此API旨在分析任何文本的情感语调,提供有关内容所传达的情感充电和情绪的详细见解。它的操作简单高效:用户发送文本作为输入,API则响应一个结构化的分析,包括检测到的不同语调、每种语调的百分比和解释性摘要。
例如,它可以识别出积极、中立、沮丧或悲伤等情感,指示每种情感在文本中的比例。此外,它还提供描述性分析部分,对结果进行解释,以易于理解的方式说明哪种类型的情感信息占主导地位,如何贯穿整个文本发展,以及哪些因素影响整体语调。为了补充这些信息,它还生成实用建议,以调整或改善沟通:例如,如何强调积极语调、平衡情感或减少消极感知。
该API对于希望将情感智能融入其产品或工作流程的人尤其有用。它可以应用于社交媒体分析、客户反馈评估、企业内容审查甚至文学文本研究。其基于百分比和类别的方法便于自动情感解释,同时其文本输出为决策提供了人性化和有用的上下文。
总之,该API不仅测量情感,还解释和建议沟通改善。它是一个强大的工具,帮助理解消息如何被感知以及如何优化,以产生更大的情感影响。凭借其分析能力,它将文本转化为可操作的数据,帮助使沟通变得更加富有同理心、清晰和有效的体验。
使用人工智能分析文本,检测情感和主导语气,显示百分比、详细解释和改善沟通的建议
语调检查器 - 端点功能
| 对象 | 描述 |
|---|---|
content |
[必需] |
{"success":true,"content":{"toneDistribution":[{"tone":"\ud83d\ude0a Positive","percentage":80},{"tone":"\ud83d\ude10 Neutral","percentage":10},{"tone":"\ud83d\ude24 Frustrated","percentage":0},{"tone":"\ud83d\ude22 Sad","percentage":10}],"analysis":"The text 'Today I feel very happy.' has a predominantly positive tone indicated by the expression of happiness. The use of the word 'happy' explicitly conveys a sense of joy and positivity. This text contains no elements of frustration or sadness, which is why those tones have a percentage of 0. There is a small neutral component that represents the straightforwardness of the statement, devoid of additional emotional layers.","suggestions":"To maintain the positive tone, consider adding more context or reasons for your happiness that could enhance the emotional impact. If aiming for variety in tone, include additional sentences that describe different feelings or experiences throughout the day, balancing positive expressions with neutral observations or subtle challenges overcome."}}
curl --location --request GET 'https://zylalabs.com/api/10932/extract+tone+from+text+using+api/20642/tone+checker?content=Today I feel very happy.' --header 'Authorization: Bearer YOUR_API_KEY'
| 标头 | 描述 |
|---|---|
授权
|
[必需] 应为 Bearer access_key. 订阅后,请查看上方的"您的 API 访问密钥"。 |
无长期承诺。随时升级、降级或取消。 免费试用包括最多 50 个请求。
语气检查器端点返回输入文本情感语气的结构化分析。这包括包含检测到的情绪及其相应百分比的语气分布、文本的解释性分析以及改善沟通的实用建议
响应数据中的关键字段包括 `toneDistribution`,列出了检测到的语气及其百分比,`analysis`,提供情感内容的摘要,以及 `suggestions`,提供关于提高沟通效果的建议
响应数据以JSON格式组织。它包含一个表示请求状态的`success`布尔值,后面是一个包含`toneDistribution`、`analysis`和`suggestions`的`content`对象,方便解析和使用
音调检查器提供有关文本中检测到的情感音调的信息、它们的百分比、情感信息的详细解释分析,以及改善沟通音调的可行建议
用户可以通过更改发送到语调检测端点的输入文本来自定义他们的请求 不同的文本将产生不同的语调分析 使用户能够评估各种信息及其情感影响
典型的使用案例包括分析客户反馈以了解情感提升企业沟通评估社交媒体帖子以及研究文学文本以理解情感细微差别并改善参与度
数据准确性通过先进的人工智能算法得以保持,这些算法分析文本模式和情感线索 持续更新和在多样化数据集上进行训练有助于提高模型对情感语调的理解
标准数据模式包括清晰的语调分布,通常有一种或两种主要情感。用户可以期待看到反映文本情感权重的百分比,以及深刻的分析和量身定制的改进建议
服务级别:
100%
响应时间:
731ms
服务级别:
100%
响应时间:
0ms
服务级别:
100%
响应时间:
0ms
服务级别:
100%
响应时间:
0ms
服务级别:
100%
响应时间:
0ms
服务级别:
100%
响应时间:
646ms
服务级别:
100%
响应时间:
77ms
服务级别:
100%
响应时间:
0ms
服务级别:
100%
响应时间:
0ms
服务级别:
100%
响应时间:
1,594ms
服务级别:
100%
响应时间:
16ms
服务级别:
100%
响应时间:
20ms
服务级别:
100%
响应时间:
17ms
服务级别:
100%
响应时间:
19ms
服务级别:
100%
响应时间:
216ms
服务级别:
100%
响应时间:
379ms
服务级别:
100%
响应时间:
1,768ms
服务级别:
100%
响应时间:
19ms
服务级别:
100%
响应时间:
9,212ms
服务级别:
100%
响应时间:
2,244ms