รีวิว ElevenLabs Music v2: ประสิทธิภาพจริง, API และ Prompt

วงการดนตรี AI กำลังพัฒนาอย่างรวดเร็ว และ ElevenLabs Music v2 เป็นหนึ่งในโมเดลสร้างเพลงใหม่ที่มีความทะเยอทะยานที่สุด แต่จะสามารถรักษาเนื้อเพลงที่ให้ไว้ได้หรือไม่ สามารถปฏิบัติตามการจัดเรียงเพลงอย่างละเอียดได้หรือไม่ และสามารถสร้างเพลงที่ใช้งานได้จริงโดยไม่ต้องแก้ไขมากนักหรือไม่?

เราได้ทดสอบระบบนี้ด้วยตัวอย่างต้นฉบับสามชิ้นที่มีความยาว 90 วินาที ได้แก่ เพลงร้องแนวซินธ์-ป็อป เพลงบรรเลงแนวภาพยนตร์ และการเรียบเรียงเพลงป็อปทางเลือกแบบแปดส่วน บทรีวิวนี้ครอบคลุมด้านคุณภาพเสียง การปฏิบัติตามคำสั่ง เวลาในการสร้างผลลัพธ์ ค่าใช้จ่ายที่รายงานจากระบบ การควบคุมอย่างเป็นทางการ และการเข้าถึง API.

คำตอบสั้นๆ: ElevenLabs Music v2 ดีแค่ไหน?

ElevenLabs Music v2 ยังสามารถใช้งานได้ผ่านเครื่องมือสร้างเสียงของ GlobalGPT ด้วย วิธีนี้ช่วยให้สามารถรวมโมเดลเสียงและ AI หลายตัวไว้ในบัญชีเดียว ช่วยหลีกเลี่ยงการต้องตั้งค่า VPN หรือผู้ให้บริการแยกต่างหาก และสามารถลดค่าใช้จ่ายในการดูแลรักษาการสมัครสมาชิกหลายบัญชีที่ทำงานแบบอิสระได้.

ลองใช้ Audio Models บน GlobalGPT ได้แล้ว

ภาพรวมของ ElevenLabs Music v2

ก่อนที่จะพิจารณาผลลัพธ์ของเรา การแยกชุดคุณสมบัติที่เผยแพร่ของโมเดลออกจากสิ่งที่คำสั่งทั้งสามสามารถพิสูจน์ได้จริงนั้นจะเป็นประโยชน์.

ElevenLabs Music v2 คืออะไร?

ElevenLabs ได้เปิดตัว Music v2 เมื่อวันที่ 26 พฤษภาคม 2026 ในฐานะรุ่นที่ได้รับการอัปเกรดสำหรับการสร้างเพลงและเพลงบรรเลง บริษัทระบุว่าเวอร์ชันใหม่นี้ช่วยปรับปรุงคุณภาพเสียงร้อง การบรรเลงเครื่องดนตรี การจัดเรียงเพลง การรองรับหลายภาษา การถ่ายทอดเนื้อเพลงอย่างละเอียด การเปลี่ยนแนวเพลง และการเติมภาพที่ขาดหายไป.

Music v2 เป็นระบบขับเคลื่อนหลักของ ElevenMusic, ElevenAPI และ ElevenCreative ผ่าน API นี้ ผู้พัฒนาสามารถสร้างเพลงด้วยโปรแกรม แก้ไขส่วนที่เลือกด้วยเทคนิค inpainting และทำงานกับระบบจับคู่ข้อมูลอ้างอิง.

ผลทดสอบ ElevenLabs Music v2

เราได้ใช้ การเรียกใช้ API แบบควบคุม 3 ครั้ง ด้วยเป้าหมายที่คงที่ 90 วินาที GPT ได้สร้างชุดคำร้องต้นฉบับขึ้นครั้งเดียวบนแพลตฟอร์มของเรา และเราได้ล็อกชุดคำร้องเหล่านั้นไว้ก่อนที่จะทดสอบ Music v2 บันทึกการฟังได้รับการตรวจสอบข้ามกับผลการวิเคราะห์เสียง Gemini 3.6 Flash เวลาที่แสดงด้านล่างคือเวลาการสร้างแบบ end-to-end ตามเวลาท้องถิ่น; ส่วนค่าใช้จ่ายคือค่าที่รายงานจากงานที่เสร็จสิ้นแล้ว.

