ElevenLabs Sound Effects: teste multilíngue de efeitos sonoros

👁 116 leituras

Os efeitos sonoros com IA do ElevenLabs são criados a partir de uma descrição curta: você escreve algo como “porta rangendo” ou “tempestade sobre a cidade” e, em poucos segundos, recebe um arquivo MP3 ou WAV. Testei se o gerador entende comandos em diferentes idiomas, algo que não encontrei documentado. Criei cinco pares de efeitos com a mesma descrição em dois idiomas, e dois modelos independentes avaliaram a precisão. O resultado foi claro e muda a forma como vale a pena escrever os prompts.

01Eleven Music: gerador de música com IA, testadoTestei o Eleven Music com quatro faixas e prompts em dois idiomas. Veja como ele reproduz a letra, quanto tempo leva e quanto custa.Leia →02ElevenLabs Dubbing: teste dos modelos v1 e v2Comparei os modelos v1 e v2 do ElevenLabs Dubbing em um clipe de 24 segundos. Veja os resultados, o tempo, o custo e uma falha inesperada.Leia →03Clonagem de voz com IA no ElevenLabs: 10 s ou 2 min?Testei clones de voz no ElevenLabs com amostras de 10 segundos, 30 segundos e 2 minutos. Veja os resultados, os custos e os limites do teste.Leia →

Como funciona o gerador de efeitos sonoros do ElevenLabs

O recurso se chama Sound Effects. Na API, o modelo é eleven_text_to_sound_v2. Estas são as principais configurações:

• Duração - de 0,5 a 30 segundos ou definida automaticamente com base na descrição.
• Loop - efeito sem começo ou fim perceptível, como chuva ou ruído urbano, que pode tocar repetidamente durante uma cena mais longa.
• Prompt influence - de 0 a 1, com valor padrão de 0,3. Valores mais altos seguem a descrição de forma mais literal; valores mais baixos dão mais liberdade e geram mais variações.
• Formato - MP3 a 44,1 kHz para todos os efeitos e WAV a 48 kHz para efeitos sem loop.

O modelo também gera elementos musicais, como um loop de bateria a 90 BPM. Para criar músicas completas, há outra ferramenta, que analisei no teste do Eleven Music.

Meu teste: os mesmos efeitos em polonês e inglês

Em 28 de setembro de 2026, gerei cinco pares de efeitos pela API. Cada par tinha o mesmo significado, duração de 5 segundos e prompt influence padrão de 0,3. Não avaliei os resultados apenas ouvindo, porque é fácil interpretar demais o que se escuta em uma amostra de cinco pares. Usei dois avaliadores:

• CLAP (laion/larger_clap_general) - modelo que compara áudio com descrições em texto. Para cada efeito, verifiquei qual das cinco descrições em inglês era a mais compatível. O resultado conta como acerto quando a descrição correspondente ao efeito aparece em primeiro lugar.
• Tags de eventos sonoros do Scribe - a transcrição do ElevenLabs também descreve os sons entre colchetes, como [porta rangendo]. É uma segunda descrição independente do que se ouve.

Os comandos em inglês venceram no CLAP cinco vezes em cinco, e o Scribe descreveu os resultados corretamente em quatro casos. Para a tempestade, o Scribe identificou “aplausos”, o que não surpreende, já que o ruído da chuva forte pode ser parecido com o de aplausos. Mesmo assim, o CLAP associou o arquivo à tempestade. Os comandos em polonês não acertaram nenhuma vez segundo qualquer um dos avaliadores.

Um prompt influence mais alto resolve o problema com o polonês?

Não. Repeti dois comandos em polonês, para a porta e o telefone, com prompt influence de 1,0. O Scribe descreveu os resultados como “metal batendo” e “cliques”, e nenhuma das cinco descrições recebeu uma pontuação acima de zero no CLAP. A conclusão é que o gerador não entende o conteúdo da descrição em polonês, em vez de apenas interpretá-lo com liberdade. O ElevenLabs Music lida bem melhor com o polonês, então essa limitação se aplica a este modelo específico.

