Voizum

Guides

API de synthèse vocale : guide avec exemples Python et JS

L'équipe Voizum · Mis à jour · 12 min de lecture

Une API de synthèse vocale transforme un texte en fichier audio depuis votre propre code ou une automatisation, sans que personne ne clique sur un bouton. Ce guide explique comment en choisir une selon votre usage, puis déroule une intégration complète qui fonctionne : créer la tâche, vérifier son état, télécharger le MP3. Il couvre aussi les textes longs, les lots, l'utilisation de votre propre voix clonée et le branchement sur n8n, Make ou Zapier.

Obtenir ma clé

L'API consomme les crédits d'un pack (60 par tranche de 1 000 caractères). Packs à partir de 5,99 €, sans abonnement.

À quoi sert une API de synthèse vocale et quand en a-t-on besoin ?

Une API TTS (text to speech) est un point d'accès HTTP : vous envoyez un texte et une voix, et vous recevez un audio. Elle devient utile dès que l'audio fait partie d'un processus et non d'une tâche ponctuelle. Si vous commentez une vidéo par mois, un éditeur web est plus rapide. Si vous en commentez une par jour, ou si votre produit doit parler, une API vous évite à chaque fois le cycle copier, coller, télécharger.

Là où nous la voyons le plus utilisée :

  • YouTube et chaînes sans visage : le script sort d'une étape d'écriture (souvent un modèle d'IA) et passe directement à la voix off, puis au logiciel de montage.
  • E-learning et formations : des centaines de leçons courtes régénérées à chaque modification du texte.
  • Applications et produits : notifications, onboarding, accessibilité, boutons « écouter l'article ».
  • Lots : fiches produit, versions audio d'un blog, serveurs vocaux, versions multilingues d'un même script.
  • Automatisations sans code : des scénarios n8n, Make ou Zapier qui transforment une nouvelle ligne d'un tableur en MP3.

Comment choisir une API de synthèse vocale ?

Partez de ce que vous construisez, pas de la démo de la voix. Ce qui divise le marché, c'est la latence face à la longueur : un assistant vocal a besoin de la première syllabe en quelques centaines de millisecondes et diffuse l'audio au fur et à mesure, alors qu'un narrateur veut qu'un script de 40 minutes sorte en un seul fichier propre. Peu d'API sont bonnes dans les deux cas, et les moins chères au caractère sont souvent les moins naturelles.

CritèrePourquoi c'est importantCe qu'il faut vérifier
Latence ou audio longLes agents en temps réel ont besoin du streaming ; la narration demande de longs fichiers sans raccordY a-t-il du streaming ? Quel est le texte maximal par requête ?
LanguesChaque langue a son propre ensemble de voixLa même voix parle-t-elle toutes les langues dont vous avez besoin ?
Voix personnalisées et clonéesUne voix reconnaissable est un actif de marquePeut-on utiliser sa propre voix clonée par l'API ? Y a-t-il un plafond ?
Prix au caractèreC'est la façon dont presque tous les fournisseurs facturent au finalPrix pour 1 000 caractères, minimum par requête, API facturée en supplément ou non
Crédits non utilisésLes forfaits mensuels se remettent à zéro : vous payez ce que vous n'avez pas utiliséLes crédits sont-ils reportés, expirent-ils ou disparaissent-ils à la résiliation ?
LimitesLes requêtes par minute et les tâches en cours déterminent votre architectureEn-têtes de limite, Retry-After, nombre maximal de tâches simultanées
Sortie et stockageVous allez stocker, éditer ou diffuser le fichierFormat (MP3, WAV, PCM), durée de conservation chez le fournisseur

Récupérer votre clé et votre voice_id

Tout passe par du REST simple avec du JSON, l'URL de base https://voizum.com/api/v1 et une authentification par clé Bearer qui commence par sk_voizum_. Le déroulement est toujours le même : créer une tâche, vérifier son état, télécharger le MP3.

