ElevenLabs + AudioFX 是做什么的？

ElevenLabs 提供原始素材（根据提示生成的音效、从文本生成的语音、音乐）；AudioFX 使其贴合场景（电话、收音机、水下、混响、精准切入）。sfx 是 node {{AUDIOFX_DIR}}/bin/sfx.mjs（完整效果目录请参考音效设计技能）。

1. 检查连接状态

sfx doctor

最后一行会说明是否找到了 ElevenLabs 密钥以及其来源（绝不会打印密钥本身）。CLI 和工作室会依次在环境变量、当前文件夹的 .env、AudioFX 仓库以及 ~/.audiofx/.env 中查找 ELEVENLABS_API_KEY。

如果没有密钥，请告知用户如何连接。切勿要求他们将密钥粘贴到聊天窗口中，也不要自己将密钥写入文件：

在 https://elevenlabs.io/app/settings/api-keys 创建一个 API 密钥（任何套餐均可；免费套餐也支持音效和预制语音）。
方式一：在项目中运行 npx -y @elevenlabs/cli@latest onboard init（它会写入一个 .env）；方式二：用户自行将 ELEVENLABS_API_KEY=... 添加到 ~/.audiofx/.env。
再次运行 sfx doctor。无需重启。

其他连接方式（可选）

托管 MCP：让 Claude 直接调用 ElevenLabs 工具。在 Claude（网页或桌面）中：设置 → 连接器 → 添加自定义连接器，地址填写 https://api.elevenlabs.io/v1/mcp 并登录。在 Claude Code 中：运行 claude mcp add --transport http elevenlabs https://api.elevenlabs.io/v1/mcp，然后 /mcp 进行身份验证。该连接器的目录版本可能受限，不支持音乐生成。
官方技能（包含 ElevenLabs API 的 TTS、音效、音乐、智能体）：运行 npx skills add elevenlabs/skills。

sfx generate 是视频工作中最直接的路径：它一次完成生成、保存副本以备复用以及应用效果，无需 MCP。

2. 一步生成并处理

sfx generate <sfx|voice|music> "<提示词>" <输出文件> [处理步骤...]

类型	调用的模型	选项
`sfx`	音效 (`eleven_text_to_sound_v3`)	`--duration 0.5–30`秒（默认由模型决定），`--loop`，`--influence 0–1`（默认 0.3）
`voice`	文本转语音 (`eleven_v4`)	`--voice <ID>`（默认 George，预制语音），`--model <ID>`
`music`	音乐	`--duration 3–600`秒，`--instrumental`

在处理链真正执行之前，会进行验证，因此步骤中的拼写错误会免费失败。
每次生成的结果还会保存为 ~/.audiofx/generated/<类型>-<提示词>-<时间>.mp3，并附带一个 .json 提示词文件。它会首先出现在工作室的素材库（“已生成”）中，这样用户可以在不重复付费的情况下尝试其他效果。若要复用，请使用 sfx apply 而不是重新生成。
如果没有指定处理步骤，原始生成的音频会直接写入输出文件（mp3 会直接复制，其他格式会转换为 48 kHz）。
如果语音出现 402 paid_plan_required 错误，意味着使用的是语音库中的声音：请改用预制语音 ID，或请用户升级套餐。429 表示速率限制：等待后重试一次。

3. 实用配方

一段经过电话、收音机或设备处理的 TTS 语音

sfx generate voice "嘿，是我。我在外面，开门吧。" call.wav voice-clean "telephone:noise=0.1"
sfx generate voice "这里是机长广播。" captain.wav "speaker:model=pa" "reverb:space=hall,mix=0.2"
sfx generate voice "四号单位，请回答。" radio.wav "walkie-talkie:drive=12"

TTS 语音本身是干净、近距离的：通过效果处理能让它们融入场景。对于需要保持在前景的旁白，只需使用 voice-clean 和 loudness，或者使用 trailer-voice 来获得史诗般的宣读效果。

一段在特定时刻切换为水下效果的音乐

假设画面在 12 秒时下潜，18 秒时上浮：

sfx generate music "欢快独立流行，明亮吉他，120 bpm" song.wav "underwater:depth=0.8@12-18" --duration 30 --instrumental --fade 0.35

其他基于时刻的音乐处理示例："am-radio@0-8" --fade 1.2（从收音机中播放，然后展开），"filter-sweep:fromFreq=300,toFreq=18000,start=10,duration=2"（在 12 秒处为高潮做铺垫），"tape-stop:at=20,length=0.9"（喜剧式停顿）。

在剪辑点叠加音效

先生成音效，然后使用 layer 效果将其混入视频音频的剪辑点（此处为 6.0 秒）：

sfx generate sfx "沉重的木门在石砌走廊中砰然关闭" door.wav "reverb:space=hall,mix=0.25" --duration 2
sfx apply mix.wav mix-door.wav "layer:file=door.wav,at=6,align=onset,level=-3"

align=onset 会测量生成声音的起音位置，并让该位置正好落在剪辑点上，从而避免生成结果中的前导静音导致延迟。生成的音效还会出现在工作室的“样本”选项卡中，用户可以在其中通过耳朵试听如何应用于某个时刻。对于合成的撞击声、上升音或嗖嗖声，音效设计技能中的电影效果更快且免费；关于声音库中的录音样本，请参见该技能中的“真实样本作为层”。

环境背景音

sfx generate sfx "窗户上的细雨声，远处城市交通声，无雷声" rain.wav "muffled:thickness=0.4" --duration 20 --loop

--loop 使结尾与开头衔接，因此背景音可以在长场景下循环播放（在 ffmpeg 中使用 -stream_loop，在 Remotion 中使用 <Loop>）。

复用用户已生成的音频

用户在 ElevenLabs 应用或使用 MCP 制作的音频只是一个文件：sfx apply <文件> <输出文件> <处理步骤...>。托管 MCP 返回的链接（位于 elevenlabsusercontent.com）大约在两小时后过期，因此请先下载文件，再处理本地副本。

提示音效的技巧

描述音源、动作、材质和空间：“玻璃瓶在混凝土地板上碎裂，小房间”比“打碎玻璃”效果更好。
每次只生成一种事件。将多个生成结果叠加，而不是要求一次生成整个场景。
对于你打算后续再处理的内容，先生成一个中性版本：生成干净的“电话铃声”，然后使用 AudioFX 的 speaker:model=phone 或 distance 效果，这样同一个文件可以用于多个场景。
短音效（撞击声、咔嗒声、嗖嗖声）最好使用 --duration 1–3；环境音和背景音使用 --loop 和 10–30 秒长度。
--influence 接近 1 时会严格遵循提示词；数值越低，模型发挥空间越大。

成本与注意事项

每次 sfx generate 调用都会消耗用户的 ElevenLabs 积分。请先生成一次，复用以保存的文件，通过 sfx apply 或在工作室中更改效果。
不要未经询问就循环生成“挑最好的”：提供两到三个变体，让用户在 sfx studio 中通过耳朵选择。
生成的语音不得未经真人同意模仿其声音。

ElevenLabs + AudioFX