Worder API
以编程方式用真实、经过验证的人声生成语音。按生成音频的秒数付费。
为什么用 Worder 构建?
来源合乎道德的声音
每个声音都由配音演员本人上传并通过视频验证。没有抓取的数据。
按秒计价
每位配音演员自行设定每秒价格。只为您生成的音频付费,或通过订阅档位省钱。
配音演员保留 90%
扣除银行卡手续费和 AI 生成费用后,配音演员保留每笔销售的 90%。结算通过 Stripe Connect 处理。
快速开始
1. 获取 API 密钥并充值
创建账户,然后前往控制台 → 开发者 API创建密钥。充值额度(最低 $5)——每次生成都会从您的余额或您对某位配音演员的订阅中扣费。
2. 找到声音和样本
curl https://worder.com/api/v1/voices \ -H "Authorization: Bearer wdr_YOUR_API_KEY"
返回声音列表,包含 ID、样本、语言、每秒价格和订阅档位。也可以浏览市场,在任意样本页面点击“通过 API 生成”复制声音 / 样本 ID。
3. 生成语音
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."
}'返回生成的 WAV 文件的签名 URL、生成的秒数、扣费金额,以及费用来自订阅还是您的额度。
声音类型
单情感
一个录音样本。整段脚本以统一的语气生成。不支持指令标签。最适合旁白、通知和风格一致的内容。
多情感
由配音演员录制 13 种情感风格。买家可用 [happy]、[angry]、[calm] 等指令标签在脚本中途切换情感。最适合广告、故事叙述、角色和富于变化的内容。
可用标签:normal, excited, happy, confident, fast, calm, surprised, angry, thoughtful, sad, annoyed, scared, nervous。
API 响应中的 voiceType 字段表明声音属于哪种类型。使用 descriptiveTags(最多 5 个关键词,如“低沉”、“温暖”、“专业”)搜索符合特定特质的声音。
API 参考
/api/v1/voices列出已通过视频验证且至少有一个样本的声音。
查询参数
language — 按语言筛选(例如 “English”)
search — 按名称搜索(不区分大小写)
limit — 每页结果数(默认 20,最大 100)
offset — 分页偏移量
响应
{
"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/generate用某个声音生成语音。如果您对该配音演员有有效订阅,秒数将从订阅中扣除;否则按该配音演员的每秒价格从您的额度中扣费。
请求体(JSON)
voice_id 必填 — 声音 ID
sample_id — 未加标签文本所用的默认样本(默认为第一个样本)
text 必填 — 要合成的文本(最少 30 个字符,最多 5,000 个字符)。支持指令标签和停顿标签(见下文)。
指令标签
用方括号把脚本的各部分括起来,标签名需与该声音的某个样本标签一致。Worder 会用匹配的样本生成每一段,再把音频拼接在一起。
"text": "[happy] Welcome to the show! [confident] Now let's talk business."
可用标签因声音而异——请查看 /api/v1/voices 返回的 samples[].label 字段。未加标签的文本使用您指定的 sample_id,或第一个样本。对于多情感声音,若标签与其任何样本都不匹配,将返回 422 并附上该声音的可用标签——不会生成任何内容,也不会扣费。使用 13 个标准标签编写的脚本可用于任何提供这些标签的声音。
停顿标签
在段落之间插入静音。以秒为单位指定时长(整数或小数,最大 30)。停顿之后的文本沿用前一个标签的风格。
"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] 和 [pausa N] 均受支持(适用于任何语言)。
强调标签
使用 [emphasize] 提高下一段的音量。它不会改变声音风格——使用的样本与前一个标签相同。[emphasize] 之后的文本沿用前一个标签的风格。
"text": "[calm] Take a deep breath. [emphasize] Now give it everything you've got!"
也支持:[emphasis]、[enfatizar]、[énfasis]。
发音覆盖
使用 {written|spoken} 控制特定词语的发音。TTS 引擎接收“spoken”(读音)部分;质量检查则与“written”(书面)部分比对。
"text": "{Pulse|Pols} es la energía que necesitas. {Nike|Naiki} también lo sabe."适用于品牌名、外来词或 TTS 读错的专业术语。
分段要求
每个带标签的段落至少需要 30 个字符。过短的段落会产生不稳定的音频。如果多个段落都过短,API 会一次性返回所有错误。
生成后,Worder 会用 Whisper 转写输出并与输入比对。匹配度低于 90% 时,该次生成会被拒绝(422)——不会向您扣费。
响应
{
"audio_url": "https://...",
"voice_id": "...",
"sample_id": "...",
"seconds_generated": 12,
"cost_cents": 60,
"charged_via": "credits",
"subscription_id": null,
"balance_cents": 9940
}错误代码
400 — 验证错误(文本过短、语言不匹配、段落过短)。可能包含多个错误,以换行分隔。
401 — API 密钥无效或缺失
402 — 额度不足(响应包含 required_cents、balance_cents)
404 — 找不到声音或样本
422 — 质量检查未通过(响应包含 similarity、transcript、quality_failed: true)。不会向您扣费。
502 — 生成失败(TTS 服务错误)
定价
按秒计价——每位配音演员自行设定价格(最低 $0.01/秒)。您只为实际生成的音频秒数付费。
订阅——按月购买固定时长的秒数包(1 小时、10 小时或 100 小时),比每秒价格节省 20-60%。订阅在网站界面购买;调用 API 时自动生效。
额度——一次性充值到您的账户,最低 $5。当没有订阅覆盖某次生成时,从额度中扣费。
收入分成——先扣除银行卡手续费和 AI 生成费用。剩余部分中,配音演员保留 90%(通过 Stripe Connect 支付),Worder 保留 10%。