  1. 1Achetez n'importe quel pack de crédits sur Voizum : cela débloque la clé d'API. L'API consomme les crédits achetés, jamais les crédits gratuits du mois.
  2. 2Ouvrez la page API et générez votre clé. Elle n'est affichée qu'une fois : stockez-la tout de suite dans une variable d'environnement (VOIZUM_API_KEY) ou dans votre gestionnaire de secrets.
  3. 3Ajoutez une voix à votre bibliothèque : clonez la vôtre ou enregistrez-en une de la bibliothèque publique avec Ajouter. L'API ne fonctionne qu'avec les voix de votre bibliothèque.
  4. 4Listez-les avec GET /voices. Chaque élément a un id, un nom et une langue ; l'id est le voice_id que vous envoyez à la génération. Vous pouvez aussi le copier sur le site : Voix, menu ⋯, ID API.
  5. 5Facultatif : avant une grosse série, GET /status (public, sans clé) indique que le service fonctionne, et GET /account affiche votre solde de crédits et vos limites.

Exemples de code : curl, Python et JavaScript

Les exemples ci-dessous fonctionnent tels quels une fois YOUR_VOICE_ID et JOB_ID remplacés. L'URL de l'audio renvoyée par la consultation de l'état demande le même en-tête Authorization et redirige vers le fichier : laissez donc votre client HTTP suivre les redirections.

curl

Créez la tâche (202 avec job_id et eta_seconds), interrogez-la, puis téléchargez :

# 1. Créer la tâche
curl -X POST https://voizum.com/api/v1/tts \
  -H "Authorization: Bearer $VOIZUM_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: video-042-intro" \
  -d '{"text": "Bienvenue sur la chaîne.", "voice_id": "YOUR_VOICE_ID"}'

# 2. Vérifier son état (répéter jusqu'à "done")
curl https://voizum.com/api/v1/tts/JOB_ID -H "Authorization: Bearer $VOIZUM_API_KEY"

# 3. Télécharger le MP3
curl -L -o narration.mp3 https://voizum.com/api/v1/tts/JOB_ID/audio -H "Authorization: Bearer $VOIZUM_API_KEY"

Python (requests)

Le même déroulement, avec une attente tant que la tâche est en file ou en cours :

import os, time, requests

API = "https://voizum.com/api/v1"
H = {"Authorization": "Bearer " + os.environ["VOIZUM_API_KEY"]}

# 1. Créer la tâche
with open("script.txt", encoding="utf-8") as f:
    texto = f.read()
r = requests.post(API + "/tts", headers=H, json={"text": texto, "voice_id": "YOUR_VOICE_ID"})
r.raise_for_status()
job = r.json()["job_id"]

# 2. Attendre tant qu'elle est en file ou en cours
while True:
    s = requests.get(API + "/tts/" + job, headers=H).json()
    if s["status"] not in ("queued", "processing"):
        break
    time.sleep(5)
if s["status"] != "done":
    raise RuntimeError(s.get("error", s["status"]))

# 3. Télécharger le MP3
audio = requests.get(s["audio_url"], headers=H)
audio.raise_for_status()
with open("narration.mp3", "wb") as f:
    f.write(audio.content)

JavaScript (Node 18+, modules ES)

fetch natif, sans SDK :

import fs from "node:fs";

const API = "https://voizum.com/api/v1";
const H = { Authorization: "Bearer " + process.env.VOIZUM_API_KEY, "Content-Type": "application/json" };

// 1. Créer la tâche
const crear = await fetch(API + "/tts", {
  method: "POST",
  headers: H,
  body: JSON.stringify({ text: "Bienvenue sur la chaîne.", voice_id: "YOUR_VOICE_ID" }),
});
if (!crear.ok) throw new Error(await crear.text());
const { job_id } = await crear.json();

// 2. Attendre tant qu'elle est en file ou en cours
let s;
do {
  await new Promise((r) => setTimeout(r, 5000));
  s = await (await fetch(API + "/tts/" + job_id, { headers: H })).json();
} while (s.status === "queued" || s.status === "processing");
if (s.status !== "done") throw new Error(s.error ?? s.status);

// 3. Télécharger le MP3
const audio = await fetch(s.audio_url, { headers: H });
fs.writeFileSync("narration.mp3", Buffer.from(await audio.arrayBuffer()));