แบบทดสอบ 1: เพลงป็อปพร้อมคำร้องที่ให้ไว้

สร้างเพลงซินธ์-ป็อปสมัยใหม่ที่มีความยาว 90 วินาที และมีความเป็นต้นฉบับอย่างสมบูรณ์ พร้อมด้วยเสียงร้องนำอัลโตที่อบอุ่นและแสดงอารมณ์ได้ดี ใช้ความเร็ว 112 BPM และคีย์ A minor บรรยากาศของเพลงควรเป็นความหวัง ความใกล้ชิด และมีความรู้สึกเหมือนในภาพยนตร์ เริ่มต้นด้วยเสียงเปียโนไฟฟ้าที่ลดเสียงลง และจังหวะพัลส์จากซินธ์แอนะล็อกที่นุ่มนวล เพิ่มเบสที่กลมกลืนและกลองอิเล็กทรอนิกส์ที่กระชับในท่อนแรก สร้างความตึงเครียดในส่วนก่อนคอรัส และเปิดเข้าสู่คอรัสที่กว้างและน่าจดจำด้วยฮาร์โมนีพื้นหลังที่ควบคุมได้ รักษาร้องนำให้ชัดเจนและอยู่ตรงกลาง พร้อมการแยกเสียงเครื่องดนตรีที่ชัดเจน ห้ามมีบทนำที่พูด แร็ป เสียงฝูงชน การเลียนแบบศิลปินจริง หรือการเฟดเอาท์ จบด้วยคอร์ดสุดท้ายที่ชัดเจน

ร้องตามเนื้อเพลงด้านล่างอย่างแม่นยำ ห้ามเพิ่ม ลบ เปลี่ยน หรือจัดเรียงคำหรือส่วนใดส่วนหนึ่งใหม่

[Verse 1]
แสงไฟเมืองค่อยๆ จางหายหลังเรา
ถนนที่เงียบสงบนำทางเราไป
เสียงกระซิบยามเที่ยงคืน ไม่หันหลังกลับ
ขอบฟ้าใหม่แตกผ่านความเทา
[Pre-Chorus]
มือจับมือ เราเดินสู่สิ่งที่ไม่รู้จัก
ไล่ตามความฝันที่เราเรียกว่าของเราเอง
[Chorus]
เรายังมีชีวิตอยู่ในคืนที่เงียบสงบ
ค้นพบดวงดาวที่อยู่เหนือเส้นขอบฟ้า
หลงในเงามืด แต่ยังคงสว่างไสว
ร่วมกัน เราจะนิยามใหม่
[Verse 2]
เสียงฝีเท้าเบาๆ บนถนนที่ว่างเปล่า
ทุกการหายใจคือเรื่องราวที่เล่า
ไม่มีคำสัญญา เพียงท้องฟ้าที่ไร้ขอบเขต
ในดวงตาคุณ อนาคตอยู่ตรงนั้น
[Final Chorus]
เรายังมีชีวิตอยู่ในคืนที่เงียบสงบ
ค้นพบดวงดาวที่อยู่ไกลเกินเส้นขอบฟ้า
หลงอยู่ในเงามืด แต่กลับส่องประกายเจิดจ้า
ร่วมกัน เราจะนิยามใหม่

