Effetti sonori AI ElevenLabs: test prompt italiano e inglese

👁 117 letture

Gli effetti sonori AI di ElevenLabs nascono da una breve descrizione: scrivi “porta scricchiolante” o “temporale sulla città” e in pochi secondi hai un file MP3 o WAV. Abbiamo verificato se il generatore comprende i prompt in italiano, generando cinque coppie di effetti con la stessa descrizione in italiano e in inglese. Due modelli indipendenti hanno valutato l’accuratezza. Il risultato è stato inequivocabile e cambia il modo in cui conviene scrivere i prompt.

Gli importi in EUR sono conversioni indicative dei prezzi pubblicati in USD, calcolate al cambio di riferimento BCE del 2026-10-12: 1 EUR = 1.1181 USD. Non sono prezzi locali confermati né importi finali comprensivi di imposte. Il fornitore e la banca possono applicare altri cambi o commissioni. ECB.

01Eleven Music: test con testo in italiano, costi e tempiEleven Music genera musica AI con testo in italiano: test di 4 tracce con prompt in inglese e italiano, tempi di generazione, costi e trascrizione del cantato.Leggi →02Voice Isolator ElevenLabs: rimuovere rumore da audioVoice Isolator ElevenLabs rimuove il rumore dalle registrazioni: test con caffè, strada e ventilatore. Misure prima e dopo, campioni e costi.Leggi →03ElevenLabs Dubbing in italiano: test v1 vs v2 su clip 24 sElevenLabs Dubbing traduce video e sostituisce l'audio con voci simili agli speaker originali. Test v1 vs v2 su clip 24 s: tempi, crediti e qualità.Leggi →04Voice Changer ElevenLabs: cambiare voce con AIVoice Changer ElevenLabs cambia la voce su una registrazione mantenendo intonazione e pause. Test su italiano con rumore di fondo e misure.Leggi →05Clonare voce AI ElevenLabs: cloni da 10 s, 30 s e 2 minutiClonare voce AI in ElevenLabs: test di cloni da 10 s, 30 s e 2 minuti di campione, somiglianza all'originale, costi dei piani e regole di consenso.Leggi →

Come funziona il generatore di effetti sonori ElevenLabs

La funzione si chiama Sound Effects (nell’API il modello è eleven_text_to_sound_v2). Le impostazioni principali:

• Durata - da 0,5 a 30 s oppure automatica, in base alla descrizione.
• Loop - effetto senza inizio e fine udibili, ad esempio pioggia o rumore urbano, che puoi riprodurre in loop sotto una scena più lunga.
• Prompt influence - da 0 a 1, default 0,3. Più alto significa più letterale, più basso più libero, con maggiori variazioni.
• Formato - MP3 44,1 kHz per tutti gli effetti, WAV 48 kHz per quelli non in loop.

Il modello genera anche elementi musicali, ad esempio un loop di batteria a 90 BPM. Per brani completi esiste però uno strumento separato, che abbiamo descritto nel test Eleven Music.

Il nostro test: gli stessi effetti in italiano e in inglese

Il 29 settembre 2026 abbiamo generato via API cinque coppie di effetti. Ogni coppia aveva lo stesso significato, durata 5 s e prompt influence di default 0,3. Non li abbiamo valutati a orecchio, perché con cinque coppie è facile farsi condizionare. Abbiamo usato due giudici:

• CLAP (laion/larger_clap_general) - modello che confronta audio con descrizioni testuali. Per ogni effetto abbiamo verificato quale delle cinque descrizioni inglesi corrispondesse meglio. Un hit significa che la descrizione propria si è classificata al 1° posto.
• Tag di eventi sonori da Scribe - la trascrizione di ElevenLabs descrive automaticamente i suoni tra parentesi, ad esempio [door creaking]. È una seconda descrizione indipendente di ciò che si sente.

I prompt inglesi hanno vinto in CLAP cinque volte su cinque, e Scribe li ha descritti correttamente in tutti i casi. I prompt italiani hanno centrato due volte in CLAP (stadio e passi), ma Scribe ha identificato correttamente solo lo stadio. Il temporale è stato interpretato come testo parlato (“Sulla città Piot”), la porta come fischio, il telefono come digitazione.

