该API旨在分析任何文本的情感基调,提供对内容所传达的情感充盈和情绪的详细洞察。它的操作简单而高效:用户发送文本作为输入,API则以结构化的分析响应,包括检测到的不同基调、每种基调的百分比及解释性总结。
例如,它可以识别积极、冷静、沮丧或悲伤等情绪,并指示文本中每种情绪的比例。此外,它还提供一个描述性分析部分,在这里对结果进行解释,以易于理解的方式说明主导的情感信息类型、它在文本中如何发展,以及哪些因素影响整体基调。作为补充,它还生成实用建议,用于调整或改善沟通:例如,如何强调积极基调、平衡情绪或减少负面感知。
该API尤其对希望将情感智能融入其产品或工作流程的人非常有用。它可以应用于社交媒体分析、客户反馈评估、企业内容审核,甚至文学文本研究。其基于百分比和类别的方法便于自动化情感解读,而其文本输出为决策提供了人性化和实用的背景。
总之,该API不仅测量情感,还解释并建议沟通改善。它是理解信息如何被感知以及如何优化以产生更大情感影响的强大工具。凭借其分析能力,它将文本转化为可操作的数据,帮助使沟通更加同理、清晰和有效的体验。
利用人工智能分析文本 检测情感和主要语调 显示百分比 详细解读以及改善沟通的建议
音调检查器 - 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/10931/text+emotion+capture+api/20639/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。
语调检查端点返回输入文本中检测到的情感语调的结构化分析。这包括每种识别到的情感的百分比语调分布、详细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”(列出检测到的音调及其百分比)、“analysis”(情感音调的摘要)和“suggestions”(增强沟通的建议)
响应数据以JSON格式组织 包含一个表示请求状态的“success”字段 后面是一个“content”对象 包括语调分布 分析和改进建议
语气检查器提供文本中存在的情感语气信息及其各自的百分比情感信息的详细分析以及增强文本情感影响力的可行建议
用户可以通过更改发送到音调检查器端点的输入文本来自定义他们的请求 不同的文本会根据存在的情感内容产生不同的音调分析和建议
典型的使用案例包括分析社交媒体帖子以了解情感参与评估客户反馈以理解情绪审查企业通讯以保持语调一致性以及研究文学文本以获取情感深度
数据准确性通过先进的人工智能算法得以维持,这些算法分析文本模式和情感线索 持续更新和对多样化数据集的训练有助于提高模型的性能和可靠性
用户可以通过解释音调分布来评估情感影响来利用返回的数据,将分析应用于优化他们的消息,并实施建议以增强读者的参与感和情感共鸣
服务级别:
100%
响应时间:
8,644ms
服务级别:
100%
响应时间:
20ms
服务级别:
100%
响应时间:
19ms
服务级别:
100%
响应时间:
16ms
服务级别:
100%
响应时间:
2,398ms
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:
9,212ms
服务级别:
100%
响应时间:
216ms
服务级别:
100%
响应时间:
19ms
服务级别:
100%
响应时间:
2,121ms
服务级别:
97%
响应时间:
3,086ms
服务级别:
100%
响应时间:
3,326ms
服务级别:
100%
响应时间:
109ms
服务级别:
100%
响应时间:
2,176ms
服务级别:
100%
响应时间:
4,825ms
服务级别:
100%
响应时间:
75ms
服务级别:
100%
响应时间:
87ms
服务级别:
100%
响应时间:
699ms
服务级别:
100%
响应时间:
88ms