Paramètres facultatifs

speed (de 0,5 à 2, 1 par défaut), pause_ms (accepté, mais avec Voizum 2 il ne change rien : pour une pause, écrivez <#1.5#> dans le texte), language ("auto" ou es, en, de, fr, pt, it, ru, nl, pl, zh, ja, ko, hi, ar, tr, id, ro ; par défaut, elle est détectée à partir du texte) et loudness_normalization (true pour que toutes les voix sortent au même niveau). Les valeurs d'état sont queued, processing, done, error et canceled. La référence complète est sur https://voizum.com/docs, avec une spécification OpenAPI sur https://voizum.com/openapi.json et une version en texte brut pour les assistants de code IA sur https://voizum.com/llms.txt.

Textes longs, lots et dialogues

Une requête accepte jusqu'à 600 000 caractères, soit environ 10 heures de parole, et revient en un seul MP3. Inutile de découper un long script en morceaux et de les recoller vous-même : la tâche le fait en interne et la consultation de l'état montre la progression (parts_done, parts_total, percent).

Pour beaucoup de pièces courtes, utilisez POST /tts/batch : 100 éléments au maximum, 1 200 000 caractères au total (environ 20 heures). Chaque élément a son propre job_id et son propre fichier, mais le minimum de 100 crédits n'est facturé qu'une fois pour tout le lot, et non à chaque requête. Huit courts messages d'application coûtent 800 crédits envoyés un par un, et 100 en lot.

Pour une conversation dans un seul fichier (une intro de podcast, une publicité à deux voix), utilisez POST /tts/dialogue avec un tableau turns ordonné, jusqu'à 5 voix différentes. Elle est facturée comme un audio normal, selon les caractères de tout le script.

Utiliser votre voix clonée par l'API

Le clonage se fait une seule fois sur le site et coûte 199 crédits ; ensuite, la voix n'est qu'un voice_id de plus et chaque génération est facturée comme avec n'importe quelle autre voix. Il n'y a pas de point d'accès de clonage dans l'API, volontairement : l'enregistrement est l'étape où l'on veut écouter avant de s'engager. Enregistrez de 15 à 60 secondes de votre seule voix, coupées sur une pause et non au milieu d'un mot, et parlez comme vous voulez que la narration sonne, car l'intonation est copiée elle aussi.

Vos voix clonées peuvent parler les 17 langues : un seul enregistrement en français narre donc aussi la version anglaise, espagnole ou allemande de votre chaîne. Ne clonez que votre propre voix ou une voix que vous avez le droit d'utiliser.

La brancher sur n8n, Make ou Zapier

Aucune plateforme d'automatisation n'a besoin d'un module Voizum spécifique : toutes trois ont une étape HTTP générique, et l'API se résume à trois appels simples. Le seul choix de conception est la façon d'attendre l'audio : interroger en boucle, ou laisser l'API vous rappeler avec webhook_url.

L'option webhook (POST /tts uniquement) envoie un POST avec event, id, status (completed ou error), voice_id, duration_seconds et credits à la fin de la tâche, avec jusqu'à trois nouvelles tentatives. Ce doit être une URL https publique : un n8n auto-hébergé sur localhost ne peut pas la recevoir, interrogez alors en boucle.

n8n

Un nœud HTTP Request avec des identifiants Header Auth (Authorization, valeur Bearer sk_voizum_…), puis une boucle pour l'attente :

  • HTTP Request : POST https://voizum.com/api/v1/tts avec un corps JSON contenant text et voice_id.
  • Nœud Wait de quelques secondes, puis HTTP Request : GET /tts/{{ $json.job_id }}.
  • Nœud If : si status vaut done, on continue ; si queued ou processing, retour à Wait ; si error, on arrête l'exécution.
  • HTTP Request sur audio_url avec les mêmes identifiants et le format de réponse réglé sur Fichier ; le binaire part ensuite vers Drive, S3 ou votre étape de montage vidéo.

Make et Zapier

Dans Make, le module « Make a request » de l'application HTTP envoie le POST avec l'en-tête Authorization. Dans Zapier, Webhooks by Zapier fait la même chose avec une action POST ou Custom Request. Dans les deux cas, la façon la plus propre d'attendre est un second scénario ou Zap qui démarre à partir d'un webhook personnalisé (Make) ou d'un déclencheur Catch Hook (Zapier) : passez cette URL en webhook_url, et quand il se déclenche, interrogez GET /tts/{id} et téléchargez audio_url avec votre clé.

