Questions fréquentes

Acheteurs : ouvrez une voix depuis la vitrine d’un comédien ou depuis la place de marché, cliquez sur Générer la voix, tapez votre script (au moins 30 caractères) et générez. Vous êtes facturé à la seconde d’audio produit, et vous pouvez écouter un court aperçu gratuit avant d’acheter.

Comédiens voix : pour créer votre voix, téléversez des enregistrements de référence de votre propre voix. L’IA se clone à partir de ceux-ci, donc leur qualité compte bien plus que leur nombre. Un seul bon échantillon suffit pour publier une voix, mais ajouter un échantillon par émotion (chacun clairement libellé) débloque les indications et une palette bien plus expressive. Créez une voix distincte pour chaque langue et chaque accent que vous jouez. Voir « Comment enregistrer mes échantillons de voix pour un résultat optimal ? » ci-dessous pour des conseils détaillés.

Vos échantillons sont la référence à partir de laquelle l’IA se clone : leur qualité façonne directement tout ce qui est généré avec votre voix. Un peu de soin ici fait une grande différence.

Une voix par langue et par accent

• Une voix porte une langue et un accent. Si vous en jouez plusieurs (espagnol de Colombie et espagnol du Mexique, ou un anglais new-yorkais et un anglais du Sud des États-Unis), créez une voix distincte pour chacun. Les acheteurs recherchent par accent, donc chacune est trouvée séparément, et l’IA clone chacune uniquement à partir d’échantillons dans cet accent.
• Les échantillons appartiennent à une voix et en portent la langue et l’accent. Ce qu’un échantillon ajoute, c’est l’émotion, c’est-à-dire les indications que les acheteurs utilisent en cours de script ; mélanger des accents dans une même voix laisserait une indication comme [happy] avec deux réponses possibles.
• Un seul bon échantillon suffit pour publier une voix. Pour offrir une palette émotionnelle aux acheteurs, ajoutez un échantillon par émotion (voir ci-dessous).
• Visez environ 10 à 30 secondes de parole propre et continue par échantillon. Seules huit secondes environ servent à cloner la voix (sur un échantillon plus long, son passage le plus continu), donc une durée supplémentaire n’apporte pas grand-chose. Les échantillons de plus de 2 minutes sont refusés au téléversement.
• Jouez, ne lisez pas. La voix copie l’interprétation de votre échantillon. Une lecture appliquée et plate donne des générations plates : enregistrez-le comme vous voudriez qu’un client vous entende.

Une émotion par échantillon

• Gardez pour chaque échantillon une seule émotion et un seul style, constants du début à la fin. Ne combinez pas, par exemple, une phrase enjouée et une phrase sombre dans un même enregistrement : le modèle capte l’interprétation globale de l’échantillon, et mélanger les styles brouille le résultat.
• Maintenez un ton, un rythme, une énergie et un volume stables au sein de chaque échantillon.
• Libellez chaque échantillon avec son émotion (Happy, Calm, Confident, Excited…). Ces libellés deviennent les indications que les acheteurs utilisent pour changer d’émotion en cours de script.

Qualité audio

• Enregistrez dans un endroit calme : pas de bruit de fond, de ronflement, d’écho ni de réverbération.
• Pas de musique de fond, d’effets sonores ni d’autres voix.
• Utilisez un bon microphone si possible (plutôt que le micro d’un téléphone ou d’un ordinateur portable), et évitez l’audio fortement compressé ou à faible débit.
• Gardez un volume constant et naturel, sans saturation ni distorsion.
• Exportez en mono, ou assurez-vous que les deux canaux stéréo contiennent du son. Un fichier enregistré depuis un seul micro sur un seul côté d’une piste stéréo ne sort que d’une oreille et ne donne à l’IA que la moitié d’une référence : ces téléversements sont refusés.
• Téléversez la meilleure qualité dont vous disposez : un WAV non compressé est idéal.

