پرش به محتوای اصلی
ابزارهای هوش مصنوعی

SFX v3 الون‌لبز چیست؟ ساخت افکت صوتی با یک جمله

الون‌لبز ۲۹ اکتبر ۲۰۲۶ مدل SFX v3 را منتشر کرد؛ ابزاری که یک توصیف نوشتاری را به افکت صوتی تا ۳۰ ثانیه تبدیل می‌کند و چند صدا را در یک درخواست بهتر می‌سازد. نحوهٔ استفاده، قیمت، محدودیت API، مقایسه با رقیبان و وضعیت دسترسی از ایران را ساده توضیح می‌دهیم.

۱۳ دقیقه مطالعه
اشتراک‌گذاری:
تصویر رسمی الون‌لبز برای معرفی SFX v3: کادر «Describe a sound» با عبارت Introducing SFX v3 (منبع: ElevenLabs)
تصویر رسمی الون‌لبز برای معرفی SFX v3: کادر «Describe a sound» با عبارت Introducing SFX v3 (منبع: ElevenLabs)
فهرست مطالب

الون‌لبز (ElevenLabs)، شرکتی که بیشتر با صداسازی هوش مصنوعی شناخته می‌شود، روز پنجشنبه ۷ آبان ۱۴۰۵ (۲۹ اکتبر ۲۰۲۶) نسخهٔ سوم مدل ساخت افکت صوتی خود را با نام SFX v3 منتشر کرد. جواب کوتاه این است: SFX v3 ابزاری است که یک جملهٔ نوشتاری، مثل «تشویق جمعیت در ورزشگاه، صدای افتادن توپ و بعد هوکردن همان جمعیت»، را به یک فایل صوتی کوتاه تا ۳۰ ثانیه تبدیل می‌کند.

به گفتهٔ الون‌لبز، فرق اصلی نسخهٔ تازه با نسخهٔ قبلی این است که وقتی در یک درخواست چند صدا را با هم می‌خواهید، بیشتر آن‌ها واقعاً در خروجی شنیده می‌شوند. موسیقی و آواز را هم بهتر می‌سازد و صداهای زیر مثل زنگ و سوت کمتر خش‌دار می‌شوند. این مدل حالا در محیط ساخت محتوای الون‌لبز (ElevenCreative)، اپ موبایل و رابط برنامه‌نویسی (API) در دسترس است، اما در API هنوز «دسترسی محدود» دارد. در ادامه ساده توضیح می‌دهیم SFX v3 چطور کار می‌کند، چقدر هزینه دارد، چه چیزی قطعی است و چه چیزی فقط ادعای خود شرکت است.

خلاصه در چند خط

  • چه چیزی: مدل هوش مصنوعی ساخت افکت صوتی از متن، نسل سوم، با شناسهٔ فنی eleven_text_to_sound_v3.

  • تاریخ انتشار: ۲۹ اکتبر ۲۰۲۶ در وبلاگ رسمی الون‌لبز (به‌روزرسانی متن در ۳۰ اکتبر).

  • کجا کار می‌کند: بخش Sound Effects، ابزار Flows، استودیو (Studio) و ویرایشگر موسیقی در وب‌سایت الون‌لبز، اپ موبایل و API.

  • طول صدا: حداکثر ۳۰ ثانیه در هر بار ساخت؛ با حالت حلقه (Loop) می‌شود صدای پس‌زمینهٔ بی‌پایان ساخت.

  • هزینه: در وب‌سایت حدود ۲۰۰ اعتبار برای هر بار ساخت؛ در API، ۰٫۱۲ دلار برای هر دقیقه صدا.

  • محدودیت مهم: در API هنوز دسترسی محدود است و نسخهٔ قبلی (v2) پیش‌فرض مانده است. ایران هم جزو کشورهایی است که الون‌لبز دسترسی از آن‌ها را مسدود می‌کند.

اول چند مفهوم ساده

افکت صوتی (SFX) یعنی چه؟

افکت صوتی یا جلوهٔ صوتی، هر صدایی غیر از گفت‌وگو و موسیقی اصلی است که به فیلم، بازی یا ویدیو اضافه می‌شود؛ مثل بسته شدن در، باران روی شیشه یا صدای قدم روی سنگ‌ریزه. SFX کوتاه‌شدهٔ عبارت انگلیسی Sound Effects است.