Erreurs et bonnes pratiques en production

Chaque erreur a la même forme, { error: { code, message } }. Programmez en vous appuyant sur code, qui est stable, jamais sur message, qui est un texte pour humains et peut changer.

  • Envoyez un Idempotency-Key à chaque POST /tts (l'identifiant de votre vidéo ou de votre ligne convient). Si une erreur réseau vous force à réessayer, vous récupérez la même tâche avec un 200 et vous n'êtes pas facturé deux fois.
  • Enregistrez le job_id dès que vous le recevez. Si votre processus plante, GET /tts liste vos tâches récentes avec un curseur, et vous pouvez filtrer avec ?status=done.
  • Interrogez toutes les quelques secondes, ou attendez eta_seconds, plutôt qu'en boucle serrée.
  • Téléchargez et gardez votre propre copie : le MP3 est conservé 4 jours, puis le fichier est supprimé.
  • Une erreur ? DELETE /tts/{id} annule une tâche encore en file et la rembourse intégralement. Une fois en cours de traitement, elle ne peut plus être annulée. Si une tâche se termine en erreur, ses crédits sont rendus automatiquement.
  • N'appelez jamais l'API depuis le navigateur ou une application mobile : la clé serait visible de tous. Appelez-la depuis votre serveur, et faites parler votre interface à votre serveur.
  • Changez la clé si elle a pu fuiter. En générer une nouvelle révoque l'ancienne immédiatement : mettez donc à jour la variable d'environnement juste après.
codeHTTPQue faire
no_autorizado401Clé absente, incorrecte ou révoquée
saldo_insuficiente402Pas assez de crédits achetés ; la réponse indique combien il vous en faut
voz_no_encontrada404Ce voice_id n'est pas dans votre bibliothèque : ajoutez-le d'abord
texto_demasiado_largo400Plus de 600 000 caractères : découpez le texte
limite_peticiones429Attendez le nombre de secondes de Retry-After, puis réessayez
demasiados_en_cola429Trop de tâches en cours : laissez-en finir quelques-unes
servicio_no_disponible503Réessayez plus tard avec un délai croissant (backoff)
Limites : 20 nouveaux audios par minute et 300 requêtes par minute au total, par clé. Chaque réponse porte X-RateLimit-Limit et X-RateLimit-Remaining.

Combien coûte une API de synthèse vocale ?

L'API consomme les mêmes crédits que le site : 60 crédits pour 1 000 caractères (environ 60 par minute d'audio), avec un minimum de 100 par requête. Une voix off YouTube de 10 minutes représente environ 9 850 caractères, soit 591 crédits. Elle ne fonctionne qu'avec des crédits achetés, qui n'expirent jamais et s'obtiennent sans abonnement ; les crédits gratuits mensuels obtenus avec Google ne valent que pour le générateur du site.

Ci-dessous, le coût par minute d'audio avec le forfait le moins cher de chaque service, tel que publié en septembre 2026. Voizum est affiché avec le pack Máxi, celui qui a le meilleur prix par crédit. Les montants sont en euros pour toutes les marques afin de pouvoir les comparer.

ServicePar minute d'audio (forfait d'entrée)API incluse dans ce forfaitCrédits non utilisés
Voizum0,013 €OuiN'expirent jamais
MiniMax0,043 €Non, facturée à partExpirent au bout de 2 mois
ElevenLabs0,171 €OuiPerdus à la résiliation
Narakeet0,173 €OuiN'expirent jamais
TTSMaker0,040 €Non, facturée à partPerdus chaque mois
Quand l'API est facturée à part, son prix par minute peut différer de celui du forfait. Des voix standard moins chères existent chez les grands fournisseurs cloud ; elles sonnent moins naturel et ne clonent pas les voix.

Vous ne voulez pas écrire de code ?

