API Worder
Générez la voix par programmation à partir de vraies voix humaines vérifiées. Payez à la seconde d’audio généré.
Pourquoi développer avec Worder ?
Des voix d’origine éthique
Chaque voix est téléversée et vérifiée en vidéo par le comédien voix lui-même. Aucune donnée aspirée sur le web.
Tarification à la seconde
Chaque comédien fixe son tarif par seconde. Ne payez que l’audio que vous générez, ou économisez avec les paliers d’abonnement.
Les comédiens conservent 90 %
Après les frais de carte bancaire et de génération IA, les comédiens voix conservent 90 % de chaque vente. Les versements passent par Stripe Connect.
Démarrage rapide
1. Obtenez votre clé d’API et ajoutez des crédits
Créez un compte, puis rendez-vous dans Tableau de bord → API développeur pour créer une clé. Ajoutez des crédits (5 $ minimum) : chaque génération est débitée de votre solde ou d’un abonnement que vous détenez auprès d’un comédien voix.
2. Trouvez une voix et un échantillon
curl https://worder.com/api/v1/voices \ -H "Authorization: Bearer wdr_YOUR_API_KEY"
Renvoie les voix avec leurs identifiants, échantillons, langues, tarifs à la seconde et paliers d’abonnement. Ou parcourez la place de marché et copiez l’identifiant de la voix / de l’échantillon depuis n’importe quelle page d’échantillon → « Générer via l’API ».
3. Générez la voix
curl -X POST https://worder.com/api/v1/generate \
-H "Authorization: Bearer wdr_YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"voice_id": "VOICE_ID",
"sample_id": "SAMPLE_ID",
"text": "[happy] Hello, this is a test of the Worder API. [pause 1] [calm] Now let us discuss the details."
}'Renvoie une URL signée vers le WAV généré, le nombre de secondes produites, le montant facturé, et si le débit provient d’un abonnement ou de vos crédits.
Types de voix
Mono-émotion
Un seul échantillon enregistré. Tout le script est généré sur un ton uniforme. Les indications ne sont pas disponibles. Idéal pour la narration, les annonces et les contenus au style constant.
Multi-émotions
13 styles émotionnels enregistrés par le comédien voix. Les acheteurs utilisent des indications comme [happy], [angry], [calm] pour changer d’émotion en cours de script. Idéal pour les publicités, les récits, les personnages et les contenus dynamiques.
Indications disponibles : normal, excited, happy, confident, fast, calm, surprised, angry, thoughtful, sad, annoyed, scared, nervous.
Le champ voiceType de la réponse de l’API vous indique le type d’une voix. Utilisez descriptiveTags (jusqu’à 5 mots-clés comme « grave », « chaleureuse », « professionnelle ») pour rechercher des voix correspondant à une qualité précise.
Référence de l’API
/api/v1/voicesListe les voix vérifiées en vidéo qui ont au moins un échantillon.
Paramètres de requête
language — Filtrer par langue (ex. "English")
search — Recherche par nom, insensible à la casse
limit — Résultats par page (20 par défaut, 100 max.)
offset — Décalage de pagination
Réponse
{
"voices": [
{
"id": "...",
"name": "Professional Narrator",
"language": "English (United States)",
"accent": null,
"voiceType": "MULTI_EMOTION",
"descriptiveTags": ["deep", "warm", "professional"],
"samples": [
{ "id": "...", "label": "normal" },
{ "id": "...", "label": "happy" },
{ "id": "...", "label": "angry" }
],
"user": {
"id": "...",
"name": "Sarah Mitchell",
"pricePerSecondCents": 5,
"volumeDiscounts": [
{ "threshold": 3600, "discountPercent": 20 }
],
"storefront": { "slug": "sarahmitchell" }
}
}
],
"total": 42,
"limit": 20,
"offset": 0
}/api/v1/generateGénère la voix à partir d’une voix. Si vous avez un abonnement actif auprès de ce comédien voix, les secondes sont déduites de l’abonnement. Sinon, vos crédits sont débités au tarif par seconde du comédien.