ساخت صدا از متن چطور کار می‌کند؟

در این روش، شما صدا را با کلمه توصیف می‌کنید و مدل هوش مصنوعی، که پیش‌تر با تعداد زیادی صدای برچسب‌خورده آموزش دیده، یک فایل صوتی تازه می‌سازد که با توصیف شما جور باشد. خروجی ضبط واقعی نیست. صدایی است که مدل از صفر تولید کرده است. الون‌لبز دربارهٔ معماری داخلی SFX v3 و داده‌هایی که با آن آموزش دیده چیزی منتشر نکرده است.

فولی (Foley) چیست؟

فولی در صنعت فیلم یعنی ساختن صداهای روزمره‌ای که در صحنه شنیده می‌شوند، مثل خش‌خش لباس یا صدای کفش، معمولاً با ضبط در استودیو. ابزارهایی مثل SFX v3 قرار است بخشی از این کار را برای سازندگان کوچک‌تر سریع‌تر و ارزان‌تر کنند.

SFX v3 چه چیزی را بهتر کرده است؟

الون‌لبز در اطلاعیهٔ رسمی خود سه بهبود اصلی را نام برده است. هر سه را ساده توضیح می‌دهیم.

۱. چند صدا در یک درخواست

صحنه‌های واقعی معمولاً از یک صدا ساخته نمی‌شوند. مثال خود الون‌لبز یک کلیپ فوتبال است که هم تشویق جمعیت می‌خواهد، هم صدای افتادن توپ و هم هوکردن چند ثانیه بعد. به گفتهٔ شرکت، تا پیش از این گرفتن همهٔ این‌ها از یک درخواست به آزمون و خطا نیاز داشت. SFX v3 دستورهای چندبخشی را دقیق‌تر دنبال می‌کند و بیشتر صداهایی که نوشته‌اید در خروجی می‌آیند.

۲. موسیقی و آواز بهتر

مدل تازه درخواست‌هایی را که موسیقی یا صدای انسان دارند بهتر می‌سازد. نمونه‌ای که در مستندات رسمی آمده «گروه کُر گاسپل که سلام را می‌خواند» است. یعنی می‌شود یک جملهٔ موسیقایی یا آوازی را با صداهای محیطی ترکیب کرد. برای ساخت آهنگ کامل، الون‌لبز همچنان ابزار جداگانهٔ Music را پیشنهاد می‌کند.

۳. صدای تمیزتر در صداهای زیر

صداهایی مثل گونگ، زنگوله و سوت در مدل‌های قبلی گاهی خش‌دار یا بریده‌بریده می‌شدند. به این مشکل در اصطلاح فنی «کلیپ شدن» می‌گویند؛ یعنی بلندی صدا از حد مجاز بیرون می‌زند و موج صوتی بریده می‌شود. الون‌لبز می‌گوید SFX v3 کمتر دچار این مشکل می‌شود و طنین زنگ یا لحن سوت را بهتر نگه می‌دارد.

جدول مشخصات SFX v3

ویژگی

جزئیات رسمی

تاریخ انتشار

۲۹ اکتبر ۲۰۲۶ (۷ آبان ۱۴۰۵)

شناسهٔ مدل در API

eleven_text_to_sound_v3 (پیش‌فرض همچنان v2 است)

حداکثر طول هر صدا

۳۰ ثانیه؛ اگر طول را مشخص نکنید، مدل خودش طول مناسب را حدس می‌زند

حالت حلقه (Loop)

دارد؛ صدایی می‌سازد که پایانش بدون مکث به آغازش وصل می‌شود

میزان پایبندی به متن

تنظیم Prompt influence بین ۰ تا ۱؛ پیش‌فرض ۰٫۳ (۳۰ درصد)

طول متن درخواست در وب‌سایت

حداکثر ۴۵۰ نویسه

تعداد نمونه در هر بار ساخت (وب‌سایت)

۴ نسخهٔ متفاوت

فرمت دانلود

MP3 با کیفیت ۴۴٫۱ کیلوهرتز یا WAV با ۴۸ کیلوهرتز (WAV فقط برای صداهای غیرحلقه‌ای)

محل استفاده

Sound Effects، Flows، Studio، ویرایشگر موسیقی، اپ موبایل، API

وضعیت API

دسترسی محدود؛ حساب‌های بدون دسترسی خطای Unknown model می‌گیرند

چطور با SFX v3 افکت صوتی بسازیم؟

طبق راهنمای رسمی الون‌لبز، ساخت افکت صوتی در وب‌سایت چند مرحلهٔ ساده دارد:

  1. وارد حساب الون‌لبز شوید و از منوی کناری، در بخش Playground، گزینهٔ Sound Effects را باز کنید.

