AI動画に残された最後の弱点、ElevenLabsがまた一歩前進 🎧
10/29、ElevenLabsが次世代のテキスト音響効果モデル「SFX v3」を公開。ElevenCreativeとAPIの両方で利用できます。
公式が挙げている主なアップデート：
1️⃣ 1つのプロンプトに複数の音を指定しても理解できるように。たとえば「スタジアムの歓声、ボールが地面に落ちる音、観客のブーイング」。以前は3回生成してつなぎ合わせる必要がありましたが、今は一度でまとまった音声を生成できます。
2️⃣ 音楽や人の声を含む効果音の生成がより自然に（公式の例：「Gospel choir singing hello」）
3️⃣ 高音域の音（銅鑼、風鈴、笛）の割れやノイズを軽減
4️⃣ シームレスなループに対応。1クリップあたり最長30秒。APIではmodel_idをeleven_text_to_sound_v3に変更するだけで使えます。v2は引き続きデフォルトです。
少し冷静に見ておきたい点：
· 公式ドキュメントにはlimited accessと記載されており、一部の地域やアカウントでは「Unknown model」と表示されます。
· 「v2より優れている」という評価は自社ベンチマークに基づくもので、データは公開されていません。
· ドキュメント自身も、同じプロンプトでv2とv3を聞き比べてから切り替えることを推奨しています。「トライアングルを4回鳴らす」といった正確な回数も保証されません。
私の見方：この2年、AI動画は映像のクオリティをめぐって激しい競争が続いていますが、実際に人手がかかるのはずっと音の部分——音楽、環境音、フォーリーです。効果音までモデルが担うようになれば、小規模チームがショートフィルムやゲームのデモを制作するコストは、さらに下がります。
ツルハシを売る側は稼ぎ続け、使う側は効率を競い続ける。情報を追うだけでなく、自分でプロンプトを試してみましょう。耳のほうがベンチマークより正直です。
出典：ElevenLabs公式ブログおよび開発者ドキュメント（2026-10-29）
#AI #ElevenLabs #AIGC
10/29、ElevenLabsが次世代のテキスト音響効果モデル「SFX v3」を公開。ElevenCreativeとAPIの両方で利用できます。
公式が挙げている主なアップデート：
1️⃣ 1つのプロンプトに複数の音を指定しても理解できるように。たとえば「スタジアムの歓声、ボールが地面に落ちる音、観客のブーイング」。以前は3回生成してつなぎ合わせる必要がありましたが、今は一度でまとまった音声を生成できます。
2️⃣ 音楽や人の声を含む効果音の生成がより自然に（公式の例：「Gospel choir singing hello」）
3️⃣ 高音域の音（銅鑼、風鈴、笛）の割れやノイズを軽減
4️⃣ シームレスなループに対応。1クリップあたり最長30秒。APIではmodel_idをeleven_text_to_sound_v3に変更するだけで使えます。v2は引き続きデフォルトです。
少し冷静に見ておきたい点：
· 公式ドキュメントにはlimited accessと記載されており、一部の地域やアカウントでは「Unknown model」と表示されます。
· 「v2より優れている」という評価は自社ベンチマークに基づくもので、データは公開されていません。
· ドキュメント自身も、同じプロンプトでv2とv3を聞き比べてから切り替えることを推奨しています。「トライアングルを4回鳴らす」といった正確な回数も保証されません。
私の見方：この2年、AI動画は映像のクオリティをめぐって激しい競争が続いていますが、実際に人手がかかるのはずっと音の部分——音楽、環境音、フォーリーです。効果音までモデルが担うようになれば、小規模チームがショートフィルムやゲームのデモを制作するコストは、さらに下がります。
ツルハシを売る側は稼ぎ続け、使う側は効率を競い続ける。情報を追うだけでなく、自分でプロンプトを試してみましょう。耳のほうがベンチマークより正直です。
出典：ElevenLabs公式ブログおよび開発者ドキュメント（2026-10-29）
#AI #ElevenLabs #AIGC