Die letzte Schwachstelle von KI-Videos: ElevenLabs macht einen weiteren Schritt nach vorn 🎧
Am 29.10. hat ElevenLabs SFX v3 veröffentlicht – ein Soundeffekt-Modell der nächsten Generation, das Text in Sound verwandelt. Es ist über ElevenCreative und die API verfügbar.
Die wichtigsten Verbesserungen laut Anbieter:
1️⃣ Mehrere Geräusche in einem Prompt werden verstanden. Zum Beispiel „Jubel im Stadion, ein Ball prallt auf den Boden, Pfiffe aus dem Publikum“: Bisher musste man dreimal generieren und die Ergebnisse zusammensetzen. Jetzt entsteht die ganze Passage auf einmal.
2️⃣ Soundeffekte mit Musik und Gesang klingen überzeugender (als Beispiel nennt der Anbieter: „Gospelchor singt hello“).
3️⃣ Bei hohen Tönen (Gong, Windspiel, Pfeife) gibt es weniger Übersteuerungen und Störgeräusche.
4️⃣ Nahtlose Loops werden unterstützt, einzelne Clips können bis zu 30 Sekunden lang sein. In der API muss man einfach die model_id auf eleven_text_to_sound_v3 ändern; v2 bleibt weiterhin die Standardeinstellung.
Ein paar Punkte zur Einordnung:
· In der offiziellen Dokumentation steht, dass der Zugang eingeschränkt ist. In manchen Regionen und bei manchen Konten erscheint die Meldung „Unknown model“.
· Die Aussage „besser als v2“ basiert auf einem eigenen Benchmark; die Daten wurden nicht veröffentlicht.
· Die Dokumentation empfiehlt selbst, v2 und v3 mit demselben Prompt zu vergleichen und dann zu entscheiden. Selbst eine genaue Anzahl wie „viermal ein Triangel anschlagen“ ist nicht garantiert.
Meine Einschätzung: Bei KI-Videos wurde in den letzten zwei Jahren enorm an der Bildqualität geschraubt, aber am meisten Handarbeit steckt nach wie vor im Ton – Musik, Umgebungsgeräusche, Foley. Wenn Modelle auch diese Ebene der Soundeffekte übernehmen, sinken die Kosten für kleine Teams, die Kurzfilme oder Spieledemos produzieren, wieder ein Stück.
Die Schaufelverkäufer verdienen weiter, und die Schaufelnutzer optimieren weiter ihre Effizienz. Nicht nur filtern, sondern selbst ausprobieren: Testet die Prompts selbst – das eigene Ohr ist ehrlicher als jeder Benchmark.
Quelle: offizieller Blog und Entwicklerdokumentation von ElevenLabs (29.10.2026)
#AI #ElevenLabs #AIGC
Am 29.10. hat ElevenLabs SFX v3 veröffentlicht – ein Soundeffekt-Modell der nächsten Generation, das Text in Sound verwandelt. Es ist über ElevenCreative und die API verfügbar.
Die wichtigsten Verbesserungen laut Anbieter:
1️⃣ Mehrere Geräusche in einem Prompt werden verstanden. Zum Beispiel „Jubel im Stadion, ein Ball prallt auf den Boden, Pfiffe aus dem Publikum“: Bisher musste man dreimal generieren und die Ergebnisse zusammensetzen. Jetzt entsteht die ganze Passage auf einmal.
2️⃣ Soundeffekte mit Musik und Gesang klingen überzeugender (als Beispiel nennt der Anbieter: „Gospelchor singt hello“).
3️⃣ Bei hohen Tönen (Gong, Windspiel, Pfeife) gibt es weniger Übersteuerungen und Störgeräusche.
4️⃣ Nahtlose Loops werden unterstützt, einzelne Clips können bis zu 30 Sekunden lang sein. In der API muss man einfach die model_id auf eleven_text_to_sound_v3 ändern; v2 bleibt weiterhin die Standardeinstellung.
Ein paar Punkte zur Einordnung:
· In der offiziellen Dokumentation steht, dass der Zugang eingeschränkt ist. In manchen Regionen und bei manchen Konten erscheint die Meldung „Unknown model“.
· Die Aussage „besser als v2“ basiert auf einem eigenen Benchmark; die Daten wurden nicht veröffentlicht.
· Die Dokumentation empfiehlt selbst, v2 und v3 mit demselben Prompt zu vergleichen und dann zu entscheiden. Selbst eine genaue Anzahl wie „viermal ein Triangel anschlagen“ ist nicht garantiert.
Meine Einschätzung: Bei KI-Videos wurde in den letzten zwei Jahren enorm an der Bildqualität geschraubt, aber am meisten Handarbeit steckt nach wie vor im Ton – Musik, Umgebungsgeräusche, Foley. Wenn Modelle auch diese Ebene der Soundeffekte übernehmen, sinken die Kosten für kleine Teams, die Kurzfilme oder Spieledemos produzieren, wieder ein Stück.
Die Schaufelverkäufer verdienen weiter, und die Schaufelnutzer optimieren weiter ihre Effizienz. Nicht nur filtern, sondern selbst ausprobieren: Testet die Prompts selbst – das eigene Ohr ist ehrlicher als jeder Benchmark.
Quelle: offizieller Blog und Entwicklerdokumentation von ElevenLabs (29.10.2026)
#AI #ElevenLabs #AIGC