  2. در کادر متن، صدایی را که می‌خواهید به انگلیسی توصیف کنید؛ مثلاً «Footsteps on gravel approaching slowly» یعنی «صدای قدم‌هایی که آرام روی سنگ‌ریزه نزدیک می‌شوند».

  3. در تنظیمات، طول صدا را تعیین کنید یا روی حالت خودکار بگذارید. اگر صدای پس‌زمینهٔ طولانی می‌خواهید، Looping را روشن کنید.

  4. میزان Prompt influence را تنظیم کنید. عدد بالاتر یعنی پایبندی بیشتر به متن و تنوع کمتر؛ عدد پایین‌تر یعنی آزادی و خلاقیت بیشتر مدل.

  5. دکمهٔ ساخت را بزنید. هر بار چهار نسخهٔ متفاوت ساخته می‌شود.

  6. از زبانهٔ History نسخهٔ دلخواه را با فرمت MP3 یا WAV دانلود کنید یا با ستاره به Favorites بفرستید.

اگر انتخاب مدل در صفحه نمایش داده می‌شود، SFX v3 را برگزینید. الون‌لبز خودش توصیه می‌کند نتیجهٔ v2 و v3 را روی درخواست‌های خودتان مقایسه کنید، چون کیفیت از یک درخواست به درخواست دیگر فرق می‌کند.

استفاده از طریق API برای برنامه‌نویس‌ها

برنامه‌نویس‌ها همان نشانی قبلی ساخت افکت صوتی، یعنی POST https://api.elevenlabs.io/v1/sound-generation، را صدا می‌زنند و فقط مقدار model_id را روی eleven_text_to_sound_v3 می‌گذارند. پارامترهای دیگر عبارت‌اند از text (متن توصیف)، duration_seconds (طول بین ۰٫۵ تا ۳۰ ثانیه)، loop (حلقه) و prompt_influence. چون مدل در API دسترسی محدود دارد، بهتر است پیش از ساختن قابلیتی جدی روی آن، شناسهٔ مدل را با حساب خودتان آزمایش کنید و v2 را به‌عنوان جایگزین نگه دارید.

چطور برای SFX v3 دستور خوب بنویسیم؟

مستندات الون‌لبز چند توصیهٔ مشخص دارد که دانستنشان جلوی هدر رفتن اعتبار را می‌گیرد:

  • صحنه را توصیف کنید، نه دسته‌بندی را: به‌جای «باران» بنویسید «باران روی پنجره در یک آپارتمان ساکت».

  • ترتیب اتفاق‌ها را بگویید: مثلاً «قدم روی سنگ‌ریزه، بعد باز شدن یک در فلزی».

  • کلمه‌ها مهم‌اند: به گفتهٔ الون‌لبز، عبارت «زوجی که به فرانسوی بحث می‌کنند» نتیجهٔ بهتری از «زوجی که به فرانسوی دعوا می‌کنند» داده است.

  • روی شمارش دقیق حساب نکنید: درخواستی مثل «چهار ضربه به مثلث» همیشه دقیق اجرا نمی‌شود.

  • از اصطلاحات صدابرداری کمک بگیرید: مثلاً Whoosh برای صدای عبور سریع از هوا، Ambience برای صدای محیط و Braam برای ضربهٔ سنگین و حماسی تریلرهای سینمایی.

قیمت SFX v3 چقدر است؟

الون‌لبز برای SFX v3 قیمت جداگانه‌ای اعلام نکرده و صفحهٔ قیمت‌ها همان نرخ عمومی افکت صوتی را نشان می‌دهد. همهٔ ابزارهای الون‌لبز از یک سبد اعتبار ماهانه (Credit) مشترک استفاده می‌کنند.

پلن یا روش

قیمت ماهانه

اعتبار یا نرخ

Free (رایگان)

۰ دلار

۱۰ هزار اعتبار؛ بدون مجوز استفادهٔ تجاری

Starter

۶ دلار

۳۰ هزار اعتبار؛ همراه با مجوز تجاری

Creator

۲۲ دلار (ماه اول ۱۱ دلار)

۱۲۱ هزار اعتبار

Pro

۹۹ دلار

۶۰۰ هزار اعتبار

API

بر اساس مصرف

۰٫۱۲ دلار برای هر دقیقه افکت صوتی

طبق صفحهٔ قیمت‌ها، هر بار ساخت افکت صوتی در وب‌سایت حدود ۲۰۰ اعتبار مصرف می‌کند. پس پلن رایگان در عمل برای چند ده بار آزمایش در ماه کافی است. مستندات فنی هم می‌گوید اگر طول صدا را خودتان مشخص کنید، هزینه ۴۰ اعتبار برای هر ثانیه است. این دو عدد از دو صفحهٔ رسمی متفاوت آمده‌اند و هزینهٔ واقعی را پیش از ساخت در خود صفحه می‌بینید. الون‌لبز افکت‌های ساخته‌شده را «بدون حق امتیاز» (Royalty-free) معرفی می‌کند؛ یعنی برای استفاده از آن‌ها لازم نیست به کسی حق امتیاز جداگانه بپردازید. البته استفادهٔ تجاری طبق صفحهٔ قیمت‌ها از پلن Starter شروع می‌شود.