Nettoyez avant de téléverser

• Coupez les silences et les blancs au début et à la fin.
• Retirez les respirations lourdes, les clics de bouche et les claquements de lèvres, mais ne supprimez pas toutes les respirations. Les testeurs citent systématiquement l’absence totale de respiration comme ce qui trahit une voix IA : les respirations légères et naturelles sont un atout, pas un défaut.
• Coupez les hésitations et les faux départs.

Pas de mots ni de sons de remplissage

Une lecture improvisée et conversationnelle sonne souvent plus naturelle et vivante qu’une lecture scriptée : c’est un bon instinct, et nous ne voulons pas l’aplatir. Mais l’improvisation est aussi la source des « euh », « hmm », « donc… » et « vous voyez », et dans un échantillon de référence, ceux-ci ont un coût qui n’existe pas dans le travail vocal ordinaire : un son de remplissage dans votre échantillon ne reste pas dans votre échantillon.

• L’IA n’a aucun moyen de savoir qu’un son de remplissage n’est pas un mot que vous vouliez dire. Elle traite tout ce qui est dans l’échantillon comme faisant partie de votre façon de parler, et peut donc reproduire ce son dans l’audio généré : au début d’une lecture, et à nouveau après chaque pause.
• L’échantillon d’un comédien contenait un léger « euh » dans les premières secondes. Chaque génération de cette voix commençait par un « euh ».
• Il en va de même pour les raclements de gorge, les déglutitions audibles et tout ce que vous couperiez au montage d’une prise finale.

Deux façons de garder le naturel sans en payer le prix : écrivez les mots et jouez-les plutôt que de les lire platement, ou improvisez comme d’habitude et supprimez les sons de remplissage avant de téléverser. Les deux fonctionnent ; ce qui compte, c’est que le fichier téléversé n’en contienne plus aucun.

Quoi dire

• Parlez naturellement, en articulant bien, en phrases complètes.
• Choisissez un contenu représentatif du style que vous proposez ; évitez les virelangues et les textes remplis de chiffres.
• Assurez-vous que la langue et l’accent que vous parlez correspondent exactement à la voix à laquelle cet échantillon appartient.

Si votre voix possède plusieurs échantillons libellés, vous pouvez changer d’émotion en cours de script en insérant l’indication avant un passage :

[happy] Bon retour parmi nous ! [calm] Respirons profondément.

D’autres commandes de script à combiner :

• [pause 2] insère une pause exacte de 2 secondes. Toute durée de [pause 0.5] à [pause 30] fonctionne (les décimales sont acceptées) ; les valeurs au-delà de 30 secondes sont ignorées. [pausa 3] fonctionne aussi.
• [emphasize] augmente le volume de la phrase suivante (parfait pour les slogans)
• {Marque|phonétique} contrôle la prononciation, ex. {Nike|Naïki}
• La ponctuation façonne le rythme plus subtilement : les virgules et les points de suspension (…) ajoutent de courtes pauses naturelles. Un retour à la ligne fait plus qu’une pause : il change la façon dont le modèle rythme et module tout le passage, de sorte que placer un paragraphe sur sa propre ligne peut nettement modifier l’interprétation. Pour une pause exacte et prévisible, utilisez [pause N].

L’essentiel de la différence entre une bonne génération et une excellente vient du script lui-même. Ces conseils viennent directement de ce que nos testeurs ont constaté :

• Utilisez [pause N] pour un rythme fiable. La ponctuation influence la cadence, mais seule une balise de pause donne un silence exact et reproductible.
• Les retours à la ligne sont un vrai levier créatif. Placer un paragraphe sur sa propre ligne n’ajoute pas seulement un silence : cela change la façon dont la voix rythme et module ce passage. Si une lecture semble plate, essayez de la découper autrement avant de changer les mots.
• Donnez une phrase complète à chaque section avec indication. Chaque section est générée séparément et doit contenir au moins 30 caractères ; les fragments courts sonnent coupés et sont refusés.
• Changez d’émotion une à la fois. Chaque indication est générée à partir d’un enregistrement différent, donc changer d’émotion à chaque ligne rend l’interprétation agitée. Regroupez plutôt votre script en quelques blocs émotionnels.
• Découpez les longs scripts en parties. Chaque indication ajoute du temps de génération ; les scripts très longs et très balisés peuvent dépasser le temps imparti. Deux générations plus courtes sont plus rapides et sonnent généralement mieux qu’une seule qui s’étire.
• Écrivez les nombres, les dates et les sigles comme ils doivent être dits (« deux mille vingt-six », « A-P-I »), et utilisez {Marque|phonétique} pour les noms que la voix prononce mal.
• Regénérez après de petites modifications. Comme le modèle lit tout le script pour le contexte, un petit changement de formulation ou d’espacement peut sensiblement modifier l’interprétation : une seconde tentative vaut souvent le coup.