Si vous voulez générer de l'audio pendant que vous discutez avec Claude ou ChatGPT, vous n'avez pas besoin de l'API : le connecteur Voizum ajoute à l'assistant des outils pour générer et lister les voix, se connecte avec votre compte et suit les mêmes règles que le site, crédits gratuits mensuels compris. La configuration prend quelques minutes depuis la page Connecter.

Et si vous avez seulement besoin d'une page qui lit du texte dans le navigateur du visiteur, la Web Speech API intégrée aux navigateurs suffit. Elle est gratuite, mais sonne robotique, change d'un appareil à l'autre et ne vous donne aucun fichier. Une API TTS vaut le coup dès que vous voulez une voix naturelle dans un MP3 que vous pouvez publier.

Sources consultées

  1. Documentation n8n : nœud HTTP Request (en anglais)
  2. Documentation n8n : identifiants HTTP Request (Header Auth, en anglais)
  3. Documentation développeur Make : envoyer des requêtes (en anglais)
  4. Aide Zapier : envoyer des webhooks dans les Zaps (en anglais)
  5. Brouillon IETF : l'en-tête HTTP Idempotency-Key (en anglais)
  6. MDN : en-tête Retry-After (en anglais)
  7. MDN : Web Speech API
  8. OWASP : guide de gestion des secrets (en anglais)

Nos guides vous sont utiles ? Ajoutez Voizum comme source préférée et Google vous montrera davantage de nos contenus.

Ajouter sur Google ↗

Cela peut aussi vous servir

Questions fréquentes

Existe-t-il une API de synthèse vocale gratuite ?
Oui, avec des limites. Les navigateurs intègrent la Web Speech API gratuite, qui lit le texte sur l'appareil de l'utilisateur mais ne renvoie aucun fichier et sonne synthétique. Les modèles open source sont gratuits si vous les hébergez sur votre propre GPU. L'API de Voizum fonctionne avec des crédits achetés ; les crédits gratuits mensuels ne valent que dans le générateur du site.
Comment utiliser une API de synthèse vocale en Python ?
Envoyez un POST avec votre texte et votre voice_id grâce à requests, enregistrez le job_id renvoyé, interrogez l'état toutes les quelques secondes jusqu'à done, puis téléchargez audio_url avec le même en-tête Authorization. L'exemple Python de ce guide fait exactement cela.
Puis-je utiliser ma voix clonée par l'API ?
Oui. Vous la clonez une fois sur le site (199 crédits) et son id apparaît dans GET /voices comme n'importe quelle autre voix de votre bibliothèque. À partir de là, vous l'utilisez comme voice_id et elle parle toutes les langues prises en charge.
Quelle longueur de texte par requête ?
Jusqu'à 600 000 caractères par requête, soit environ 10 heures d'audio, livrées en un seul MP3. Pour beaucoup de pièces séparées, une requête par lot accepte jusqu'à 100 éléments, avec le minimum facturé une seule fois.
L'API de Voizum convient-elle aux agents vocaux en temps réel ?
Non. Elle est asynchrone et n'a pas de streaming : vous créez une tâche et récupérez le fichier quand il est prêt. Elle est conçue pour la narration, les formations, les lots et les automatisations ; pour une conversation en direct, choisissez une API avec streaming.
L'API peut-elle fournir des sous-titres ou l'heure de chaque mot ?
Oui, sans supplément. Quand une tâche est terminée, GET /tts/{id}/timestamps renvoie chaque phrase et chaque mot avec son début et sa fin en secondes du MP3, et GET /tts/{id}/subtitles fournit des sous-titres prêts à l'emploi en SRT ou WebVTT. Les mots sont ceux qui sont prononcés : les nombres sont écrits comme on les dit.
Comment brancher une API TTS sur n8n ?
Utilisez le nœud HTTP Request avec Header Auth pour la clé Bearer : un nœud crée la tâche, un nœud Wait et un nœud If bouclent sur l'état, et un dernier HTTP Request télécharge audio_url sous forme de fichier. Si votre n8n a une adresse https publique, vous pouvez passer une URL de webhook au lieu de boucler.

Plus de guides

Saisissez votre texte et écoutez-le avec une voix réaliste

L'API consomme les crédits d'un pack (60 par tranche de 1 000 caractères). Packs à partir de 5,99 €, sans abonnement.