SFX v3 در برابر رقیبان

الون‌لبز تنها شرکتی نیست که افکت صوتی با هوش مصنوعی می‌سازد. جدول زیر SFX v3 را با دو ابزار شناخته‌شدهٔ دیگر مقایسه می‌کند. اطلاعات هر ستون از صفحهٔ رسمی همان شرکت گرفته شده است.

ابزار

نوع دسترسی

حداکثر طول

نکتهٔ متمایز

ElevenLabs SFX v3

سرویس آنلاین و API (API با دسترسی محدود)

۳۰ ثانیه، با امکان حلقه

چند صدا در یک درخواست، موسیقی و آواز بهتر

Adobe Firefly Generate Sound Effects

اپ وب Firefly، نسخهٔ آزمایشی از ژوئیهٔ ۲۰۲۵

در اطلاعیهٔ رسمی ذکر نشده

تنظیم زمان‌بندی صدا با صدای خود کاربر؛ ادوبی آن را «از نظر تجاری امن» می‌داند

Stable Audio Open (Stability AI)

مدل متن‌باز با وزن‌های قابل دانلود، از ژوئن ۲۰۲۴

۴۷ ثانیه

اجرا روی کامپیوتر خودتان؛ در ساخت آواز واقع‌گرایانه ضعیف است

جمع‌بندی ساده: اگر سریع و بدون نصب چیزی افکت می‌خواهید، SFX v3 و Firefly گزینه‌های راحت‌تری هستند. اگر کنترل کامل و اجرای محلی برایتان مهم است، مدل متن‌بازی مثل Stable Audio Open مناسب‌تر است، هرچند به کارت گرافیک و دانش فنی نیاز دارد. هیچ مقایسهٔ مستقلی از کیفیت این سه ابزار در کنار هم منتشر نشده است.

چه چیزهایی قطعی است و چه چیزهایی ادعاست؟

موضوع

وضعیت

انتشار SFX v3 در ۲۹ اکتبر ۲۰۲۶ و حضور در ElevenCreative و API

تأییدشده در وبلاگ و مستندات رسمی

شناسهٔ مدل، سقف ۳۰ ثانیه، حالت حلقه و فرمت‌های خروجی

تأییدشده در مستندات API

بهتر بودن از SFX v2 «در آزمون‌های مقایسه‌ای»

ادعای شرکت؛ عدد، روش یا نتیجهٔ آزمون منتشر نشده است

پیروی بهتر از درخواست‌های چندصدایی و صدای تمیزتر

ادعای شرکت با نمونه‌های صوتی؛ بررسی مستقل هنوز منتشر نشده است

کشورها یا حساب‌هایی که به API آن دسترسی دارند

اعلام نشده؛ فقط گفته شده «ممکن است در همهٔ مناطق در دسترس نباشد»

داده‌های آموزشی مدل

اعلام نشده

کاربران ایرانی می‌توانند از SFX v3 استفاده کنند؟

به‌طور رسمی نه. الون‌لبز در مرکز راهنمای خود نوشته که به دلیل الزامات تحریمی، دسترسی از ایران، روسیه، بلاروس، کوبا، کره شمالی، سوریه و چند منطقهٔ اوکراین را مسدود می‌کند. شرایط استفادهٔ این شرکت هم از کاربر می‌خواهد تأیید کند که در این کشورها نیست. یعنی کاربر ساکن ایران با این سرویس مشکل دسترسی و پرداخت دارد و استفاده از آن با قوانین خود شرکت هم‌خوان نیست. برای کسانی که در ایران کار می‌کنند، مدل‌های متن‌بازی مثل Stable Audio Open که روی کامپیوتر شخصی اجرا می‌شوند، گزینهٔ عملی‌تری‌اند.

SFX v3 به درد چه کسانی می‌خورد؟

  • سازندگان ویدیو و یوتیوبرها: برای افزودن صدای محیط، گذارها و افکت‌های کوتاه بدون گشتن در کتابخانه‌های صوتی.