Worder prend actuellement en charge 10 langues (anglais, espagnol, français, allemand, italien, portugais, japonais, coréen, chinois et russe), chacune avec des variantes régionales et d’accent (par exemple, l’anglais ou l’espagnol de différents pays). Si la langue ou l’accent dont vous avez besoin n’est pas encore proposé, écrivez à admin@worder.com et nous vous tiendrons informé à mesure que notre prise en charge des langues s’élargit.

• Code d’invitation : vous n’en avez pas besoin pour vous inscrire. Si vous en saisissez un et qu’il est refusé, vérifiez qu’il ne contient pas de faute de frappe, ou videz le champ et inscrivez-vous sans.
• Codes de vérification qui n’arrivent pas : nous envoyons un code par e-mail à l’inscription et, si vous l’activez, à la connexion à deux facteurs. S’il n’arrive pas dans la minute, vérifiez votre dossier de spam ou de promotions et confirmez que vous avez saisi la bonne adresse e-mail, puis demandez un nouveau code.
• « 0 correspondance » sur votre vidéo de vérification : cela signifie que les mots que nous avons transcrits de votre enregistrement ne correspondaient pas à la phrase à l’écran, généralement à cause d’un bruit de fond, d’un débit trop rapide ou d’une lecture inexacte de la phrase. Enregistrez dans une pièce calme, lisez la phrase exactement comme elle est affichée, et réessayez.
• Toujours bloqué ? Écrivez à admin@worder.com en indiquant votre adresse e-mail et ce que vous essayiez de faire, et nous vous aiderons directement.

Aucune facture à envoyer : tout est automatisé. Les acheteurs paient à la génération, et en tant que comédien voix, vous conservez 90 % de chaque vente après les frais de carte bancaire et de génération IA. Votre solde est versé automatiquement via Stripe le 1er de chaque mois, dès qu’il a atteint 10 $, et vous pouvez suivre vos revenus et vos versements depuis votre tableau de bord.

Worder paie les comédiens voix via Stripe Connect. Vous devrez le faire une fois, avant votre premier versement : nous ne pouvons pas envoyer d’argent vers un compte qui n’a pas été configuré.

1. Allez sur votre page Revenus et cliquez sur Connectez Stripe pour être payé.
2. Choisissez le pays où votre compte bancaire est domicilié. Soyez attentif ici : Stripe fixe le pays à la création du compte et il ne peut plus être modifié ensuite. Il détermine aussi les champs bancaires qui vous seront demandés : un numéro de routage aux États-Unis, un IBAN dans une grande partie de l’Europe, un sort code au Royaume-Uni.
3. Stripe vous demandera votre nom légal, votre date de naissance, votre adresse et vos coordonnées bancaires. Les entreprises peuvent aussi se voir demander un numéro d’identification fiscale.
4. Selon votre pays et vos revenus, Stripe peut demander une pièce d’identité avec photo ou un justificatif de domicile. Il s’agit d’une vérification d’identité exigée par la réglementation financière : Worder ne voit jamais ces documents.
5. Une fois terminé, vous êtes ramené sur Worder. Votre page Revenus indiquera que les versements sont activés, généralement en quelques minutes.

Vous n’êtes pas obligé de tout faire en une fois. Si vous vous arrêtez en cours de route, le même bouton sur votre page Revenus reprend là où vous en étiez.

