在在线互动的动态世界中,维护积极和尊重的数字环境至关重要。尊重沟通API是一个重要工具,它利用先进的算法自动检测和过滤用户生成内容中的脏话。此API使用户和内容平台能够创建优先考虑诚信、包容和积极用户体验的空间。
尊重沟通API使用复杂的自然语言处理算法准确检测和过滤用户生成内容中的脏话。它确保准确识别攻击性语言并维护内容的完整性。
超越简单的关键词匹配,API在语境理解方面表现出色。它考虑周围文本,以识别细微差别,允许进行更细致的分析,以理解可能使用攻击性语言的上下文。
该API实时运行,允许用户无缝将脏话过滤集成到应用程序和平台中,确保立即的内容审查和积极的用户体验。
API提供可定制的过滤规则,使用户能够根据其平台的独特要求和社区指南调整脏话过滤器的敏感性。
在数字通信时代,尊重沟通API作为维护在线尊重和诚信的重要工具而脱颖而出。通过检测和过滤用户生成内容中的脏话,此API使用户和内容平台能够创建优先考虑积极互动和包容的空间。无论应用于社交网络、论坛、聊天应用、教育平台还是游戏社区,尊重沟通API都是技术与数字责任融合的证明,提供了一种在准确性、多样性和实时效率上都表现卓越的工具。它作为在线空间的守护者,培养用户可以在信任和文明中参与的环境。
它将接收参数并向您提供JSON。
社交媒体审核:将脏话过滤API集成到社交媒体平台中,自动过滤用户评论中的脏话,维护积极的在线社区。
论坛和博客审核:通过使用API过滤用户评论中的脏话来增强论坛和博客的审核,确保尊重和建设性的讨论。
聊天应用程序:在聊天应用程序中实施API,实时过滤攻击性语言,促进积极和尊重的沟通环境。
教育平台:通过整合脏话过滤API增强教育平台的审核,过滤讨论和学生互动中的脏话,创建安全的学习空间。
在线游戏社区:通过将API集成到在线游戏平台中过滤用户生成内容和互动中的脏话,促进积极的游戏社区。
基础计划:5000个API调用。每秒5个请求。
专业计划:10000个API调用。每秒5个请求。
专业加计划:20000个API调用。每秒5个请求。
亵渎预测 - 端点功能
| 对象 | 描述 |
|---|---|
请求体 |
[必需] Json |
{"text":"cunt","profanityProbability":1.0}
curl --location --request POST 'https://zylalabs.com/api/2933/respectful+communication+api/3074/profanity+prediction' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw '{
"text": "hello world!",
"useProbability": false
}'
过滤器 - 端点功能
| 对象 | 描述 |
|---|---|
请求体 |
[必需] Json |
{"text":"****","isProfane":true}
curl --location --request POST 'https://zylalabs.com/api/2933/respectful+communication+api/3076/filter' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw '{
"text": "hello world!",
"maskChar": "*",
"additionalProfaneWords": [
"world"
]
}'
| 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。
要使用此API,用户必须输入文本以检测其是否包含粗俗语言或替换所需词语
有不同的计划适合每个人,包括少量请求的免费试用,但其费率有限制以防止滥用服务
Zyla为几乎所有编程语言提供了广泛的集成方法。您可以根据需要使用这些代码与您的项目集成
尊重沟通API是一个先进的工具,旨在确保数字平台内积极和文明的互动
每个端点返回JSON数据。亵渎预测端点提供一个概率分数,指示亵渎的可能性,而亵渎过滤器和过滤器端点返回修改后的文本和一个布尔值,指示是否检测到亵渎
关键字段包括“text”,表示处理后的文本,“profanityProbability”,指示亵渎语言的可能性(0到1),以及“isProfane”,一个布尔值确认是否发现了亵渎语言
端点接受参数,例如“text”(要分析的内容)、“additionalProfaneWords”(要过滤的特定词)和“maskChar”(用来替换亵渎词的字符)
响应数据以JSON格式结构化,字段清晰标记。例如,恶意词过滤器端点返回一个包含修改后的文本和一个用于恶意词检测的布尔值的对象
粗俗预测端点提供粗俗的概率评分,而粗俗过滤器和过滤端点返回经过处理的文本并指明是否存在粗俗内容
用户可以通过指定“additionalProfaneWords”来自定义请求,以便针对特定术语,并选择“maskChar”来定义如何在输出中模糊这些术语
数据准确性通过先进的自然语言处理算法得以维护,这些算法分析上下文,从而允许对粗俗语言的细致检测超越简单的关键字匹配
典型的用例包括在社交媒体上管理用户评论 实时过滤聊天消息 确保教育平台和游戏社区中的尊重互动
服务级别:
100%
响应时间:
7,640ms
服务级别:
100%
响应时间:
3,940ms
服务级别:
100%
响应时间:
330ms
服务级别:
100%
响应时间:
94ms
服务级别:
100%
响应时间:
8,735ms
服务级别:
100%
响应时间:
13,324ms
服务级别:
100%
响应时间:
696ms
服务级别:
100%
响应时间:
349ms
服务级别:
100%
响应时间:
185ms
服务级别:
100%
响应时间:
213ms
服务级别:
100%
响应时间:
281ms
服务级别:
100%
响应时间:
74ms
服务级别:
100%
响应时间:
839ms
服务级别:
100%
响应时间:
69ms
服务级别:
100%
响应时间:
1,232ms
服务级别:
100%
响应时间:
897ms
服务级别:
100%
响应时间:
520ms
服务级别:
100%
响应时间:
1,044ms
服务级别:
100%
响应时间:
728ms
服务级别:
100%
响应时间:
68ms