Jubel, Ball, Buhrufe in einem Befehl: ElevenLabs bringt Geräusch-KI SFX v3
Das neue Modell erzeugt aus einer einzigen Textbeschreibung mehrere Geräusche zugleich – und soll Musik und Gesang überzeugender, Klänge wie Gongs sauberer wiedergeben.
Foto: Rafał Masłow / Wikimedia Commons, CC BY-SA 4.0 (zugeschnitten und skaliert)
Video: YouTube · ElevenLabs · youtube.com
Der KI-Audiospezialist ElevenLabs hat am Donnerstag SFX v3 vorgestellt, die dritte Version seines Modells, das aus kurzen Texteingaben Soundeffekte erzeugt. Nach Angaben des Unternehmens folgt das Modell mehreren Anweisungen in einer einzigen Eingabe zuverlässiger, sodass mehr der beschriebenen Geräusche tatsächlich im fertigen Clip zu hören sind. Das offizielle Video von ElevenLabs zeigt Beispiele.
Als Beispiel nennt ElevenLabs eine Fußballszene: Jubel der Menge, ein aufprallender Ball und wenige Sekunden später Buhrufe – alles aus einem Befehl. Besser geworden sei das Modell auch, wenn eine Melodie oder eine Gesangsstimme mit Umgebungsgeräuschen kombiniert werden soll. Zudem klinge der Ton sauberer und natürlicher; bei Gongs, Glockenspielen und Pfiffen entstünden seltener Störgeräusche. Diese Angaben stützen sich auf Vergleichstests des Unternehmens mit SFX v2; unabhängige Prüfungen liegen nicht vor.
SFX v3 ist in der Kreativ-Plattform ElevenCreative – etwa in Studio und im Musik-Editor –, über die Entwicklerschnittstelle ElevenAPI und in der Mobil-App von ElevenLabs verfügbar. Angaben zu Preisen oder zur maximalen Länge der Clips macht das Unternehmen in der Ankündigung nicht.