• Votre part de chaque vente (90 %, après les frais de carte bancaire et de génération IA) est ajoutée à votre solde en attente dès qu’un acheteur génère de l’audio.
• Les versements ont lieu une fois par mois, le 1er, et uniquement pour les soldes de 10 $ ou plus. En dessous, votre solde est simplement reporté au mois suivant.
• Une fois un versement envoyé, Stripe le vire sur votre compte bancaire. Le délai dépend de votre pays et de votre banque : généralement deux à sept jours ouvrés pour un premier versement, et plus rapide ensuite.
• Vous pouvez voir chaque versement, y compris ceux encore en transit, dans votre tableau de bord Stripe Express, accessible depuis votre page Revenus.

Vous fixez votre propre tarif, par seconde d’audio généré, et après les frais de carte bancaire et de génération IA, vous conservez 90 % de chaque vente. Personne chez Worder ne fixe votre prix. Mais la plupart des comédiens voix fixent un tarif pour la génération IA pour la première fois, alors voici à quoi ressemble le marché.

Ce que coûte la génération de voix IA aujourd’hui

La synthèse vocale IA générique (sans humain impliqué, sans consentement donné, sans personne payée) coûte aux acheteurs environ 0,10 à 0,50 $ par minute finie. C’est le point de référence que chaque acheteur a en tête en arrivant.

Worder est plus cher que cela, et c’est normal. Votre voix appartient à une personne réelle qui a accepté le travail et est payée pour, et cela mérite d’être payé. Mais l’écart doit rester raisonnable : un acheteur qui vous compare à une voix synthétique paiera un supplément pour une vraie voix, pas plusieurs fois le prix.

Une fourchette qui fonctionne : 3 à 10 ¢ par seconde, soit environ 1,80 à 6,00 $ par minute finie. À 5 ¢ la seconde, une minute d’audio fini coûte 3,00 $ à l’acheteur, et vous en gagnez 2,70 $.

Une chose facile à oublier

Les acheteurs paient chaque prise. Un script est rarement bon du premier coup, et quinze tentatives d’une lecture de trente secondes représentent sept minutes et demie d’audio facturé, pas trente secondes. Votre tarif s’applique à tout ce qu’ils génèrent, pas seulement à la version qu’ils gardent : un tarif élevé vous coûte donc des commandes sans que vous le voyiez, parce que l’acheteur choisit discrètement quelqu’un d’autre.

Les extrêmes

• En dessous d’environ 2 ¢ la seconde, vous vous alignez sur le prix de l’IA générique : une course sans vainqueur, qui brade la seule chose que ces outils ne peuvent pas offrir.
• Au-dessus d’environ 15 ¢ la seconde, les acheteurs voudront une raison visible sur votre fiche : une langue ou un accent rare, un personnage distinctif, un nom qu’ils connaissent déjà.

Chiffres du marché vérifiés en août 2026 ; les prix de la voix IA évoluent vite.

Les versements passent par Stripe Connect, qui prend en charge les comédiens voix dans de nombreux pays, mais les coordonnées bancaires exactes que Stripe demande dépendent du pays où votre compte est domicilié (un numéro de routage aux États-Unis, un IBAN dans une grande partie de l’Europe, un sort code au Royaume-Uni, etc.). Quelques conseils :

• Au début de l’inscription, sélectionnez le pays où votre compte bancaire est réellement domicilié : c’est lui qui détermine les champs affichés.
• Saisissez vos coordonnées au format de votre pays. Si un champ comme « numéro de routage » ne vous concerne pas, choisir le bon pays fait apparaître l’équivalent adapté à la place.
• Vous pouvez reprendre l’inscription à tout moment depuis votre page Revenus si vous ne l’avez pas terminée.
• Quelques pays ne sont pas encore pris en charge par Stripe pour les versements. Vous pouvez consulter la liste à jour sur stripe.com/global. Si vous ne parvenez pas à terminer l’inscription, écrivez à admin@worder.com en indiquant votre pays et nous vous conseillerons sur les options.