การทดสอบที่ 2: เพลงบรรเลงแบบภาพยนตร์

สร้างเพลงบรรเลงแบบภาพยนตร์ที่มีความยาว 90 วินาที และมีความเป็นต้นฉบับอย่างสมบูรณ์ สำหรับฉากการสำรวจในภาพยนตร์วิทยาศาสตร์แนวระทึกขวัญ ใช้จังหวะ 82 BPM และคีย์ D minor ห้ามใช้เสียงร้อง คำพูด เสียงกระซิบ เสียงร้องประสาน หรือเสียงที่คล้ายเสียงมนุษย์ เริ่มต้นอย่างเงียบสงบด้วยธีมเปียโนแบบเฟลท์ที่เรียบง่ายและเสียงสตริงต่ำที่ยืดยาว นำจังหวะแอนะล็อกที่ละเอียดอ่อนเข้ามาหลังส่วนเปิด จากนั้นค่อยๆ สร้างความเข้มข้นด้วยสตริงที่ซ้อนชั้นและเครื่องตีต่ำที่ควบคุมได้ เพิ่มเครื่องทองเหลืองเฉพาะในส่วนสุดท้ายของเพลง สร้างจุดสูงสุดทางอารมณ์ที่ชัดเจนใกล้ตอนจบ โดยไม่ใช้ความดังหรือการบิดเบือนเสียงที่มากเกินไป รักษาให้ธีมเปียโนยังคงจดจำได้ และรักษาความแยกแยะที่ชัดเจนระหว่างเปียโน เครื่องสาย เครื่องตี จังหวะซินธ์ และเครื่องทองเหลือง ใช้เสียงออร์เคสตราที่สมจริง พร้อมการมิกซ์ที่กว้างขวางแต่ควบคุมได้ หลีกเลี่ยงการใช้เอฟเฟกต์แบบเทรลเลอร์ในครึ่งแรก อย่าเลียนแบบเพลงประกอบที่มีอยู่ นักแต่งเพลง หรือแฟรนไชส์ที่มีอยู่แล้ว จบด้วยคอร์ดที่ยืนยาวและลงตัว แทนที่จะเฟดเอาต์.

การทดสอบที่ 3: โครงสร้างเพลง 8 ส่วน

สร้างเพลงอัลเทอร์เนทีฟ-ป็อปต้นฉบับใหม่ทั้งหมดความยาว 90 วินาที ด้วยเสียงร้องนำเทเนอร์ที่ชัดเจนและแสดงอารมณ์ได้ดี ใช้ความเร็ว 104 BPM และคีย์ D major พร้อมการผลิตแบบอัลเทอร์เนทีฟ-ป็อปสมัยใหม่ การออกเสียงตามธรรมชาติ และเอฟเฟกต์เสียงร้องที่จำกัด ไม่มีการบรรยายด้วยเสียงพูด แร็ป การเลียนแบบศิลปินจริง หรือการเฟดเอาท์ รักษาลำดับส่วนนี้ให้ตรงตามเดิมและทำให้ทุกการเปลี่ยนแปลงในการผลิตได้ยินได้ชัดเจน: Intro—ประมาณ 6 วินาที ใช้เพียงกีตาร์ไฟฟ้าที่ผ่านฟิลเตอร์และซินธ์ที่ฟังดูห่างไกล; Verse—เพิ่มเบสแบบ dry และเครื่องตีแบบ rim-click; Pre-Chorus—เพิ่ม pad ที่ค่อยๆ เพิ่มระดับเสียงขึ้นโดยไม่ใช้ชุดกลองเต็มรูปแบบ; Chorus—นำชุดกลองเต็มรูปแบบ ซินธ์ที่กว้างขึ้น และ hook ที่ชัดเจนและมีทำนอง; ช่วงพักเครื่องดนตรี—ประมาณ 8 วินาที, ใช้เสียงเอคโค่ของทำนองคอรัสโดยไม่มีเสียงร้อง; ช่วงบริดจ์—ลดเหลือเพียงเปียโนและเสียงร้องที่ใกล้ชิดและเป็นส่วนตัว; คอรัสสุดท้าย—นำวงดนตรีเต็มรูปแบบกลับมา เพิ่มเสียงประสานและไลน์กีตาร์อ็อกเทฟ และทำให้มีขนาดใหญ่กว่าคอรัสแรก; Outro—ลบกลองออก กลับสู่เสียงกีตาร์ที่ผ่านฟิลเตอร์ และจบด้วยคอร์ดสุดท้ายที่ชัดเจน