Un prompt influence più alto salva l’italiano?

No. Abbiamo ripetuto due prompt italiani (porta e telefono) con prompt influence 1,0. Scribe ha descritto i risultati come “[spraying]” e “[sloshing]”, e in CLAP nessuna delle cinque descrizioni ha ottenuto un punteggio sopra zero. Conclusione: il generatore non comprende il contenuto della descrizione italiana, non è solo una questione di interpretazione libera. Eleven Music si comporta molto meglio con l’italiano, quindi è una limitazione di questo specifico modello.

Prompt pronti da copiare

Scrivi in modo conciso: cosa suona, su quale superficie, in quale spazio e se succede qualcosa dopo. I primi quattro prompt provengono dal test, i due successivi sono versioni abbreviate di sfondi che abbiamo generato per altri test, e gli ultimi due sono esempi basati sul glossario della documentazione (questi non li abbiamo generati):

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

Gli ultimi due utilizzano il glossario della documentazione ElevenLabs: braam è un colpo pesante e ottone tipico dei trailer, whoosh è un passaggio nell’aria. Sono utili anche impact (impatto), ambience (sfondo di un luogo), one-shot (suono singolo), loop e drone (macchia continua e tesa). Gli sfondi con pioggia e caffetteria, così come la cucina, li abbiamo generati in versione più lunga per i test di dubbing e Voice Isolator.

Via API basta un comando (testato il 29.09.2026):

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 porta.mp3

Quanto costano gli effetti sonori

Il listino API del 29 settembre 2026 indica 0,1073 EUR (0,12 USD) per minuto di audio, senza IVA. L’header di risposta API ci mostrava 10 crediti al secondo: 50 per un effetto di 5 s, 120 per 12 s, 270 per 27 s. La documentazione menziona ancora 40 crediti al secondo con durata impostata manualmente, quindi prima di una grande serie controlla il contatore sul tuo account. Il contenuto del prompt non influisce sul prezzo. Il piano gratuito ha 10.000 crediti al mese, ma senza licenza commerciale, che parte dal piano Starter a 6 USD. Il listino indica che gli effetti sono royalty-free. Il confronto dei piani è nel testo quanto costa ElevenLabs, e il resto degli strumenti nella guida ElevenLabs.

Se hai bisogno anche di un narratore, descriviamo i modelli vocali nel testo su Eleven v4.

Domande frequenti

ElevenLabs Sound Effects comprende l’italiano?

Nel nostro test parzialmente. Cinque prompt italiani hanno dato 2 hit su 5 in CLAP, contro 5 su 5 per gli stessi prompt in inglese. Il punteggio medio CLAP è stato 0,025 per l’italiano contro 0,356 per l’inglese. Aumentare il prompt influence a 1,0 non ha aiutato.

Quanto costa generare un effetto sonoro?

Un effetto di 5 secondi ci è costato 50 crediti. Via API sono 0,1073 EUR (0,12 USD) al minuto, quindi circa 0,008944 EUR (0,01 USD) per 5 secondi, senza IVA.

Quanto può durare un effetto sonoro?

Da 0,5 a 30 secondi in una singola generazione. Per uno sfondo più lungo puoi creare un effetto in loop, che si riproduce continuamente senza giunture udibili.

Posso usare gli effetti commercialmente?

Sì, dal piano Starter in su, che include la licenza commerciale. ElevenLabs descrive gli effetti come royalty-free. Il piano gratuito non include l’uso commerciale.

// continua a leggereHiggsfield AI in italiano: guida completa all’interfaccia e promptMagazineHiggsfield Motion Control con Kling 3.0: come funziona, costi e promptMagazineDa testo a video: come scrivere prompt efficaci per l’AIMagazine

Kinetyra

Il link a ElevenLabs è un link di affiliazione: se acquisti tramite questo link, NITIDO riceve una commissione e tu paghi lo stesso prezzo. Non influisce sui contenuti, nemmeno sulle parti critiche.