar apenas uma parte do pedido.
A empresa também afirma ter melhorado sons com música e vocais e reduzido artefatos em fontes como gongos, sinos e assobios. Essas comparações são da fabricante. O anúncio cita testes de referência, mas não apresenta pontuações ou uma metodologia detalhada que permita avaliar o ganho de forma independente.
A cobertura da FrameSignal destaca essa limitação: os ganhos apresentados vêm da própria ElevenLabs, enquanto o guia para desenvolvedores avisa que os resultados variam conforme o pedido. Não fizemos um teste comparativo do SFX v3.
Onde a versão nova aparece
No ElevenCreative, o anúncio lista a aba Sound Effects, Flows, Studio e Music Editor como espaços para criar efeitos a partir de texto. A empresa também menciona o aplicativo móvel como uma forma de experimentar o modelo.
Para quem desenvolve uma integração, a seleção é explícita: o campo model_id precisa receber eleven_text_to_sound_v3. O endpoint aceita tanto essa versão quanto eleven_text_to_sound_v2, que permanece como valor padrão. Assim, apenas omitir o campo não seleciona a novidade.
A documentação de capacidades diz que contas sem acesso recebem o erro Unknown model. Não é uma prova, por si só, de que o nome foi digitado errado: pode ser uma restrição de acesso. A página não informa uma data em que todas as contas ou regiões passarão a receber a versão.
Precisão continua tendo limites
O guia orienta descrever a ação, o ambiente, a atmosfera e a execução desejada, em vez de pedir apenas uma categoria ampla de som. Também recomenda comparar as duas versões usando os próprios pedidos, porque a resposta pode variar.
Há uma limitação concreta: solicitar um número exato de repetições, como quatro batidas em um triângulo, nem sempre é seguido. Portanto, uma cena que depende de sincronismo ou de uma contagem rígida ainda exige escuta e ajuste. Melhor aderência ao texto não é garantia de edição final pronta.
A geração chega a 30 segundos por efeito, segundo a documentação. Isso não significa produzir uma trilha completa de qualquer duração em uma única solicitação. O próprio guia diferencia elementos musicais curtos de produção musical completa, para a qual aponta outro serviço.
O que isso significa no Brasil
Para integrar o SFX v3 em um produto brasileiro, é necessário selecionar a versão nova e verificar se a conta tem acesso. A documentação não identifica o Brasil como uma região liberada para todas as contas; também não oferece um cronograma brasileiro. O anúncio geral e a ressalva técnica precisam ser lidos juntos.
O direito de usar o áudio comercialmente é outra questão. A política oficial de publicação diz que o plano gratuito não inclui licença comercial. Planos pagos incluem essa licença desde que não se trate de Beta Services, com observância dos direitos sobre o conteúdo, das leis e dos termos aplicáveis. Não basta conseguir gerar um arquivo para presumir todos esses direitos.
Efeitos gerados tampouco substituem uma captação limpa de narração. Para quem grava a própria voz, nosso guia de microfone USB para gravar sem estúdio trata dessa etapa separada da produção de áudio.
.jpg){kind=link}