Corps de la requête (JSON)
voice_id obligatoire — Identifiant de la voix
sample_id — Échantillon par défaut pour le texte sans indication (le premier échantillon par défaut)
text obligatoire — Texte à synthétiser (30 caractères min., 5 000 max.). Accepte les indications et les balises de pause (voir ci-dessous).
Indications
Encadrez des parties de votre script par des crochets contenant un nom d’indication qui correspond à l’un des libellés d’échantillon de la voix. Worder génère chaque section avec l’échantillon correspondant, puis assemble l’audio.
"text": "[happy] Welcome to the show! [confident] Now let's talk business."
Les indications disponibles dépendent de la voix : consultez le champ samples[].label renvoyé par /api/v1/voices. Le texte sans indication utilise le sample_id que vous avez indiqué, ou le premier échantillon. Sur une voix multi-émotions, une indication qui ne correspond à aucun de ses échantillons renvoie 422 avec les indications disponibles de la voix ; rien n’est généré ni facturé. Les scripts écrits avec les 13 indications standard fonctionnent sur toute voix qui les propose.
Balise de pause
Insère un silence entre deux sections. Indiquez la durée en secondes (entier ou décimal, 30 max.). Le texte qui suit une pause continue dans le style de l’indication précédente.
"text": "[excited] Big news! [pause 2] [calm] But let's take it one step at a time." "text": "[calm] Take a breath. [pause 1.5] Now continue." "text": "[happy] Hola! [pausa 3] [calm] Ahora hablemos con calma."
[pause N] et [pausa N] sont tous deux acceptés (dans toutes les langues).
Balise d’emphase
Utilisez [emphasize] pour augmenter le volume de la section suivante. Elle ne change pas le style de la voix : elle utilise le même échantillon que l’indication précédente. Le texte qui suit [emphasize] continue dans le style de l’indication précédente.
"text": "[calm] Take a deep breath. [emphasize] Now give it everything you've got!"
Également acceptés : [emphasis], [enfatizar], [énfasis].
Prononciation forcée
Utilisez {written|spoken} pour contrôler la prononciation de certains mots. Le moteur TTS reçoit la version « prononcée » ; le contrôle qualité compare avec la version « écrite ».
"text": "{Pulse|Pols} es la energía que necesitas. {Nike|Naiki} también lo sabe."Utile pour les noms de marque, les mots étrangers ou les termes techniques que le TTS prononce mal.
Contraintes par segment
Chaque section avec indication doit contenir au moins 30 caractères. Les segments plus courts produisent un audio peu fiable. Si plusieurs sections sont trop courtes, l’API renvoie toutes les erreurs en une fois.
Après la génération, Worder transcrit le résultat avec Whisper et le compare au texte d’entrée. Si la correspondance est inférieure à 90 %, la génération est rejetée (422) et rien ne vous est facturé.
Réponse
{
"audio_url": "https://...",
"voice_id": "...",
"sample_id": "...",
"seconds_generated": 12,
"cost_cents": 60,
"charged_via": "credits",
"subscription_id": null,
"balance_cents": 9940
}Codes d’erreur
400 — Erreur de validation (texte trop court, langue incohérente, segment trop court). Peut contenir plusieurs erreurs séparées par des sauts de ligne.
401 — Clé d’API invalide ou manquante
402 — Crédits insuffisants (la réponse inclut required_cents, balance_cents)
404 — Voix ou échantillon introuvable
422 — Échec du contrôle qualité (la réponse inclut similarity, transcript, quality_failed: true). Rien ne vous est facturé.
502 — Échec de la génération (erreur du service TTS)
Tarifs
Tarification à la seconde : chaque comédien voix fixe son propre tarif (0,01 $/s minimum). Vous ne payez que les secondes d’audio réellement produites.
Abonnements : engagez-vous sur un volume mensuel de secondes (1 h, 10 h ou 100 h) et économisez 20 à 60 % sur le tarif à la seconde. Les abonnements s’achètent sur le site et s’appliquent automatiquement à vos appels d’API.
Crédits : rechargements ponctuels de votre compte, 5 $ minimum. Les crédits sont débités lorsqu’aucun abonnement ne couvre une génération.
Partage des revenus : les frais de traitement par carte et de génération IA sont déduits en premier. Sur le reste, les comédiens voix conservent 90 % (versés via Stripe Connect) et Worder 10 %.