Prompts para copiar

Escreva de forma breve: o que está fazendo barulho, em que superfície, em qual ambiente e se algo acontece em seguida. Os quatro primeiros comandos abaixo foram usados no teste. Os dois seguintes são versões resumidas de cenários que gerei para outros testes. Os dois últimos são exemplos baseados no vocabulário da documentação e não foram gerados:

Old wooden door creaking open in an empty house
Footsteps on gravel, then a metal gate opens
Stadium crowd cheering after a goal
Old landline telephone ringing
Steady rain on a city street at dusk, a tram approaching and ringing its bell
Busy cafe ambience, people talking, cups clinking, espresso machine hissing
Cinematic braam, deep and brassy, trailer hit
Fast whoosh transition, left to right

Os dois últimos usam termos da documentação do ElevenLabs: braam é um impacto grave e metálico, comum em trailers; whoosh é um som de passagem pelo ar. Outros termos úteis são impact (impacto), ambience (som ambiente), one-shot (som único), loop e drone (som contínuo e tenso). As ambientações de chuva e cafeteria, além de uma cozinha, foram geradas em versões mais longas para os testes de dublagem e do Voice Isolator.

Pela API, basta enviar um comando. O exemplo abaixo foi testado em 28/09/2026:

curl -X POST "https://api.elevenlabs.io/v1/sound-generation?output_format=mp3_44100_128" \
  -H "xi-api-key: $ELEVENLABS_API_KEY" -H "Content-Type: application/json" \
  -d '{"text":"Old wooden door creaking open in an empty house",
       "duration_seconds":5,"prompt_influence":0.3,
       "model_id":"eleven_text_to_sound_v2"}' -o drzwi.mp3

Quanto custam os efeitos sonoros

A tabela de preços da API consultada em 28 de setembro de 2026 informa o custo de US$ 0,12 por minuto de áudio, sem impostos. O cabeçalho da resposta da API mostrou 10 créditos por segundo: 50 para um efeito de 5 segundos, 120 para 12 segundos e 270 para 27 segundos. A documentação ainda menciona 40 créditos por segundo para durações definidas manualmente; por isso, confira o contador da sua conta antes de gerar muitos arquivos. O texto do comando não altera o preço. O plano gratuito oferece 10 mil créditos por mês, mas não inclui licença comercial. A licença começa no plano Starter, que custa US$ 6. A tabela de preços informa que os efeitos são livres de royalties. A comparação de planos está no artigo sobre quanto custa o ElevenLabs; outros recursos estão no guia do ElevenLabs.

Se você também precisa de uma narração, explico os modelos de voz no artigo sobre o Eleven v4.

Perguntas frequentes

O ElevenLabs Sound Effects entende português?

Não testei em português. No meu teste em polonês, cinco comandos geraram sons aleatórios, enquanto as mesmas descrições em inglês acertaram cinco vezes em cinco. Aumentar o prompt influence para 1,0 não ajudou.

Quanto custa gerar um efeito sonoro?

Um efeito de 5 segundos custou 50 créditos. Pela API, o preço é de US$ 0,12 por minuto, o que equivale a cerca de US$ 0,01 por 5 segundos, sem impostos.

Qual pode ser a duração de um efeito sonoro?

De 0,5 a 30 segundos em uma única geração. Para criar uma ambientação mais longa, você pode usar um efeito em loop, que toca repetidamente sem uma emenda perceptível.

Posso usar os efeitos comercialmente?

Sim, a partir do plano Starter, que inclui licença comercial. O ElevenLabs descreve os efeitos como livres de royalties. O plano gratuito não inclui uso comercial.

// continue lendoGPT-6.1 Sol: preço, disponibilidade e teste práticoNotícias rápidasElevenLabs Dubbing: teste dos modelos v1 e v2BenchmarksVoicebot ElevenLabs Agents: teste de atendimento por vozBenchmarks