ร้องตามเนื้อเพลงที่ระบุไว้ด้านล่างอย่างแม่นยำ ห้ามเพิ่ม ลบ เปลี่ยนลำดับ หรือร้องคำสั่งเครื่องดนตรีในวงเล็บเป็นเนื้อเพลง

[Intro]
(เครื่องดนตรี)
[Verse]
หน้าปัดที่แตกร้าวส่งเสียงเพลงที่ขาดๆ หายๆ
นิ้วมือลูบตามเส้นที่จางหาย
เสียงรบกวนกระซิบเติมเต็มห้อง
ค้นหาผ่านสัญญาณที่พันกัน
[Pre-Chorus]
สัญญาณกระพริบ เสียงไม่ชัดเจน
รอคอยเสียงที่ลึกซึ้ง
[Chorus]
คุณได้ยินฉันผ่านเสียงรบกวนได้ไหม?
เสียงเรียกจากไกล การเลือกที่เปราะบาง
เสียงรบกวนจางลง เสียงที่ชัดเจนขึ้น
จับมือกันแน่น เราจะหาเสียงรบกวนนั้นเจอ
[ช่วงพักดนตรี]
(ดนตรี)
[บริดจ์]
ความหวังที่เปราะบางในแสงที่แตกสลาย
เสียงสะท้อนเบาๆ ดึงฉันเข้าใกล้
ในความเงียบ คุณปรากฏตัว
[คอรัสสุดท้าย]
คุณได้ยินฉันผ่านเสียงรบกวนได้ไหม?
เสียงเรียกจากไกลๆ การเลือกที่เปราะบาง
เสียงรบกวนค่อยๆ จางลง เสียงที่ชัดเจนขึ้น
จับมือกันไว้แน่น เราจะหาทางผ่านเสียงรบกวนนี้
[ส่วนท้าย]
เสียงกระซิบเปลี่ยนเป็นเพลง
เราอยู่ที่ที่เราควรอยู่

ผลจากสามการทดสอบ

ผลการประเมินประสิทธิภาพ

• ร้อง: ในทดสอบ 1 เสียงชัดเจน อยู่ตรงกลาง และแยกออกจากเสียงพื้นหลังอิเล็กทรอนิกส์ได้อย่างชัดเจน.
• การเขียนเพลงแบบไม่มีคำร้อง: ธีมเปียโนและการสร้างบรรยากาศอย่างควบคุมใน Test 2 แสดงให้เห็นว่าโมเดลนี้สามารถจัดการได้มากกว่าเพลงป็อปที่มีเสียงร้อง.
• การควบคุมคำสั่ง: โครงสร้างโดยรวมมีความชัดเจนมากกว่าการกำหนดเวลาในระดับเฟรม; ส่วนเปิดเรื่อง ช่วงพัก จุดสำคัญ และส่วนปิดเรื่อง ยังคงจำเป็นต้องตรวจสอบด้วยมือ.
• ภาระในการแก้ไข: ไม่มีผลลัพธ์ใดในทั้งสามผลลัพธ์ที่ไม่สามารถใช้งานได้ แต่การทดสอบที่ 2 และ 3 จำเป็นต้องปรับเปลี่ยนการจัดวางเล็กน้อยเพื่อให้สอดคล้องกับมาตรฐานการผลิตอย่างเคร่งครัด.

ผลการวิเคราะห์ประสิทธิภาพ

• ผลรวม: 270 วินาที สำหรับไฟล์ทั้งสามไฟล์.
• ยอดค่าบริการรวมตามรายงานงาน: $0.675.
• ค่าบริการต่อครั้ง: $0.225 เป็นเวลา 90 วินาที ซึ่งเท่ากับ 1.5 นาที × อัตรา API อย่างเป็นทางการที่ $0.15 ต่อนาที.
• ไม่มีการออกอากาศซ้ำ: ทั้งสามงานที่เสร็จสิ้นแล้วล้วนให้ผลลัพธ์เป็นไฟล์เสียงที่ใช้งานได้ตั้งแต่การบันทึกครั้งแรก.