  • سازندگان بازی‌های مستقل: برای ساخت سریع نمونه‌های اولیهٔ صدا، مثل ضربه، انفجار یا صدای محیط بازی.

  • پادکست‌سازها و تولیدکنندگان کتاب صوتی: برای صدای پس‌زمینهٔ حلقه‌ای، مثل باران یا همهمهٔ کافه.

  • برنامه‌نویس‌ها: برای افزودن ساخت صدا به اپ‌ها و ابزارهای خودشان از طریق API.

برای صداسازی حرفه‌ای سینمایی، این ابزار جای صدابردار و طراح صدا را نمی‌گیرد. خود الون‌لبز هم برای صحنه‌های پیچیده توصیه می‌کند صداها را جداگانه بسازید و بعد در یک نرم‌افزار ویرایش صدا کنار هم بچینید.

این به‌روزرسانی چه معنایی دارد؟

الون‌لبز در ماه‌های اخیر از یک شرکت تبدیل متن به گفتار به مجموعه‌ای کامل از ابزارهای صوتی تبدیل شده است؛ از مدل‌های گفتار مثل Eleven v4 و v4 Turbo تا ایجنت‌های صوتی مثل Eleven Realtime. SFX v3 حلقهٔ دیگری از همین زنجیره است: هدف این است که سازنده بتواند گفتار، موسیقی و افکت را در یک جا بسازد. هم‌زمان ابزارهای ساخت ویدیو، مثل Flow و Veo 3.1 گوگل، صدا را همراه تصویر تولید می‌کنند. رقابت حالا بر سر این است که کدام ابزار صدای دقیق‌تر و قابل‌کنترل‌تری بسازد، نه فقط این‌که صدایی بسازد.

سؤال‌های پرتکرار

SFX v3 چیست؟

جدیدترین مدل الون‌لبز برای ساخت افکت صوتی از متن است که ۲۹ اکتبر ۲۰۲۶ منتشر شد. یک توصیف نوشتاری می‌گیرد و صدایی تا ۳۰ ثانیه تحویل می‌دهد.

SFX v3 رایگان است؟

با پلن رایگان الون‌لبز که ماهانه ۱۰ هزار اعتبار دارد می‌شود آن را امتحان کرد. هر بار ساخت حدود ۲۰۰ اعتبار مصرف می‌کند. مجوز استفادهٔ تجاری از پلن ۶ دلاری Starter شروع می‌شود.

فرق SFX v3 با SFX v2 چیست؟

به گفتهٔ الون‌لبز، v3 درخواست‌های چندصدایی را دقیق‌تر اجرا می‌کند، موسیقی و آواز را بهتر می‌سازد و در صداهای زیر کمتر خش‌دار می‌شود. در API، نسخهٔ v2 هنوز پیش‌فرض است.

با SFX v3 می‌شود صدای طولانی‌تر از ۳۰ ثانیه ساخت؟

هر بار ساخت حداکثر ۳۰ ثانیه است. با روشن کردن حالت Loop صدایی ساخته می‌شود که می‌توانید آن را پشت سر هم و بدون مکث پخش کنید.

آیا می‌توانم دستور را فارسی بنویسم؟

الون‌لبز فهرست زبان‌های پشتیبانی‌شده برای افکت صوتی را اعلام نکرده و همهٔ نمونه‌های رسمی انگلیسی‌اند. برای نتیجهٔ مطمئن‌تر، توصیف را به انگلیسی بنویسید.

چرا در API خطای Unknown model می‌گیرم؟

چون SFX v3 در API هنوز دسترسی محدود دارد. حساب‌هایی که دسترسی ندارند این خطا را می‌گیرند. تا زمان دسترسی، از eleven_text_to_sound_v2 استفاده کنید.

از ایران می‌شود از الون‌لبز استفاده کرد؟

خیر. الون‌لبز اعلام کرده دسترسی از ایران را به دلیل تحریم‌ها مسدود می‌کند.

منابع

برچسب‌ها:هوش مصنوعیهوش مصنوعی مولد
اشتراک‌گذاری:

مطالب مرتبط

عضویت در خبرنامه

آخرین اخبار هوش مصنوعی و فناوری را در ایمیل خود دریافت کنید.

پس از عضویت یک ایمیل تأیید برایتان ارسال می‌شود. هر زمان می‌توانید اشتراک خود را لغو کنید و ایمیل شما برای هدفی جز ارسال خبرنامه استفاده نمی‌شود. جزئیات در صفحه حریم خصوصی آمده است.