Si vous avez choisi le mauvais pays

Stripe fixe le pays d’un compte à sa création, il ne peut donc pas être modifié ensuite : le compte doit être remplacé. Si le vôtre demande des coordonnées bancaires du mauvais pays (un numéro de routage américain alors que votre banque est en Espagne, par exemple), allez sur votre page Revenus, utilisez « Mauvais pays, ou coordonnées bancaires demandées incorrectes ? Recommencer », choisissez le bon pays et reconnectez-vous. Cela supprime l’ancienne inscription et en crée une nouvelle. Les revenus déjà présents sur votre solde Worder ne sont pas affectés.

Cela se passe entre vous et Stripe, et non sous le contrôle de Worder : nous pouvons voir si votre compte est prêt pour les versements, mais pas ce que Stripe vous demande.

• En attente signifie généralement que Stripe examine encore ce que vous avez soumis. La plupart des examens se terminent en un jour ou deux.
• Restreint ou informations requises signifie qu’il manque quelque chose : souvent une pièce d’identité, un justificatif de domicile ou un compte bancaire qui n’a pas pu être vérifié. Stripe indique exactement ce dont il a besoin.
• Ouvrez votre tableau de bord Stripe Express depuis votre page Revenus pour voir les éléments en attente et téléverser ce qui manque. Vous pouvez aussi y accéder directement sur connect.stripe.com/express_login.
• Pour tout ce qui concerne spécifiquement Stripe (un document refusé, une vérification qui n’aboutit pas, une question sur leurs exigences), l’assistance de Stripe est la voie la plus rapide : support.stripe.com.

Vos revenus continuent de s’accumuler sur Worder pendant que cela se règle. Rien n’est perdu : les versements attendent simplement que Stripe les active, puis partent normalement.

Vous gardez toujours le contrôle. Vous pouvez modifier ou retirer vos voix et vos échantillons à tout moment, et définir des restrictions d’usage (les catégories de contenu pour lesquelles votre voix ne peut pas être utilisée) dans les paramètres de votre compte.

Si vous supprimez votre compte, vos modèles de voix et vos échantillons sont définitivement supprimés et ne pourront plus jamais servir à générer de nouvel audio. L’audio qu’un acheteur a déjà généré et téléchargé avant la suppression lui reste acquis dans le cadre de la licence qu’il a achetée (nous ne pouvons pas rappeler des fichiers déjà livrés), mais plus rien de nouveau ne pourra jamais être produit à partir de votre voix. Pour demander la suppression de votre compte, écrivez à admin@worder.com.

• Aucun entraînement d’IA sur votre voix : Worder n’utilise pas vos échantillons pour entraîner, affiner ou améliorer des modèles d’IA, et il est contractuellement interdit aux acheteurs d’entraîner quoi que ce soit sur l’audio qu’ils génèrent.
• Filtrage automatisé : chaque requête de génération est filtrée avant toute production d’audio. Les contenus des catégories que vous avez restreintes, l’usurpation de l’identité de personnes réelles et les contenus visant ou nuisant à des personnes réelles sont automatiquement bloqués.
• Des voix vérifiées et créditées : chaque voix est rattachée à une personne réelle et vérifiée. C’est au cœur de ce qui fait de Worder une place de marché équitable : les acheteurs savent exactement de qui ils licencient la voix, et les comédiens sont dûment crédités et payés. Les voix ne sont pas anonymes.

Utilisez des échantillons de référence propres et expressifs, enregistrés dans une pièce calme, et tirez parti des outils de script pour façonner l’interprétation : indications ([happy], [calm]), pauses ([pause 2]), emphase ([emphasize]) et prononciation forcée ({Marque|phonétique}). Des phrases de longueur naturelle et une ponctuation claire aident aussi le modèle à produire une parole plus naturelle.

Worder est en bêta ouverte : tout le monde peut s’inscrire, les comédiens voix peuvent proposer leurs voix, et les acheteurs peuvent parcourir la place de marché et générer de l’audio dès aujourd’hui. Une vidéo de prise en main est en préparation ; nous la partagerons dès qu’elle sera prête. En attendant, si vous souhaitez un coup de main pour vous lancer, écrivez à admin@worder.com.