วิธีเข้าถึง ElevenLabs Music v2

การเข้าถึง API และตัวเลือกการควบคุมที่มีอยู่

SDK อย่างเป็นทางการเปิดเผยโมเดลผ่าน elevenlabs.music.compose กับ model_id="music_v2". คำขอพื้นฐานสามารถกำหนดภาษาธรรมชาติ คำสั่ง และ ความยาวของเพลง (มิลลิวินาที). แผนการจัดแต่งเพลงช่วยเพิ่มโครงสร้างส่วนต่าง ๆ ให้แม่นยำยิ่งขึ้น รวมถึงการควบคุมจังหวะของเนื้อเพลงและการจัดเรียงเพลง.

• รุ่น: สร้างเพลงหรือเพลงบรรเลงแบบเต็มจากคำสั่ง.
• คำตอบโดยละเอียด: ขอข้อมูลเพิ่มเติมเกี่ยวกับผลงานที่สร้างขึ้น.
• สตรีมมิ่ง: เริ่มรับเสียงได้โดยไม่ต้องรอจนไฟล์เสร็จสมบูรณ์.
• การเติมภาพ: สร้างใหม่ในส่วนที่เลือกแทนที่จะแทนที่ทั้งแทร็ก.
• การจับคู่ข้อมูลอ้างอิง: นำทางให้คนรุ่นใหม่ด้วยเอกสารอ้างอิงเมื่อจำเป็น.

คำสั่งที่ระบุชื่อศิลปิน เพลง หรือเนื้อเพลงที่ได้รับการคุ้มครองลิขสิทธิ์ อาจก่อให้เกิด bad_prompt หรือ แผนการจัดองค์ประกอบที่ไม่ดี คำตอบ: ให้อธิบายลักษณะทางดนตรีแทนที่จะถามถึงสไตล์ที่แน่นอนของศิลปินที่ยังมีชีวิตอยู่.

ตัวอย่างคำขอ API

import os
from elevenlabs import ElevenLabs, save

client = ElevenLabs(api_key=os.environ["ELEVENLABS_API_KEY"])

audio = client.music.compose(
    model_id="music_v2",
    prompt=(
 "สร้างเพลงบรรเลงแบบภาพยนตร์ต้นฉบับที่มีเสียงเปียโนที่ให้ความรู้สึกอบอุ่น, "
 "เครื่องสายเสียงต่ำ, การสร้างบรรยากาศที่ค่อยๆ เพิ่มขึ้น, และคอร์ดสุดท้ายที่ลงตัว."
    ),
    music_length_ms=90_000,
)

save(audio, "music-v2-test.mp3")

เก็บ API key ไว้ในตัวแปรสภาพแวดล้อม (environment variable) ไม่ใช่ภายในสคริปต์ สำหรับแอปพลิเคชันในสภาพแวดล้อมการผลิต ให้เพิ่มการบันทึกคำขอ (request logging) ขีดจำกัดการลองใหม่ (retry limits) และกำหนดขีดจำกัดค่าใช้จ่ายที่ชัดเจน ก่อนที่จะสร้างแทร็กที่ยาว.

ราคาและค่าใช้จ่ายในการทดสอบของเรา

อัตราต่อหน่วยในบันทึกการทดสอบของเราตรงกับอัตรา API อย่างเป็นทางการ จุดเด่นของ GlobalGPT ในที่นี้คือการเข้าถึงแบบรวมและลดจำนวนการสมัครสมาชิกแยกต่างหาก — ไม่ใช่ราคาต่อนาทีของ Music v2 ที่ได้รับการยืนยันว่าต่ำกว่า.

วิธีใช้คำสั่งกับ ElevenLabs Music v2